活体系统综述是一种持续更新的系统综述,它在新证据出现时即将其纳入,而非在一次搜索和分析后保持静态。实际上,这意味着综述团队会持续监控目标数据库(通常每月或每季度),重新运行搜索,并在重要新研究发表时更新荟萃分析或叙述性综合——因此结论始终反映最新的证据。
活体系统综述与传统综述的区别
| 方面 | 传统系统综述 | 活体系统综述 |
|--------|-------------------------------|--------------------------|
| 搜索 | 一次性,在开始时 | 重复、定期搜索 |
| 更新频率 | 很少更新(如有,每2-5年) | 持续更新(例如,每1-3个月) |
| 结论稳定性 | 固定直至全面修订 | 可能随新数据到来而变化 |
| 资源强度 | 中等 | 较高(需要常设团队和工作流程) |
何时应使用活体综述?
活体综述在快速变化、与政策相关的领域中最为有价值,在这些领域中,证据延迟可能带来现实后果。常见例子包括:
- COVID-19和新发传染病(例如,疫苗有效性、治疗方案)
- 临床指南,针对快速发展的干预措施或药物审批
- 技术评估,如医学中的人工智能或可再生能源领域
对于稳定、成熟且新研究稀少的主题,活体综述用处不大——在这些情况下,每几年更新一次的标准综述就足够了,且资源消耗远低得多。
实际操作流程
- 定义清晰的搜索方案(数据库、关键词、纳入标准)——这部分保持固定。
- 设定监控计划(例如,新记录月度提醒)。
- 按相同纳入标准筛选新命中项。
- 提取数据并重新运行荟萃分析,如果新研究相关。
- 发布版本化更新——通常带有明确的“最后更新”日期和变更日志。
最大的挑战是可持续性:活体综述需要专职人员、自动化搜索工具和严谨的工作流程。许多团队现在使用半自动化筛选和AI辅助引文追踪来管理工作量。如果你正在建立这样一个综述,像WisPaper的AI Feeds这样的工具可以提供帮助,它能每天跨多个数据库推送与你精确搜索词匹配的新发表论文,从而减少手动重新运行搜索的负担,并在正式更新之间保持你的证据基础最新。
简而言之:活体系统综述是保持证据活力的承诺——当等待确定性不可行时,它是理想选择。
