EPPI-Reviewer
面向系统综述、HTA、临床指南更新和证据图谱项目的协作筛选、结构化编码与证据综合平台。
30 秒判断
先看这四点，再决定要不要继续读完整评测。
EPPI-Reviewer更适合文献量较大、团队成员较多、已有综述方案和纳排标准的医学证据综合项目；如果只是个人快速筛少量摘要、做PDF阅读或管理参考文献，它可能显得过重。
最适合已有明确综述方案、需要多人协作、结构化数据提取、证据图谱整理和审计留痕的大型医学证据综合项目。
不适合只想临时筛少量文献、没有稳定纳排标准、不需要流程记录，或主要需求只是阅读PDF、做批注、整理参考文献和写作引用的个人项目。
访问官网页面，确认当前EPPI-Reviewer版本、账号类型、订阅方式、机构访问权限和可用功能，重点核对团队协作、导入导出和机器学习相关模块。
最适合已有明确综述方案、需要多人协作、结构化数据提取、证据图谱整理和审计留痕的大型医学证据综合项目。
不适合只想临时筛少量文献、没有稳定纳排标准、不需要流程记录，或主要需求只是阅读PDF、做批注、整理参考文献和写作引用的个人项目。
Covidence / Rayyan / ASReview
适合谁用
适合医学研究生、临床医生、PI、循证医学中心、HTA团队、公共卫生和护理康复综述团队，尤其是需要多人独立筛选、冲突仲裁、排除理由记录、PICO编码、数据提取和流程留痕的正式证据综合项目。
用它完成一次医学文献发现
先让工具帮你找线索，再回到 PubMed、期刊页和 Zotero 做正式记录。
输入材料
一个中文临床或基础研究问题
应该得到
关键词池、候选论文、种子文献和下一步检索策略
- 1把中文问题拆成研究对象、干预/暴露、比较对象和结局。
- 2让工具生成英文关键词、同义词和可能的种子论文。
- 3筛掉综述、评论或不匹配人群的结果，保留真正可引用的研究。
- 4把关键论文回到 PubMed/期刊页核验，再导入 Zotero。
人工核验点
- 候选论文是否存在且来源可靠
- 研究类型是否符合你的问题
- 是否记录检索日期和纳排理由
更适合
最适合已有明确综述方案、需要多人协作、结构化数据提取、证据图谱整理和审计留痕的大型医学证据综合项目。
不太适合
不适合只想临时筛少量文献、没有稳定纳排标准、不需要流程记录，或主要需求只是阅读PDF、做批注、整理参考文献和写作引用的个人项目。
数据与隐私
若项目涉及未发表研究资料、企业委托HTA、临床研究方案、患者相关数据、机构内部评审材料或尚未公开的指南草案，应先确认账号类型、服务器与数据存储安排、项目成员权限、导出权限、数据保留政策和所在单位伦理及信息安全要求。不要上传未经授权的可识别患者信息。
医学科研场景
- 临床指南更新中的系统综述筛选、全文评估、排除理由记录和证据表制作。
- 药物、器械、诊断技术、手术方案或数字疗法的卫生技术评估证据整理。
- 公共卫生干预、护理干预、康复干预和基层卫生服务研究的证据图谱构建。
- 罕见病队列研究、病例系列、真实世界研究和注册研究的结构化证据梳理。
- 毕业论文、基金课题或多中心项目中的系统综述流程管理和筛选留痕。
核心功能
使用场景
优点与局限
优点
- +适合文献量大、参与者多、流程周期长的医学系统综述，筛选、冲突解决和审计记录比普通表格更适合长期协作。
- +编码体系较灵活，可把PICO、研究设计、结局、随访、不良事件、偏倚风险或证据图谱维度拆成多级字段，适合复杂证据综合。
- +若当前版本提供机器学习或优先排序功能，更适合作为筛选辅助和工作量排序工具，而不是替代审稿人判断，符合系统综述对可追溯性的要求。
- +与临床指南、HTA、公共卫生干预综述、护理和康复干预综述等流程契合度较高。
- +有助于向PI、基金评审、期刊审稿人或指南方法学小组说明筛选流程、排除理由和数据提取规则。
局限
- -上手门槛高于Rayyan、ASReview或普通文献管理器，第一次配置项目、编码表、权限和筛选流程通常需要学习和试运行。
- -价格、订阅方式、机构授权、账号权限和具体机器学习功能可能随官方政策和版本变化，需要以官网或单位采购渠道为准。
- -界面和流程不算轻量；如果只是个人筛少量摘要、快速选题或管理PDF，Excel、Zotero、Rayyan等工具可能更直接。
- -机器学习或优先排序效果依赖前期人工标注质量；若纳排标准频繁变化，可能需要反复调整筛选策略和编码规则。
- -如果团队没有提前写好综述方案、纳排标准和数据提取表，直接使用复杂平台可能会放大方法学设计不清的问题。
快速上手
访问官网页面，确认当前EPPI-Reviewer版本、账号类型、订阅方式、机构访问权限和可用功能，重点核对团队协作、导入导出和机器学习相关模块。
登录后新建Review项目，写清项目名称、研究问题和负责人；按团队分工设置成员权限，例如筛选者、仲裁者、数据提取者和项目管理员。
从PubMed、Embase、CENTRAL或其他数据库导出题录并导入项目，尽量保留标题、摘要、作者、年份、期刊、DOI、PMID等字段；正式筛选前检查去重和字段映射结果。
建立标题摘要筛选问题、全文排除理由和结构化编码表，例如Population、Intervention、Comparator、Outcome、Study design、随访时间和不良事件。
先用一小批文献进行双人试筛和一致性校准，再开展正式筛选；定期导出纳入、排除、冲突解决和编码记录，用于PRISMA流程图、证据表和方法学附录。
详细介绍
这个工具解决什么问题
做系统综述、卫生技术评估、临床指南更新或公共卫生证据综合时，最耗时的环节往往不是检索，而是检索后的题录筛选、全文评估、冲突处理、排除理由记录和数据提取。
用Excel、Zotero或普通文献管理器也能完成一部分工作，但当文献量较大、审稿人较多、项目周期较长时，版本混乱、字段不一致和流程无法追溯会很快成为问题。
EPPI-Reviewer的定位不是轻量文献阅读器，而是面向证据综合项目的工作流平台。它把题录导入、筛选、全文评估、结构化编码、数据提取和证据图谱整理放在同一套流程中。
对医学科研团队来说，它的价值主要在于把谁筛了哪篇文献、为什么排除、冲突如何解决、哪些字段被提取记录下来，减少后期补流程、补排除理由和补证据表的混乱。
适合的医学科研场景
EPPI-Reviewer适合正式、可发表或可审计的证据综合项目，尤其是临床指南、HTA、药物或器械评估、公共卫生干预综述、护理康复综述和政策评估类课题。
在临床指南更新中，团队可以将数据库检索得到的题录导入项目，设置双人标题摘要筛选和全文筛选，并为全文排除设置标准化理由，例如人群不符、干预不符、研究设计不符或结局不符。
在HTA项目中，研究者可以围绕PICO建立编码框架，记录样本量、随访时间、对照措施、主要结局、安全性结局和不良事件。这样导出的数据更容易整理为证据表，也方便后续交给统计或方法学人员复核。
在证据图谱项目中，团队可以按疾病领域、人群年龄、地区、研究设计、干预类型和结局指标分类，观察某些人群或干预是否缺少研究。这对罕见病、真实世界研究和公共卫生干预尤其有用。
- 适合临床指南团队进行双人筛选、冲突仲裁和PRISMA流程记录。
- 适合HTA团队提取疗效、安全性、适用人群和研究设计信息。
- 适合研究生课题组保留毕业论文系统综述的纳排和数据提取证据。
- 适合PI管理多人参与的长期证据综合项目，检查进度和一致性。
核心能力拆解
第一项核心能力是多人协作筛选。项目负责人可以设定筛选阶段、分配审稿人、处理冲突，并保留每一步决策记录。相比在多个表格之间来回复制，这种方式更适合需要留痕的医学综述。
第二项核心能力是结构化编码与数据提取。团队可以把PICO、人群特征、疾病分期、研究设计、随访时间、结局指标、偏倚风险和不良事件拆成字段，减少自由文本带来的口径不一致。
第三项能力是复杂综述项目管理。一个项目常常包括导入、去重、初筛、全文、排除理由、编码、导出和方法学记录。EPPI-Reviewer更适合把这些步骤作为同一个项目流程管理，而不是分散在多个文件里。
第四项能力是机器学习或优先排序辅助。公开资料和常见介绍中提到它可用于辅助筛选排序，但不同版本和账号的可用范围可能不同。使用前应核对官方说明，不应把排序结果视为自动纳排结论。
对系统综述而言，工具可以提高组织效率，但不能替代研究问题设计、检索策略、纳排标准、偏倚风险评价和最终证据判断。
不适合的情况
如果你的任务只是快速浏览几十篇摘要、为开题报告找方向，EPPI-Reviewer可能显得过重。Rayyan、Zotero、EndNote或普通电子表格通常更容易启动。
如果主要需求是PDF批注、参考文献插入、写作引用格式管理，它也不是最合适的选择。EPPI-Reviewer更偏向证据综合流程，而不是日常文献阅读和论文写作管理。
如果团队尚未确定研究问题、PICO、纳排标准和数据提取表，直接进入复杂平台并不能解决方法学设计不清的问题。相反，过早配置字段可能导致后续频繁返工。
另外，若项目只由一名研究生完成，且期刊或导师并不要求完整审计轨迹，则需要权衡学习成本。工具越完整，前期设置和培训时间也通常越多。
与常见替代工具怎么选
与Rayyan相比，EPPI-Reviewer更适合需要完整流程、结构化编码和团队审计的项目。Rayyan常用于快速题录筛选和协作初筛，启动更轻，但在复杂编码和项目留痕方面需要结合其他工具。
与ASReview相比，EPPI-Reviewer的重点不只是主动学习或优先排序，而是围绕正式综述流程进行项目管理。ASReview适合探索机器学习辅助筛选，但团队权限、全文阶段和数据提取仍需另行设计。
与Covidence相比，两者都服务于系统综述团队。选择时应比较导入导出格式、全文管理、数据提取表、偏倚风险评价、机构采购方式以及团队成员是否熟悉该平台。
与DistillerSR相比，二者都偏向专业证据综合平台，适合较严肃的HTA、指南和企业委托证据项目。实际选择通常取决于机构授权、预算、项目复杂度和既有工作流。
| 工具 | 更适合的任务 |
| EPPI-Reviewer | 系统综述、HTA、指南更新、证据图谱和结构化编码 |
| Rayyan | 较轻量的标题摘要筛选和多人初筛 |
| ASReview | 机器学习辅助筛选探索和优先排序 |
| Covidence | 标准系统综述流程、团队筛选和数据提取 |
使用建议与质控要点
正式使用前，建议团队先写好综述方案，并明确数据库、检索式、去重规则、筛选阶段、排除理由、数据提取字段和冲突解决流程。工具配置应服务于方案，而不是临时决定研究方法。
导入题录后，要检查标题、摘要、DOI、PMID、期刊、年份等字段是否正确映射。字段混乱会影响筛选、去重、导出和后续引用核对，尤其是从多个数据库合并记录时。
开始大规模筛选前，建议抽取一小批文献进行双人试筛。团队应讨论分歧样例，修订纳排标准和操作说明，再进入正式筛选。这样可以降低后期冲突过多和口径漂移的风险。
数据提取阶段不要把字段设计得过细。对于医学综述，优先保证PICO、研究设计、样本量、随访、主要结局、安全性结局和偏倚风险信息准确，再根据研究问题增加亚组或特殊变量。
如果启用机器学习或优先排序，应把它看作工作量排序和辅助发现工具。对于拟排除文献，仍应保留必要的人工复核和记录，避免因训练样本偏差漏掉关键研究。
涉及企业委托HTA、未发表研究、临床研究方案或患者相关材料时，应先确认数据存储、访问权限和导出权限。不要上传未经授权的可识别患者信息，也不要把内部资料暴露给无关成员。
总体而言，EPPI-Reviewer适合把医学证据综合做成一个可管理、可复核、可解释的项目。它的价值不在于让研究者跳过判断，而在于让团队更稳定地执行既定方法学流程。
替代选择
如果 EPPI-Reviewer 不适合你，可以考虑：
同类工具推荐
如果你需要更完整的文献工作流
从检索到精读，一站完成
这个工具适合特定场景。如果你需要中文检索、实时翻译、AI 辅助精读，可以试试超能文献。
了解超能文献