面向医学研究者的文献综述工具指南，覆盖PubMed检索、AI筛选、证据表、引用核查与工具组合边界。
先把问题拆清楚，再组合数据库检索、AI 发现和人工核验，效率最高。
适合谁
适合需要做文献调研、选题、查新、系统综述或学术报告的人。
先做什么
先把问题拆成关键词、同义词、数据库检索式和纳入排除标准。
小心什么
不要把 AI 检索结果当最终证据。关键文献必须回到原文和数据库记录核验。
AI 可以帮你扩词和发现线索，但正式判断仍要回到数据库记录和原文。
搜索 medical literature review tool 的用户，通常不是想找一个普通的笔记软件，而是想完成一个可复查、可引用、可写进论文方法部分的医学文献综述流程。这个流程至少包括检索、去重、初筛、全文评估、证据提取、质量评价、引用核查和结果表达。
PubMed、Elicit、Rayyan、Semantic Scholar、Consensus、引用管理器和证据表工具各自解决不同问题。把它们放在同一套决策框架里，比单纯问“哪个工具最好”更接近真实科研场景。
本文不提供临床建议，也不替代医学、统计学或伦理审查判断。任何医学结论都必须回到原始论文，核对 PMID 或 DOI、研究方法、样本、结局指标和统计结果。
选择工具前，先明确你是在做叙述性综述、范围综述、系统综述、Meta分析，还是只是为课题设计做背景检索。不同任务对检索可复现性、筛选记录、证据提取和偏倚评价的要求不同。
如果目标是正式发表，建议从一开始就按系统综述的最低记录标准工作，即使后续决定只写叙述性综述，也能降低返工风险。
PubMed适合做医学主题的权威检索入口，尤其适合用 MeSH、题名摘要字段、发表类型和日期筛选来构建初始文献集。它不是自动综述工具，但它是医学证据链中最应该被保留的检索来源之一。
Elicit、Consensus 这类AI辅助工具适合快速发现相关研究、生成问题视角、提取候选结论或整理摘要层面的信息。但它们的输出不能直接作为医学结论，尤其不能替代全文阅读、统计核查和方法学评价。
Rayyan 适合多人初筛、盲筛、冲突处理和标签管理。对于系统综述作者，它的价值不在于“自动决定纳入”，而在于让筛选过程更有记录、更容易复查。
Semantic Scholar 适合追踪引用网络、相似论文、关键作者和高被引研究。它可以帮助补充检索，但不应替代 PubMed、Embase、Cochrane Library 或研究方案中规定的数据库。
agent2research.com 的 工具页面、方法页面、对比页面 和 资源页面 可以作为组织工具选择、流程模板和检索策略的内部入口。
这个流程的重点不是让AI替你判断医学事实，而是让工具帮助你更快地发现、筛选、组织和核查证据。
| 使用场景 | 推荐工具组合 | 重点产出 | 需要特别核查 |
|---|---|---|---|
| 快速了解一个医学主题 | PubMed、Semantic Scholar、Consensus | 关键研究、常见结论、研究趋势 | 结论是否来自原始研究，是否过度依赖综述摘要 |
| 准备系统综述方案 | PubMed、Cochrane、Rayyan、引用管理器 | 检索式、纳入排除标准、筛选流程 | 数据库覆盖、检索可复现性、排除标准是否清楚 |
| 多人文献初筛 | Rayyan、Zotero、共享证据表 | 筛选标签、冲突记录、排除原因 | 筛选一致性、冲突解决规则、盲筛设置 |
| 做证据表和结果提取 | 原文PDF、表格工具、AI摘要辅助 | 样本、方法、结局、效应量、限制 | PMID或DOI、统计量、调整变量、亚组分析 |
| 写论文引用和背景 | PubMed、Zotero、Semantic Scholar | 可引用文献、引用格式、研究脉络 | 引用是否支持原句，是否引用了撤稿或低质量证据 |
如果你只需要背景阅读，可以把AI工具放在前面提高探索速度。如果你要写正式系统综述，数据库检索、筛选记录和证据表应放在核心位置，AI只能作为辅助层。
一个可用的医学证据表不只是复制摘要。它应该让读者看出每篇研究为什么被纳入、证据强弱在哪里、结论是否能比较，以及哪些研究不适合直接合并。
AI可以帮助你把字段初步填入表格，但每一项都应回到原始论文核对。尤其是样本量、结局定义、亚组分析和统计显著性，常常会在摘要中被简化或遗漏。
医学文献综述的最大风险，是把工具生成的摘要、排名或回答当成已经验证的证据。AI工具可能遗漏研究、误读结局、混淆相关性与因果性，或把综述文章中的二手结论当成原始数据。
所有医学结论都必须检查原始论文，并逐项核对 PMID 或 DOI、研究方法、样本来源、纳入排除标准、结局指标、统计模型、效应量、置信区间和作者限制。对于临床相关主题，还应关注指南、监管信息、撤稿、勘误和利益冲突。
本文讨论的是研究流程和工具选择，不构成临床建议、诊断建议或治疗建议。涉及患者决策、药物使用、诊断路径或治疗方案时，应由合格专业人员结合具体情况判断。
一个务实的选择标准是：PubMed负责可追溯检索，Rayyan负责筛选记录，引用管理器负责文献组织，AI工具负责探索和初步提取，证据表负责把判断落到结构化数据中。
如果你是留学生或刚开始做医学综述，可以先从一个窄问题开始，把检索式、筛选标准和证据表跑通。等流程稳定后，再扩展到更多数据库、双人筛选和正式风险偏倚评价。
如果你已经在写系统综述或Meta分析，建议优先检查方案注册、数据库覆盖、PRISMA流程图、排除原因、风险偏倚工具和统计合并条件，而不是继续更换工具。工具只能提高流程效率，不能弥补研究问题不清或方法设计不足。
更多主题拆解可以放到 研究主题 和 方法指南 中继续延展，例如 PubMed 检索式写法、Rayyan 双人筛选流程、证据表模板和AI引用核查清单。
面向课题立项、基金申请、临床研究开题和论文选题，讲清医学文献查新不是简单搜索关键词，而是用数据库、AI 工具和引用网络判断问题是否已经被研究清楚。
面向医学研究生、临床科研医生和综述作者，按开题、找证据、追引用、读全文和写综述五个场景说明医学文献检索工具如何组合使用。
面向医学论文、科研论文和综述初稿，提供可复用的学术论文结构模板：研究问题、证据链、IMRaD段落功能、统计结果、局限性和AI润色边界。
从方法到实践
超能文献支持中文检索全球文献、边读边译、AI提取关键信息，帮你把学到的方法用起来。
试试超能文献© 2026 医学科研情报站