EPPI-Reviewer

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本身，而是检索后的题录筛选、全文评估、冲突处理、排除理由记录和结构化数据提取。

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，它的价值主要在于记录谁筛了哪篇文献、为什么排除、冲突如何解决、哪些字段被提取。这样可以减少后期补流程、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，设置多名审稿人进行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的4个核心要素建立编码框架，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，工具可以提高流程管理效率，但不能替代清晰的研究问题、预先定义的纳排标准、双人复核和方法学判断。

不适合的情况

如果你的需求只是个人快速浏览少量摘要、管理PDF、插入参考文献或做课堂作业，EPPI-Reviewer可能过于复杂。此时Zotero、EndNote、Rayyan或电子表格可能更省事。

如果团队还没有写好综述方案，也没有明确PICO、研究设计限制、结局优先级和排除理由，直接使用复杂平台并不能解决方法学设计问题，反而可能让后续修改更加麻烦。

如果项目以组学数据分析、医学影像建模或临床预测模型开发为主，而文献筛选只是很小的一步，EPPI-Reviewer的价值有限。它更适合证据综合，而不是数据清洗、统计建模或影像标注。

对于快速选题或初步范围搜索，可以先用PubMed、Embase、Web of Science、Zotero和Rayyan完成探索。只有当项目进入正式系统综述、证据图谱或指南证据整理阶段时，再考虑使用EPPI-Reviewer。

与常见替代工具的区别

Rayyan更轻量，适合题录筛选和初步协作，上手通常更快。EPPI-Reviewer更强调完整证据综合流程、编码、审计记录和复杂项目管理，适合方法学要求更高的团队。

Covidence常用于系统综述流程，界面相对直观，适合临床团队开展常规综述。EPPI-Reviewer在复杂编码、证据图谱和政策评估类项目中更有发挥空间，但也需要更多培训和流程设计。

ASReview的重点是主动学习辅助筛选，适合研究机器学习排序或希望提高初筛效率的项目。EPPI-Reviewer即使包含优先排序能力，其核心仍是证据综合项目管理，而不是单一筛选算法。

DistillerSR同样面向专业综述和证据综合团队，常用于机构化流程。实际选择时，应比较团队预算、机构授权、数据安全要求、导入导出格式、培训支持和既有工作流。

使用建议与质量控制

在正式导入大量题录前，建议先完成方案注册或内部方案定稿，包括数据库、检索式、纳排标准、主要结局、研究设计范围和全文排除理由。工具配置应服务于方案，而不是边筛边改规则。

项目开始后，可用少量文献进行试筛。两名审稿人分别筛选同一批文献，讨论不一致原因，再调整筛选问题和解释说明。这样可以减少正式筛选阶段的大量冲突。

数据提取表也应先试运行。比如药物干预综述可先提取剂量、疗程、对照、随访时间、主要终点、安全性事件和资金来源；诊断准确性综述则应关注参考标准、阈值、敏感性、特异性和样本来源。

如果使用机器学习或优先排序功能，应把它看作工作量管理工具。研究者仍需要说明训练样本、筛选策略、人工复核方式和停止规则，并在论文方法学部分保持透明。

数据隐私方面，不建议上传未经授权的可识别患者信息。若项目包含企业委托材料、未公开试验数据、内部指南草案或临床研究方案，应先确认机构信息安全、权限管理和数据保留政策。

总体来看，EPPI-Reviewer适合对流程可追溯性要求较高的医学证据综合项目。它的优势不在于让综述变得简单，而在于帮助团队把复杂流程记录清楚、执行一致，并为投稿、指南制定或HTA报告留下可检查的证据链。