遵循PRISMA指南的系统综述是最耗费劳动力的研究产出之一，也是在保持方法论严谨性的同时最适合AI协助机械性任务的研究产出之一。
PRISMA概述及AI的适用位置
PRISMA（系统综述和荟萃分析首选报告项目）要求报告：识别（数据库来源、搜索策略），筛选（标题/摘要筛选、全文筛选、排除原因），纳入（最终研究集），综合（定性或定量）。AI加速识别和筛选；综合需要人类专业知识。
搜索字符串开发
PRISMA要求记录你的确切搜索字符串。开发全面的搜索字符串（布尔运算符、MeSH术语、字段标签）是一项专业技能。询问Claude：”我正在进行[主题]的系统综述。帮我开发一个全面的MEDLINE/PubMed搜索字符串，包括：主要概念术语和同义词、相关MeSH标题、适当的布尔运算符，以及必要的字段限制。”将建议的字符串与你领域的学科图书馆员指导对比。
标题和摘要筛选
最耗时的阶段通常是根据你的纳入/排除标准筛选数百到数千个标题和摘要。AI可以显著加速这一过程。精确定义你的纳入/排除标准，然后批量处理摘要：粘贴10到20个摘要，让Claude将每个分类为纳入/排除/不确定，并附一句话理由。这产生一个你随后核实的初步筛选，特别检查不确定和边界案例。对于大型综述，通过Claude API自动化这个过程是值得构建的。
数据提取标准化
对于纳入的研究，你需要一致地提取结构化数据（人群特征、干预、对照、结果，即PICO框架）。给Claude PICO框架和一篇纳入的论文，让它提取相关字段。输出是你核实的提取草稿。跨30篇论文，这种草稿核实方法比从每篇论文新鲜提取更快。
偏倚风险评估
PRISMA要求系统性偏倚风险评估（Cochrane RoB工具、纽卡斯尔-渥太华量表等）。AI可以帮助应用这些工具，粘贴工具的标准和一篇纳入的论文，让Claude评估每个域。这些评估仍然需要方法论判断，但AI可以构建评估并标记在特定标准上需要更仔细审查的论文。
