site:agent2research.com/en: 完整指南

适用对象与页面目标

本指南面向医学研究者、研究生与临床人员，帮助你把 site:agent2research.com/en 作为研究流程中的一个入口，而不是把它当成最终结论来源。

围绕 site:agent2research.com/en 的检索意图，本文重点说明如何设计问题、选择工具、整理证据、核对原文，并在不同研究场景中设定清晰边界。

如果你正在搭建系统综述、课题开题、临床研究背景调研或论文写作前的证据地图，可以同时参考 工具、方法、主题、对比 与 资源 页面。

先明确研究问题

在打开任何工具之前，先把研究问题写成可检索、可筛选、可复核的形式。医学问题通常需要明确人群、暴露或干预、对照、结局、研究设计和时间范围。

例如，不要只写“糖尿病治疗进展”，而应拆成“2 型糖尿病成人患者中，某类降糖药相较标准治疗对心血管结局和低血糖风险的影响”。这样的表达更利于后续验证 PMID、DOI、方法、样本、结局和统计结果。

推荐的实用工作流

1. 定义问题：用 PICO、PECO 或 SPIDER 框架写出研究对象、干预或暴露、比较组、结局与研究类型。
2. 建立关键词：列出核心词、同义词、缩写、药物名、疾病名、MeSH 或相关主题词。
3. 使用 site 检索：用 site:agent2research.com/en 观察相关英文页面、方法说明、工具入口和可用资源。
4. 扩展数据库：将得到的关键词带入 PubMed、ClinicalTrials、机构指南或期刊平台，避免只依赖单一站点。
5. 筛选证据：按研究设计、发表年份、人群匹配度、样本量、结局相关性和偏倚风险进行初筛。
6. 核对原文：所有医学结论必须回到原始论文，检查 PMID/DOI、研究方法、样本来源、主要与次要结局、统计方法、效应量和置信区间。
7. 记录判断：把纳入、排除、待确认的文献分开记录，并注明理由，方便导师、合作者或审稿人复查。
8. 形成输出：根据目标产出整理成证据表、研究空白列表、综述提纲、实验假设或检索策略附录。

工具选择与分工

site:agent2research.com/en 更适合作为导航和方法线索入口，用于发现研究工作流、相关主题和可用工具。它不应替代数据库检索、全文阅读或统计学判断。

PubMed 适合获取生物医学文献记录、PMID、摘要和主题词；期刊官网适合核对 DOI、全文、补充材料和版本信息；临床试验注册库适合确认研究方案、终点设定和发表偏倚风险。

在写作阶段，可以把 方法 页面用于规范检索步骤，把 对比 页面用于比较工具差异，把 资源 页面用于补充数据库、模板和检查清单。

常见场景对比

证据记录模板

建议为每篇文献建立固定字段，包括题名、作者、年份、期刊、PMID、DOI、研究设计、样本量、纳入标准、干预或暴露、对照、主要结局、统计方法、主要结果和局限性。

对于医学研究，记录“作者结论”还不够，必须把结论拆回数据来源。尤其要检查方法是否支持结论，样本是否足够，结局是否预设，统计模型是否合适，以及亚组分析是否只是探索性结果。

风险与边界

site:agent2research.com/en 的页面可以帮助你组织研究流程，但不能作为临床建议、诊断依据或治疗决策依据。任何涉及患者管理、用药、手术、筛查或预后的判断，都应由合格专业人员结合正式指南和患者具体情况完成。

医学结论必须核对原始论文，至少检查 PMID/DOI、研究方法、样本来源、纳入排除标准、主要和次要结局、统计方法、效应量、置信区间、缺失数据处理和利益冲突声明。

还要注意语言和索引偏倚。site 检索可能只暴露某个站点已收录或已发布的内容，不能代表全部医学证据。对于高风险主题，应补充多个数据库、指南平台和试验注册库。

质量检查清单

• 研究问题是否足够具体，能转化为检索式。
• 关键词是否包含同义词、缩写、主题词和关键药物或疾病名称。
• 是否记录了检索日期、检索范围和筛选标准。
• 是否把网站线索与 PubMed、期刊官网或注册库结果交叉验证。
• 是否逐篇核对 PMID、DOI、方法、样本、结局和统计结果。
• 是否区分了证据、推断、假设和个人判断。
• 是否避免把研究发现写成临床建议。

如何形成可交付结果

完成检索和核对后，可以把结果整理成三类输出：一是文献证据表，二是研究空白和争议点，三是下一步检索或实验计划。这样既方便写作，也便于团队讨论。

如果目标是论文或课题材料，建议在附录中保留检索式、数据库、日期、纳排标准和筛选数量。可复核性比页面访问次数更重要，尤其是在医学研究和临床相关主题中。

这类工作流的核心不是追求一次检索得到答案，而是用 site:agent2research.com/en 找到起点，再用结构化方法把证据逐步验证到原始论文和可审查的数据层面。