医学文献检索完整流程：从 PubMed 到 AI 工具，如何避免漏文献

先说结论：AI 可以加速检索，但不能替代可复现检索式

很多人搜索“医学文献检索”，真实痛点不是不会打开 PubMed，而是担心自己漏掉关键文献：关键词不全、MeSH 不会用、英文同义词想不到、AI 给了几篇看似相关的论文却不知道能不能写进方法学。比较稳的做法，是把检索拆成两条线：一条是正式、可复现、能写进论文的方法学检索；另一条是探索、扩词、找种子论文和追踪引用的发现式检索。

PubMed、Embase、Web of Science、Cochrane Library 仍然是正式综述和论文方法学的底座。AI 工具、Semantic Scholar、OpenAlex、ResearchRabbit、Connected Papers 更适合帮你扩展线索、发现相关研究、理解证据结构。真正高质量的医学检索，不是选一个工具赢过所有工具，而是让每个工具站在正确位置上。

第一步：把中文问题拆成 PICO 或 PECO

不要直接把一句中文问题丢给搜索框。先把问题拆成结构化字段，后面的关键词、纳排标准、证据表和写作结构才会一致。干预研究常用 PICO，暴露、预后、危险因素问题更接近 PECO。

• P / Population：研究对象是谁？例如 2 型糖尿病合并慢性肾病患者、早期乳腺癌患者、重症 ICU 成人患者。
• I / Intervention 或 E / Exposure：干预、暴露或预测因素是什么？例如 SGLT2 抑制剂、免疫检查点抑制剂、空气污染暴露、某个生物标志物。
• C / Comparison：和什么比较？安慰剂、常规治疗、未暴露组、其他药物、基线风险低的人群。
• O / Outcome：结局是什么？死亡率、复发、肾功能下降、无进展生存期、生活质量、不良事件。
• Study design：你需要 RCT、队列研究、病例对照、诊断准确性研究，还是系统综述？

如果问题还没法拆，说明选题还在雾里。这时可以先用 AI 或中文文献工具做探索，但不要急着生成最终 PubMed 检索式。

第二步：建立关键词池，而不是只找一个关键词

医学检索最容易漏文献的原因，是关键词池太薄。一个合格的关键词池至少包含中文词、英文规范词、自由词、缩写、MeSH 词、药物通用名和商品名、疾病旧称和新称、上位词和下位词。

以“糖尿病肾病 SGLT2 抑制剂”为例，你至少要考虑 diabetes mellitus type 2、diabetic kidney disease、diabetic nephropathy、chronic kidney disease、SGLT2 inhibitors、sodium-glucose cotransporter 2 inhibitors、dapagliflozin、empagliflozin、canagliflozin 等词。不要只靠脑子想，应该从 4 个来源补词：

1. 种子论文标题、摘要、关键词和 MeSH terms。
2. PubMed MeSH Database 和相关 entry terms。
3. 指南、共识、综述中的术语表达。
4. AI 工具生成的候选词，但要逐条核验。

如果你从中文问题起步，可以先用 超能文献 把中文问题转成英文论文线索，快速收集种子论文和常见表达；随后再回到 PubMed / MeSH 做正式检索式。

第三步：PubMed 检索式要同时覆盖 MeSH 和自由词

PubMed 的优势不只是“免费搜论文”，而是有成熟的医学主题词系统和字段检索能力。NLM 的 MeSH 是用于 PubMed/MEDLINE 索引的受控词表；PubMed User Guide 也提示，许多过滤器会限制到已经分配特定 MeSH 词的记录。因此，正式检索时要意识到 MeSH 的价值，也要意识到新文章可能还没有完成 MeSH 索引。

实践中建议使用“MeSH + title/abstract 自由词”的组合。MeSH 帮你覆盖规范概念，自由词帮你覆盖新文献、未索引记录、缩写和作者自己的表述。

("Diabetic Nephropathies"[MeSH] OR "diabetic kidney disease"[tiab] OR "diabetic nephropathy"[tiab])
AND
("Sodium-Glucose Transporter 2 Inhibitors"[MeSH] OR "SGLT2 inhibitor*"[tiab] OR dapagliflozin[tiab] OR empagliflozin[tiab])
AND
("Randomized Controlled Trial"[Publication Type] OR randomized[tiab] OR placebo[tiab])

这个示例不能直接套用到你的题目，但它体现了三件事：同一概念内部用 OR，不同概念之间用 AND，研究类型可以用 publication type 和自由词一起兜底。

第四步：AI 文献发现适合放在“扩词”和“找种子论文”阶段

AI 文献工具的强项是把模糊问题变成可探索的证据网络：它能快速给你候选论文、相近概念、潜在结局指标和研究空白。它的弱项是可复现性和边界控制：同一个问题，不同时间、不同模型、不同提示词可能给出不同结果。

所以，不要让 AI 直接替你完成最终检索。更好的使用方式是：

• 扩词：让 AI 列出疾病、干预、结局的同义词和缩写，再回到 MeSH、指南和种子论文核验。
• 找种子论文：用 AI 或 Semantic Scholar 找 5 到 10 篇高度相关论文，用它们反向补关键词。
• 理解证据结构：让 AI 按研究设计、样本、结局和局限整理论文，但关键数字必须回到原文。
• 发现遗漏角度：让 AI 挑战你的检索式，问“还有哪些人群、结局、术语、旧称可能漏掉”。

第五步：用引文追踪补上关键词检索找不到的文献

关键词检索再认真，也可能漏掉术语不同但主题相关的论文。引文追踪可以补这个洞：从高质量种子论文出发，向后看它引用了谁，向前看谁引用了它，再看共同引用和相似论文。

推荐顺序是：先在 PubMed 或超能文献找到种子论文，再用 Semantic Scholar、ResearchRabbit、Connected Papers 或 Litmaps 扩展引用网络。这个阶段不要只看图谱好不好看，而要记录每篇补充论文为什么被纳入：它补了新人群、新结局、新方法，还是只是背景相关。

第六步：把检索过程写成可审计记录

一套检索是否专业，最后看能不能被复盘。建议保存一个检索记录表，至少包含这些字段：

• 研究问题和 PICO/PECO。
• 数据库名称和检索日期。
• 完整检索式和每次结果数量。
• 时间、语言、物种、文献类型限制。
• 去重前后数量。
• 标题摘要筛选标准和全文筛选标准。
• 手工补充来源：引文追踪、专家推荐、指南参考文献。
• 排除理由：人群不符、干预不符、结局不符、研究设计不符、重复发表。

如果是系统综述，建议对照 PRISMA 2020 的 checklist 和 flow diagram 思路，提前准备好检索、筛选和纳排记录。不要等写论文时才回忆“当时搜了什么”。

第七步：Zotero 和证据表决定后续写作效率

检索到文献只是开始。真正影响综述写作效率的是后续管理。建议把 Zotero 标签和证据表一起用：Zotero 管题录、PDF、标签、阅读状态；证据表管研究设计、样本、干预、结局、结果、局限和可引用判断。

一个简单但耐用的标签体系可以是：候选、标题摘要通过、全文待读、纳入、排除、关键论文、方法学参考、待复核。证据表字段不要一开始做得太复杂，先保证每篇论文都能回答：研究了谁、怎么研究、发现了什么、有什么局限、我能不能引用它支持某个观点。

常见错误：看起来很勤奋，实际很容易漏

• 只搜一个数据库：PubMed 很重要，但系统综述常常还需要 Embase、Web of Science、Cochrane Library 等来源。
• 只搜标题关键词：很多重要论文不会用你脑子里的那个词表达。
• 只看 AI 推荐的前几篇：推荐结果适合探索，不等于完整证据集合。
• 不记录检索日期和结果数：后面无法解释为什么纳入这些文献。
• 把综述写成文献堆叠：检索只是原料，最后要回到研究问题、证据强度和临床意义。

一套可以直接执行的医学文献检索流程

1. 用 PICO/PECO 拆中文研究问题。
2. 用超能文献、Semantic Scholar 或种子综述找 5 到 10 篇核心论文。
3. 从核心论文和 MeSH Database 建关键词池。
4. 在 PubMed 构建 MeSH + 自由词检索式，并记录日期和结果数。
5. 根据研究类型补充 Embase、Web of Science、Cochrane Library 或其他数据库。
6. 用引文追踪补充关键词检索漏掉的论文。
7. 导入 Zotero，去重，建立筛选标签。
8. 用证据表记录研究设计、样本、结局、结果和局限。
9. 写作时每一个关键判断都回到原文和证据表核验。

延伸阅读和工具入口

站内可以继续看 医学文献检索工具专题、医学文献检索工作流模板、Semantic Scholar 评测 和 OpenAlex 评测。官方参考建议收藏 PubMed User Guide、MeSH Database 和 PRISMA 2020 checklist。