Rayyan 系统综述筛文献：标题摘要筛选、双人盲筛和 Covidence 对比

这个工具解决什么问题

Rayyan 是一个用于系统综述、范围综述和证据梳理的题录筛选工具。它主要解决检索结果太多、多人筛选难同步、冲突记录容易混乱的问题。

在医学科研中，研究者常从 PubMed、Embase、Web of Science、Cochrane Library 等数据库导出大量题录。若只用 Excel 手工筛选，容易出现重复判断、状态不一致、排除理由缺失和协作者之间无法盲法独立筛选等问题。

Rayyan 的价值在于把标题摘要筛选流程结构化。研究者可以导入题录，邀请协作者，设置盲筛，给文献添加标签，并在完成独立筛选后集中处理冲突。

需要注意的是，Rayyan 更像是系统综述早期筛选阶段的工作台，而不是完整的系统综述管理平台。它能提高筛选组织效率，但不能替代研究方案、检索策略、全文判断、数据提取和偏倚风险评价。

适合的医学科研场景

Rayyan 最适合用于医学系统综述的标题摘要初筛。例如，研究某种降压药对心血管结局的影响，或比较不同影像检查对肺结节诊断价值时，研究者可先把数据库检索结果导入 Rayyan，再由两名评价者独立筛选。

它也适合范围综述和证据图谱。对于肿瘤免疫治疗、慢病管理、护理干预、公共卫生政策、罕见病诊疗等主题，研究团队可以用标签标注文献所属疾病、干预类型、研究设计和结局指标。

对于临床医生和研究生，Rayyan 适合在课题开题、指南证据更新、Meta 分析前期准备中使用。它能帮助团队快速识别明显不相关文献，并形成后续全文获取清单。

• 系统综述：按预设 PICO 标准筛选随机对照试验、观察性研究、诊断试验或预后研究。
• 范围综述：给文献添加研究对象、疾病领域、干预措施、结局指标和研究设计标签。
• 指南证据更新：对新增检索记录进行初筛，保留可能影响推荐意见的研究。
• 研究生课题训练：用于学习双人独立筛选、冲突解决和 PRISMA 流程记录。

不适合的情况

Rayyan 不适合直接替代全文筛选和数据提取。标题摘要阶段只能判断文献是否可能符合条件，很多研究必须阅读全文后才能确认样本、干预、结局、随访时间和统计方法。

如果团队需要完整的数据提取表、偏倚风险评价模板、GRADE 证据概要表、严格审计日志或复杂权限管理，Rayyan 可能不够。此时可以评估 Covidence、EPPI-Reviewer、DistillerSR 等更完整的平台。

它也不适合上传患者级临床数据、未脱敏影像数据、原始组学数据或含个人身份信息的材料。Rayyan 主要处理文献题录和摘要，而不是临床数据库或研究原始数据管理工具。

实务建议：把 Rayyan 定位为“题录筛选工具”，而不是“系统综述全流程工具”。筛选前先写清纳排标准，筛选后再进入全文评估和数据提取阶段。

核心功能如何用于系统综述

题录导入是 Rayyan 的第一步。团队通常先在多个数据库完成检索，再从 EndNote、Zotero 或数据库界面导出 RIS、BibTeX 或 CSV 文件。导入后应检查题名、摘要、作者、年份和来源是否完整。

双人盲筛是医学系统综述中常见的质量控制环节。Rayyan 允许研究者在盲法状态下独立做出纳入、排除或待定判断，避免一名筛选者影响另一名筛选者的初始决策。

标签功能适合把复杂纳排标准拆成可追踪的信息。例如，在肿瘤免疫治疗综述中，可以使用“NSCLC”“PD-1”“真实世界研究”“总生存期”“安全性”等标签，为后续分层汇总做准备。

冲突处理适合在两名筛选者完成独立判断后进行。团队可以集中查看一人纳入、一人排除的记录，讨论差异原因，并按照预先设定的规则由第三名研究者仲裁。

关于 AI 辅助筛选的边界

Rayyan 提供与机器学习相关的辅助功能，可帮助研究者在大量题录中优先查看可能相关的记录。对于题录数量较多的系统综述，这有助于提高查看顺序的效率。

但在医学科研中，AI 排序或提示不应被当作自动纳排结论。纳入和排除仍应由研究者根据注册方案、PICO 标准、研究设计和全文信息进行判断，并保留必要记录以便审稿和复核。

如果团队计划在 PROSPERO 注册系统综述，建议在方案中说明筛选流程、筛选者数量、冲突处理方式和是否使用辅助排序工具。这样能减少后续报告中的不确定性。

与 Covidence、ASReview 和 EPPI-Reviewer 的区别

Rayyan 的定位更轻量，适合快速开始标题摘要筛选。它的学习成本较低，对预算有限的小团队较友好，尤其适合研究生、住院医师或临床科室的小规模综述项目。

Covidence 更像完整系统综述工作流平台，通常覆盖标题摘要筛选、全文筛选、数据提取和偏倚风险评价等环节。若团队要做正式 Cochrane 风格项目或大型指南支持项目，Covidence 可能更合适。

ASReview 更强调主动学习辅助筛选，适合探索性地提高大规模文献筛选效率。EPPI-Reviewer 和 DistillerSR 更适合机构级项目、复杂审计和高度结构化的数据管理需求。

使用时的质量控制建议

在导入 Rayyan 前，应先保存完整检索策略，包括数据库名称、检索日期、检索式、限制条件和导出记录数。Rayyan 能管理题录，但不能替代透明的检索报告。

筛选前建议用少量样本文献进行试筛。两名筛选者可先各自筛选同一批题录，再讨论分歧，统一对人群、干预、比较、结局和研究类型的理解。

排除理由不要过早写得过细。标题摘要阶段常见理由包括人群不符、干预或暴露不符、非原始研究、非目标结局、动物实验、会议摘要不足等。全文阶段再记录更具体的排除理由更稳妥。

导出结果后，应与全文获取表、数据提取表和 PRISMA 流程图保持一致。审稿人常会关注检索记录数、去重后数量、标题摘要排除数量、全文排除数量和最终纳入研究数是否相互匹配。

数据隐私与合规提醒

Rayyan 主要处理文献题录和摘要，通常不需要上传患者个人信息。医学团队应避免把未脱敏的病例资料、影像文件、测序数据、访谈原文或机构内部敏感文件上传到这类在线筛选平台。

如果项目涉及药企合作、医疗器械评价、指南制定、未发表课题方向或竞争性研究主题，应先确认团队成员权限、项目可见性和机构数据政策。必要时咨询图书馆员、伦理办公室或信息安全部门。

总体而言，Rayyan 适合帮助医学科研团队把“筛文献”这件事做得更清楚、更可追踪。只要明确它的边界，并与全文筛选、数据提取和质量评价工具配合使用，就能较好地服务系统综述早期工作。