Crossref 与 PubMed 元数据：为何同一篇论文看起来不同

同一篇论文，根据你是通过出版商存储还是通过 PubMed 遇到它，可能会以略有不同的标题、作者字符串、日期和主题词出现。对于构建可辩护证据答案的临床医生或研究人员来说，这种差异不是可以忽略的麻烦——它改变了搜索检索到的内容、记录去重的方式，以及你将多份报告链接到同一项研究的信心。本文在同一任务上比较两个元数据世界，展示各自的不足之处，并提供一种在将搜索提交给指南或手稿之前可以运行的对账方法。

首先固定任务，使比较公平。任务是：给定一个聚焦的临床问题，检索符合预定义纳入标准的一组原始研究，并能够证明每条纳入记录为何属于该组。 出版商存储和生物医学索引都服务于这一任务，但它们是为不同的工作而构建的。

出版商存储携带出版商注册的记录——期刊希望被引用的文章版本。生物医学索引，如 NLM 医学主题词文档所述，添加了用于索引和搜索生物医学信息的受控和分层词汇，包括首选标题、入口词、范围注释、限定词和树位置。这一词汇层使得搜索者能够将 PubMed 策略扩展到标题中的字面词语之外或聚焦于其中。

因此，这两个系统不是同一位置的竞争者。一个更接近出版记录；另一个更接近精选检索层。它们之间的差异是预期的，实际问题是哪些差异对你的问题重要。

由于出版商存储反映期刊注册的版本，你在那里看到的标题和作者字符串是出版商意图用于引用的。索引记录可能以处理过程中累积的格式差异呈现同一作品。对于审阅者来说，这意味着在一个系统中基于标题的查找可能无法匹配另一个系统中的基于标题的查找，并且日期过滤器在两者中的行为可能不同。

这是最大且最重要的差异。PubMed 支持字段标签、短语搜索、过滤器、高级搜索、保存的搜索、相似文章、引文查找以及可用时链接到全文，其搜索详情揭示术语如何被翻译和组合。MeSH 在其上添加了分层结构。出版商存储通常不携带该精选主题词汇，因此一个在 PubMed 中索引丰富的概念可能在仅关键词搜索存储中不可见。

领域覆盖也因学科而异。MeSH 明确是生物医学词汇。一个偏向方法学、卫生经济学或工程相关主题的问题可能在出版商存储中有良好代表，而在生物医学术语中索引稀疏——或者相反。两个系统都不是统一更广泛；覆盖取决于领域。

时间差异是相隔一周运行的两次搜索可能不一致的实际原因。出版商存储可能在记录被索引主题词之前就存在，而索引工作在出版后需要时间。Cochrane 手册关于在出版前重新运行搜索的指导存在，正是因为记录和索引在规划阶段和最终搜索之间会变化。将任何单一快照视为临时的。

出版商存储在你的策略依赖受控词汇时失败。如果你的纳入标准取决于通过 MeSH 层次表达的概念——疾病分支、限定词、范围注释定义的术语——仅存储搜索将错过那些相关性由索引而非词语携带的记录。

生物医学索引在你的问题超出其词汇范围时失败，或者当你需要出版商注册的引用形式用于参考文献列表时。它作为自身的完整性检查也失败：索引滞后于出版，因此一篇非常新的论文可能作为存储存在，但尚未通过你计划的术语可检索。

两者都失败如果你将单一数据库视为足够。Cochrane 的搜索指导明确要求使用多个来源，将自由文本术语与主题词结合，记录过程，去重记录，分阶段筛选，并链接一项研究的多份报告。存储和索引之间的差异正是这些步骤设计来吸收的条件。

以一个聚焦的人群和结局问题为例——例如，患有慢性病的成人以及一个患者重要的结局，如十二个月时的功能。假设你通过出版商存储找到该试验，并单独通过索引记录找到它。标题在标点和副标题上不同；作者列表在首字母和所属机构的呈现方式上不同；索引记录携带存储没有的主题词。

现在在你决定任何事情之前，分离证据的层次：

• 证据级别。 研究的设计决定其级别；元数据记录不决定。一项随机试验不会因为被索引而变得更强或更弱。
• 适用性。 人群、环境和结局是否与你的问题匹配是对研究的判断，而不是关于你在哪条记录中找到它。
• 间接性。 如果试验的人群或结局仅近似你的问题，无论元数据来源如何，该差距都存在。
• 研究局限性。 这些来自报告本身。元数据差异是检索问题，不是研究的局限性。

保持这些层次分离可以防止一个常见错误：因为记录冲突而降低研究级别，或因为索引丰富而提升它。

1. 锚定研究，而非记录。 使用 PubMed 中的引文查找和相似文章来确认你看到的是一个作品而不是两个。Cochrane 关于链接一项研究的多份报告的指导直接适用于此。
2. 阅读搜索翻译。 PubMed 的搜索详情显示你的术语如何被翻译和组合。如果一个概念被映射到你未意图的标题，你就找到了差异的来源。
3. 决定你的问题需要哪个词汇层。 如果受控术语携带你的概念，围绕 MeSH 构建策略并辅以自由文本术语；如果概念超出该词汇，依赖自由文本和存储。
4. 记录两个版本。 记录存储记录和索引记录及其差异，以便共同审阅者或指南小组可以重现你的决定。
5. 有意去重。 Cochrane 的分阶段筛选和去重步骤假设会出现重复；通过研究身份而非标题字符串来解决它们。
6. 在最终确定前重新运行。 因为索引和存储都会变化，在提交前安排最终搜索。

当你需要在这些层中查找候选论文时，WisPaper 搜索 提供了一个用于定位学术论文的学术搜索界面；对于同一任务的公共入口，请参阅 WisPaper 学者搜索。

将表格视为分工，而非排名。大多数可辩护的搜索使用两列。

并行运行两个系统并在固定检查点对账。

计划。 如 Cochrane 推荐的那样，从你的纳入标准推导术语，并写下你期望哪些概念通过主题词与自由文本携带。

搜索两层。 执行带有字段标签、过滤器和 MeSH 扩展的索引策略，并执行将浮现存储的自由文本策略。保存搜索以便策略可重现。

收集和组织。 随着记录累积，将你打算筛选的论文保存或上传到 我的图书馆，以便集合保持在一个地方。如果你的对账涉及参考文献列表，TrueCite 根据真实学术数据库检查 BibTeX 以标记幻觉引用——当存储和索引引用形式不一致时有用。

审问集合。 一旦论文进入图书馆，图书馆问答 允许你基于上传到我的图书馆或从搜索结果添加的论文提问，这有助于你检查一个概念是否在完整报告中实际涉及，而不仅仅在元数据中。

对账并记录。 对于每项纳入研究，记录你使用了哪条记录、有何不同以及你如何解决。按研究去重，分阶段筛选，并在最终确定前重新运行搜索。

根据需要扩展。 对于具有许多并行线程的更大综述，学者代理 支持文献综述、灵感和复现领域的较长研究任务，而 研究项目 为你提供了一个创建和运行项目的地方。

说明你搜索了哪些来源、使用了哪些词汇层、如何结合自由文本和主题词、如何去重以及你最后一次重新运行搜索的时间。如果同一研究的存储和索引记录不同，说明你如何链接它们。这是 Cochrane 指导所暗示的文档水平，也是让读者判断你的检索是否支持你的结论的关键。