2026年11月9日

如何为系统综述整理PDF文件

系统综述的PDF文件夹不是文件柜。它是最终报告中每个数字、表格和主张背后的证据基础。如果你无法从综述中的一句话回溯到支持它的确切PDF、页码和筛选决定,那么这篇综述就还没有准备好交付。 本指南面向已经拥有一堆PDF、需要可辩护结构的研究、分析和知识团队。它逐步介绍了起始状态、你必须做出的决定、应该产出的工件,以及表明整理工作已完成的检查点。贯穿始终的示例是一个面向客户的证据演示文稿,附带决策备忘录和团队交接。

作者WisPaper 团队AI 科研工作流团队
如何为系统综述整理PDF文件的研究工作流插图

系统综述的PDF文件夹不是文件柜。它是最终报告中每个数字、表格和主张背后的证据基础。如果你无法从综述中的一句话回溯到支持它的确切PDF、页码和筛选决定,那么这篇综述就还没有准备好交付。

本指南面向已经拥有一堆PDF、需要可辩护结构的研究、分析和知识团队。它逐步介绍了起始状态、你必须做出的决定、应该产出的工件,以及表明整理工作已完成的检查点。贯穿始终的示例是一个面向客户的证据演示文稿,附带决策备忘录和团队交接。

对于系统综述,“整理好”到底意味着什么?

整理好意味着三件事同时成立。第一,范围内的每条记录都能追溯到来源和筛选决定。第二,同一研究的多份报告被关联起来,而不是当作独立研究处理。第三,检索、选择和综合方法被充分记录,以便透明报告。

Cochrane关于检索和选择研究的指南将此框定为一个有计划的过程:检索基于纳入标准构建,跨多个来源运行,结合自由文本词和主题词,并实时记录。记录去重,筛选分阶段进行,同一研究的多份报告被关联。检索在发表前重新运行。PRISMA 2020提供了报告骨架——一份清单、扩展解释、摘要清单,以及用于原始和更新综述的流程图模板——涵盖检索、选择和综合方法。

这意味着你的PDF组织必须服务于两类受众:现在做工作的团队,以及后来重建它的读者(或审计者)。

在建立文件夹之前诊断你的起始状态

大多数团队从三种起始状态之一开始。诚实地命名你的状态,因为每种都需要不同的第一步。

  • 下载堆。 PDF散落在下载文件夹或共享驱动器中,文件名不一致。没有去重,你还无法说出有多少项独特研究。
  • 部分文库。 一些记录在参考文献管理器中带有标签或集合,但筛选状态记录在一个单独的电子表格中,已经不同步。
  • 继承的综述。 同事留下了你没有设计的结构。你能看到文件夹,但看不到背后的决定。

快速诊断:随机挑选五个PDF,尝试为每个回答:哪次检索捕获了它,它是否通过了纳入标准,它属于哪项研究。如果你无法为五个中的大多数回答所有三个问题,那么无论文件夹看起来多么整洁,你仍处于堆的阶段。

决定你的组织轴:研究、状态和主题

在创建单个文件夹之前,决定什么是“单元”。在系统综述中,单元是研究,而不是PDF。一项研究可能有一份试验报告、一份方案和一篇后续论文。Cochrane明确要求关联同一研究的多份报告,因此你的结构必须允许几个文件位于一个研究身份之下。

通常需要三个轴共存:

  1. 研究身份——锚点。每个文件恰好属于一条研究记录。
  2. 筛选状态——已识别、已去重、标题/摘要筛选、全文评估、纳入或排除,并附原因。
  3. 主题或方法——用于综合和快速查找相关证据。

参考文献管理器在让你将一个条目放在多个分组中而不重复、以及让标签携带主题、方法、状态或工作流时,能很好地处理这一点。Zotero的集合和标签就是这样工作的,其保存的检索会随着条目变化自动更新。重复检测是一个单独的、有意的步骤——Zotero的重复条目集合支持审查和合并,而不是静默删除。

实用规则:文件夹或集合用于稳定分组,标签用于变化状态,一个永不改变的规范研究ID。

构建接收流程:检索、去重、分阶段筛选

接收流程是大多数可追溯性得失所在。遵循Cochrane描述的序列。

第1步——根据纳入标准规划检索。 先写标准,然后推导自由文本词和主题词。记录每次检索的日期、来源和完整策略。

第2步——捕获记录及其来源。 每条记录应携带哪次检索和哪个来源产生了它。这是你以后会感谢自己的字段。

第3步——去重。 有意合并重复项,并保留合并记录。

第4步——分阶段筛选。 先标题/摘要,再全文,每个阶段都有排除原因。

第5步——将报告关联到研究。 当第二篇论文描述同一研究时,将其附加到现有研究记录,而不是创建新记录。

第6步——发表前重新运行检索。 记录重新运行日期及其新增内容。

对于检索本身,学术搜索界面帮助你找到候选论文并将其拉入工作文库。WisPaper的学术论文搜索是查找论文的入口,我的文库是你保存或上传论文并组织它们的地方。将搜索和文库放在一处,减少了“找到了”和“它在综述中”之间的差距。

设置文库,让状态一目了然

一旦记录被捕获,文库需要一致的架构。在任何人标记单个条目之前,以书面形式达成一致。

一个可行的架构:

  • 研究ID——你分配的稳定标识符,用于文件名和综合表。
  • 来源——源数据库或检索,加上捕获日期。
  • 筛选状态——来自固定列表的一个标签,绝不用自由文本。
  • 排除原因——每当状态为排除时必填。
  • 主题和方法标签——用于综合分组。
  • 报告类型——主要报告、方案、后续或二次分析。

两个习惯保持整洁。第一,状态只存在于一个地方;如果它存在于标签中,它就不会同时存在于某人忘记更新的电子表格列中。第二,保存的检索或筛选视图是你检查进度的方式,而不是手动计数。

当你需要跨已收集的论文提问时,基于文库的问答工具是自然的下一步。WisPaper的文库问答让你基于上传到我的文库或从搜索结果添加的论文提问——在起草综合文本之前,检查一组纳入研究实际说了什么很有用。

保留审计轨迹:记录什么以及在哪里记录

审计轨迹是综述与意见的区别。边做边记录这些工件,而不是最后:

  • 检索日志——日期、来源、完整策略、返回记录数。
  • 去重日志——合并了多少重复项以及按什么规则。
  • 筛选日志——每个阶段的计数和排除原因。
  • 研究关联图——哪些报告属于哪项研究。
  • 综合表——每项研究一行,包含你将报告的字段。
  • 重新运行说明——最终检索重新运行的日期及其产出。

PRISMA 2020的流程图模板为你提供了这些计数需要适应的形状。构建你的日志,使流程图可以直接从中填写,而不是从记忆中重建。

实例:带有置信水平的客户证据演示文稿

假设你的团队正在交付一个关于干预问题的客户演示文稿,加上决策备忘录和交接包。以下是组织如何贯穿始终。

文库。 每项纳入研究有一条记录,带有稳定的研究ID。其报告关联在其下。状态标签显示纳入,所有筛选掉的记录都记录了排除原因。来源字段显示哪次检索捕获了每条记录。

综合表。 每项研究一行:研究ID、设计、人群、关键发现,以及你使用团队商定的明确标准分配的置信水平。置信水平是团队判断,因此写下标准并一致应用。

演示文稿。 每个主张幻灯片引用一个研究ID。附录将每个研究ID映射到其PDF和页码。对数字有疑问的读者可以从幻灯片走到研究再到来源。

决策备忘录。 陈述建议、背后的证据,以及每个支持性主张附带的置信水平。在证据薄弱的地方,备忘录如实说明,而不是夸大。

交接包。 包含检索日志、筛选日志、研究关联图、综合表,以及关于PDF存放位置和命名方式的简短说明。

对于这种规模的项目,将工作流放在一处很重要。WisPaper的研究项目区域是你创建和持有项目的地方,因此文库、问题和输出都与同一综述关联,而不是分散在工具中。

检查点:文库是否准备好进行综合?

在任何人写综合句子之前运行此检查点。

  • 每项纳入研究恰好有一条研究记录。
  • 每个PDF都附加到研究记录,而不是漂浮在外。
  • 每条记录都有来源。
  • 每条筛选掉的记录都有原因。
  • 重复项已合并并记录。
  • 日志中的计数与流程图一致。
  • 综合表每项研究一行,没有空白置信字段。

如果任何一项失败,在起草前修复。在破损文库上写的综合必须重做。

检查点:输出是否准备好交接?

在演示文稿、备忘录或结项包离开团队之前,验证:

  • 演示文稿中的每个事实主张都映射到研究ID。
  • 每个研究ID都映射到PDF和页码。
  • 置信水平存在并遵循商定标准。
  • 检索日志显示最终重新运行日期。
  • 交接包让新团队成员无需询问你就能重现筛选决定。

最后一项是真正的测试。如果同事能拿起包并将任何主张追溯到其来源,整理就完成了。

可复用清单

阶段工件完成条件
规划纳入标准和检索策略检索前写好标准;每个来源记录策略
捕获带来源的记录每条记录显示来源和检索
去重去重日志合并已记录,计数一致
筛选带原因的筛选日志每个排除都有原因
关联研究关联图多份报告位于一个研究ID下
组织文库架构状态在一处;标签来自固定列表
综合综合表每项研究一行;置信水平已填
报告演示文稿、备忘录、流程图每个主张追溯到研究和页码
重新运行重新运行说明发表前记录最终检索日期
交接交接包同事能独立重现决定

何时引入引文和代理支持

两种情况需要额外工具。第一种是你不是自己构建的参考文献列表——继承的综述、合作者的BibTeX,或从多个来源汇编的草稿。引文筛选检查BibTeX与真实学术数据库,以标记幻觉参考文献;WisPaper的TrueCite就是为此检查而构建的。在参考文献列表进入交接包之前运行它。

第二种是跨越文献综述和综合的较长研究任务。WisPaper的Scholar Agent区域涵盖具有文献综述用例的较长研究任务。当工作比针对文库的单个问题更大时使用它,并保持其输出与其他一切一样绑定到相同的研究ID。

这两步都不取代文库架构。它们位于其上。

常见问题

没有阈值。从第一条捕获的记录开始整理,因为来源和状态在接收时记录成本最低。将它们改造到一大堆上才是昂贵的路径。