RobotReviewer

这个工具解决什么问题

RobotReviewer 是一个面向随机对照试验偏倚风险评估的辅助工具。它利用自然语言处理技术，从论文全文中寻找与随机化、分配隐藏、盲法、失访和选择性报告相关的文本，并给出初步判断。

在医学系统评价和 Meta 分析中，偏倚风险评估通常是很耗时的步骤。评审员不仅要阅读全文，还要把判断依据写清楚，以便后续进行敏感性分析、证据分级和论文报告。

RobotReviewer 的实际价值不是替代评审员，而是帮助研究者更快找到可能相关的证据片段。对于纳入 RCT 较多的干预性综述，它可以减少重复翻找方法学段落的时间。

需要强调的是，偏倚风险不是简单的文本分类问题。同一句话在不同试验设计、结局类型和分析策略下可能有不同含义。因此，RobotReviewer 的输出应视为初稿，而不是最终结论。

适合的医学科研场景

RobotReviewer 与医学科研的联系主要集中在循证医学、临床干预研究评价和系统综述方法学。它特别适合药物、器械、手术、康复、护理、心理干预和公共卫生干预等以 RCT 为主要证据来源的主题。

• 干预性系统评价：对纳入的随机对照试验进行偏倚风险初评，快速定位随机序列、分配隐藏和盲法实施情况。
• Meta 分析写作：整理质量评价表中的判断依据，减少从全文 PDF 中反复查找原文的工作。
• 指南证据准备：在临床指南或卫生技术评估项目中，辅助完成 RCT 证据质量评价的前期材料整理。
• 循证医学教学：让医学研究生比较 AI 初评和人工评估结果，学习 RoB 判断的关键点。

如果团队已经完成题录筛选，并且拥有可读取的全文 PDF，RobotReviewer 更容易发挥作用。它适合作为质量评价阶段的证据定位器和初步判断生成器。

不适合的情况

RobotReviewer 不适合作为所有医学研究质量评价的通用工具。观察性研究应考虑 ROBINS-I、NOS 或 JBI 等相应工具；诊断准确性研究通常使用 QUADAS-2；预后模型研究则需要 PROBAST 等框架。

对于真实世界研究、病例对照研究、队列研究、横断面研究、动物实验和质性研究，RobotReviewer 的判断框架并不匹配。即使系统能够读取文本，也不能说明它能给出方法学上合适的评价。

如果纳入研究数量很少，人工阅读和讨论可能更直接。对于关键临床问题、争议性试验或报告非常复杂的多臂研究，研究团队仍应完整阅读方法学、方案、注册信息和补充材料。

建议把 RobotReviewer 放在辅助定位证据和生成初评的位置，而不是把它作为独立评审员。最终结论仍应由至少两名受过训练的评审员独立判断，并记录分歧处理过程。

核心功能如何用于系统评价

在常规系统评价流程中，RobotReviewer 可以放在全文筛选之后、数据提取和偏倚风险正式评价之前。研究者可以先准备纳入文献的 PDF、DOI 或 PMID，再导入工具进行处理。

系统会尝试识别论文中的方法学信息，并围绕常见偏倚风险领域给出初步标记。对评审员来说，最有用的部分通常不是标签本身，而是被定位出来的原文证据。

例如，在药物 RCT 中，系统可能帮助定位随机序列生成的方法描述、分配隐藏方式、双盲实施情况、退出病例说明和结局报告情况。评审员随后需要结合研究方案和结果报告进行判断。

对于手术或康复干预研究，盲法经常存在实施困难。此时不能只看是否出现 blind 字样，还要判断受试者、治疗者、结局评估者和数据分析者分别是否可能受到影响。

与人工评审流程的关系

高质量系统评价通常要求预先制定方案、明确纳入排除标准、双人独立筛选、双人独立提取数据，并对偏倚风险进行独立判断。RobotReviewer 不能替代这些流程要求。

更合适的做法是让两名评审员在查看 AI 标注的同时，各自完成独立判断。若两人结果不同，应回到原文、试验注册记录、补充材料和方案文件中寻找依据，再由第三方仲裁。

在写作时，也不宜简单写成“由 RobotReviewer 完成质量评价”。更稳妥的表述是：研究团队使用该工具辅助定位相关文本，最终偏倚风险判断由评审员依据预设标准完成。

RobotReviewer 可以减少查找证据的时间，但不能承担医学解释、方法学判断和责任归属。

数据隐私与合规注意事项

多数系统评价使用的是已公开发表论文，隐私风险相对较低。但研究团队仍应阅读工具的服务条款和隐私说明，尤其要确认上传文件是否会被存储、处理或用于服务改进。

不建议上传包含未公开患者信息、伦理敏感资料、商业合作数据或尚未投稿的研究手稿。如果项目属于机构委托、药企合作或指南制定工作，应先确认单位对第三方在线工具的要求。

如果必须处理受限访问材料，可以考虑只上传公开论文版本，或在本地完成敏感信息核查。对临床研究团队而言，数据最小化原则仍然适用：能不上传的材料就不要上传。

和 Covidence、Rayyan 怎么选

RobotReviewer 的定位更窄，重点是 RCT 偏倚风险证据定位和初步判断。Covidence 更偏向完整系统评价流程管理，覆盖题录筛选、全文筛选、数据提取和质量评价等环节。

Rayyan 的优势通常体现在题录筛选、盲法筛选和团队协作。它适合在早期快速处理大量检索结果，但不是专门为 RCT 偏倚风险自动识别而设计的工具。

如果你的团队已经有成熟的数据提取表和 RoB 模板，只是希望减少翻找 PDF 的时间，可以考虑 RobotReviewer。若从检索后管理到数据提取都需要平台支持，则应评估 Covidence 等流程型工具。

实际项目中，这些工具并不一定互斥。研究者可以用 Rayyan 做题录筛选，用 Covidence 或表格管理流程，再用 RobotReviewer 辅助 RCT 偏倚风险证据定位。

使用建议与质量控制

使用前应先明确评价框架。若采用 Cochrane RoB 2，需要按效应估计、结局和领域进行判断；若使用旧版 RoB 或其他模板，也应先在方案中说明。

建议先用少量已熟悉的 RCT 做试运行，比较 AI 输出和团队人工判断是否一致。这样可以帮助评审员理解工具可能擅长和容易遗漏的部分。

正式评价时，应保留原文依据、AI 标注、人工修改和分歧处理记录。这样既有利于复核，也有利于在论文审稿或指南方法学审查中解释质量评价过程。

总体来看，RobotReviewer 适合医学系统评价中的特定环节：帮助研究者更快找到 RCT 方法学证据，并形成可复核的初步评价材料。它不适合被当作通用质量评价平台，也不应替代受训评审员的最终判断。