文献综述的PICO、PECO和SPIDER框架

PICO、PECO和SPIDER是将宽泛主题转化为结构化文献综述问题的框架。它们帮助研究者明确检索内容、纳入标准和关键证据。

选择哪个框架取决于综述问题。PICO常用于干预性问题，PECO用于暴露性问题，SPIDER用于定性或混合方法问题。

本指南介绍如何在PICO、PECO和SPIDER之间进行选择，以及如何结合AI辅助文献检索使用它们。

PICO代表人群（Population）、干预（Intervention）、对照（Comparison）和结局（Outcome）。它常用于探讨干预是否影响结局的问题。

PICO有助于明确：

• 人群：研究对象是谁或什么。
• 干预：正在测试或引入的内容。
• 对照：干预与之比较的对象。
• 结局：测量的结果。

示例问题：

“在研究生中，结构化的AI素养培训与标准研究指导相比，是否能提高引文核查能力？”

当综述关注效果或干预时，PICO最为适用。

PECO代表人群（Population）、暴露（Exposure）、对照（Comparison）和结局（Outcome）。当问题涉及暴露而非干预时，它非常有用。

PECO有助于明确：

• 人群：研究对象是谁或什么。
• 暴露：条件、行为、因素或情境。
• 对照：未暴露或暴露程度不同的组。
• 结局：结果或关联。

示例问题：

“在早期职业研究者中，与不使用AI写作工具的研究者相比，接触AI写作工具与引文核查行为有何关联？”

PECO通常适用于观察性研究问题。

SPIDER代表样本（Sample）、感兴趣的现象（Phenomenon of Interest）、设计（Design）、评价（Evaluation）和研究类型（Research type）。它常用于定性和混合方法综述问题。

SPIDER有助于明确：

• 样本：纳入的对象是谁或什么。
• 感兴趣的现象：研究的经验、行为或过程是什么。
• 设计：研究设计。
• 评价：结局、看法或发现。
• 研究类型：定性、定量或混合。

示例问题：

“博士生在文献综述工作中使用AI工具时，如何体验导师的期望？”

当意义、经验或过程很重要时，SPIDER非常有用。

选择与问题类型相匹配的框架。不要强行将每个综述都套入PICO。

在以下情况下使用PICO：

• 存在干预。
• 测量结局。
• 对照很重要。
• 效果证据是核心。

在以下情况下使用PECO：

• 存在暴露。
• 研究是观察性的。
• 关联很重要。
• 不期望随机分配。

在以下情况下使用SPIDER：

• 经验、看法或过程很重要。
• 定性证据是核心。
• 研究设计多样。
• 概念不易作为结局测量。

框架应该澄清问题，而不是扭曲问题。

框架通过将问题转化为概念块来改进检索。每个概念块都可以转化为关键词、同义词和数据库检索字段。

例如，PICO可以产生：

• 人群术语。
• 干预术语。
• 对照术语。
• 结局术语。

SPIDER可以产生：

• 样本术语。
• 现象术语。
• 设计术语。
• 评价术语。
• 研究类型术语。

这使得检索更容易测试和修改。

有关检索式示例，请参阅AI文献综述检索式。

框架改进筛选，因为每个要素都可以成为纳入或排除标准。

筛选问题可能包括：

• 人群是否匹配？
• 干预或暴露是否相关？
• 结局是否被测量？
• 感兴趣的现象是否为核心？
• 研究设计是否匹配？
• 来源类型是否允许？

这使得筛选更少主观性。审稿人在做决定时可以引用框架要素。

有关标准，请参阅文献综述的纳入和排除标准。

AI可以帮助生成框架选项、建议同义词、识别缺失要素，并测试问题是否可检索。

有用的提示：

• “将这个主题转化为可能的PICO问题。”
• “为这个暴露问题建议PECO要素。”
• “为这个定性综述构建SPIDER框架。”
• “列出每个框架要素的同义词。”
• “识别哪个要素使问题过于宽泛。”

然后根据实际文献测试输出。一个干净的框架仍然需要证据。

有关问题细化，请参阅如何通过AI文献检索细化研究问题。

避免机械地使用框架。框架是思考的工具，不是不惜一切代价填写的表格。

常见错误：

• 将定性问题强行套入PICO。
• 在不需要时添加对照。
• 结局定义过于宽泛。
• 使用过于模糊的人群术语。
• 忽略来源类型。
• 创建无法返回有用记录的检索块。
• 在测试之前就将框架视为最终版本。

在测试检索和导师反馈后修改框架。

框架通过定义哪些比较重要来帮助综合。它们不应在检索后消失。

使用框架要素来组织：

• 证据表。
• 方法比较。
• 结局分组。
• 主题部分。
• 全文筛选原因。
• 差距声明。

例如，如果PICO定义了结局，综合应该比较纳入研究如何测量该结局。

有关综合规划，请参阅如何为文献综述构建综合矩阵。

通过定义你需要做出的决策、该决策所需的证据以及证明决策如何做出的记录，将建议转化为可重复的工作流程。在综述规划中，问题很少是缺少某个工具。问题通常是检索、阅读、检查和写作发生在不同的地方，没有共享的规则。

使用简短的操作流程：

• 命名综述问题或子问题。
• 定义你正在使用的来源集。
• 决定什么算作下一步的足够证据。
• 对该步骤中的每篇论文应用相同的标准。
• 标记不确定的情况，而不是强行给出干净的答案。
• 保留可能进入最终综述的声明的来源位置。
• 在每次主要检索、筛选或写作会话后审查工作流程。

这个流程保持工作进展，而不会使综述变得草率。它还让导师、合作者和未来的你能够理解来源集为何发生变化。

记录那些以后难以重建的部分。你不需要记录每一次点击的日记，但你需要足够的细节来解释从问题到来源再到声明的路径。

对于这个主题，最有用的记录通常包括范围、标准、工具使用、综述类型、人工检查和报告说明。添加日期、使用的工具或来源、审稿人状态和下一步行动。如果AI协助了该步骤，写下它帮助了什么以及人工检查了什么。

记录应该区分发现和证据。工具可能帮助找到一篇论文，但论文本身必须支持声明。摘要可能帮助筛选来源，但原始来源应该支持文献综述中出现的任何陈述。

在撰写之前，检查工作流程是否产生了可用的证据，还是仅仅是有用的笔记。笔记帮助你思考。证据支持一个句子。

问：

• 这个来源将支持哪个声明？
• 声明是否比证据更窄？
• 方法、样本、结局或概念细节是否已检查？
• 局限性是否可见？
• 相互矛盾的论文是否得到处理而不是被忽略？
• 引用是否真实、最新且相关？
• 另一个读者能否理解这个来源是如何进入综述的？

如果答案不清楚，将要点保留在笔记中，而不是将其移入草稿。这是防止AI辅助研究变成精致但薄弱的写作的小停顿。

WisPaper可以帮助研究者通过自然语言学术检索测试PICO、PECO、SPIDER或其他问题框架。Deep Search、Scholar Agent和Inspiration Discovery可用于围绕人群、方法、结局、概念或现象进行检索。

论文卡片显示来源标签、摘要、作者、出版详情和预览图像，帮助研究者判断检索结果是否与框架要素匹配。论文可以保存或上传到My Library，Library QA可以根据用户自己的论文集回答问题。

WisPaper可以支持围绕结构化问题的检索和筛选。研究者仍然需要定义框架并验证来源是否符合框架。

试用WisPaper