How to Use AI for a PRISMA-Compliant Systematic Review

یک مرور سیستماتیک برای تیمی متشکل از سه محقق شش تا نه ماه استفاده شد. گلوگاه خواندن نبود - غربالگری بود. دوازده هزار چکیده از PubMed، Embase، Scopus، و Cochrane، که هر کدام به دو داور مستقل نیاز دارند تا درمورد معیارهای از پیش ثبت‌شده در نظر گرفته شوند یا حذف شوند. ریاضیات زمان، مشاغل را دور آن سوق داد.

هوش مصنوعی این ریاضیات را تغییر داد. مدل‌های زبان مدرن می‌توانند چکیده‌ها را در چند ثانیه نمایش دهند، ویژگی‌های مطالعه را از PDF‌های متن کامل در چند دقیقه استخراج کنند و صدها مقاله را در چند ساعت خلاصه کنند. با استفاده دقیق، هوش مصنوعی مرحله غربالگری یک بررسی را از ماه ها به هفته ها کاهش می دهد. با استفاده بی دقتی، سندی غیر قابل تکرار و غیر منطبق تولید می کند که بررسی همتایان را با شکست مواجه می کند.

این راهنما در مورد جایی که هوش مصنوعی به طور قانونی در بررسی مطابق با PRISMA کمک می کند، جایی که نباید کار را انجام دهد، الزامات گزارش دهی که با استفاده از هوش مصنوعی همراه است، و گردش کاری گام به گام که PRISMA 2020 و پسوند PRISMA-trAIce را برآورده می کند، کمک می کند.

آنچه PRISMA در واقع به آن نیاز دارد (بازخوانی سریع)

PRISMA 2020 چک لیست گزارش استاندارد برای بررسی های سیستماتیک است. این بر نحوه توصیف کاری که انجام داده اید نظارت می کند، نه اینکه چگونه آن را انجام می دهید. قطعات مربوطه برای استفاده از هوش مصنوعی عبارتند از:

** گزارش استراتژی جستجو. ** هر پایگاه داده جستجو شده، هر رشته جستجوی استفاده شده، هر تاریخی که جستجوها اجرا شده اند را مستند کنید. تکرارپذیری استاندارد است - محقق دیگری باید بتواند جستجوی شما را دوباره اجرا کند و همان نتایج را بگیرد.

گزارش غربالگری. تعداد رکوردهای غربالگری شده، تعداد بازبینان مستقل، نحوه حل اختلافات و تعداد حذف شده در هر مرحله را مستند کنید. نمودار جریان کلاسیک PRISMA در اینجا زندگی می کند.

گزارش گیری استخراج داده ها. مستندسازی کنید که چه داده هایی استخراج شده اند، توسط چه کسانی و چگونه اختلافات حل شده است.

خطر ارزیابی سوگیری. ابزار مورد استفاده (Cochrane RoB 2، ROBINS-I و غیره) و اینکه چه کسی آن را انجام داده را مستند کنید.

گزارش هرگونه انحراف. هر چیزی که طبق پروتکل از قبل ثبت شده پیش نرود باید با استدلال گزارش شود.

برنامه افزودنی PRISMA-trAIce (منتشر شده در سال 2024، به‌روزرسانی‌شده در سال 2025) الزامات گزارش‌دهی ویژه هوش مصنوعی را در بالای PRISMA 2020 اضافه می‌کند. نسخه کوتاه: هر جایی که از هوش مصنوعی در بررسی استفاده شده باشد، ابزار، نسخه، درخواست‌ها و نحوه انجام راستی‌آزمایی انسانی را گزارش می‌دهید.

Where AI legitimately helps

اینها کاربردهایی هستند که در آن هوش مصنوعی بدون تغییر در بررسی، کار را سرعت می بخشد.

تشخیص تکراری. سوابق استخراج شده از پایگاه داده های متعدد اغلب تکراری هستند. مدیران مرجع سنتی (Zotero، EndNote، Covidence) این کار را به خوبی انجام می دهند. هوش مصنوعی در اینجا بیش از حد است - به استفاده از ابزارهای استاندارد ادامه دهید.

عنوان اولیه و غربالگری چکیده. هوش مصنوعی می تواند هر چکیده را بر اساس معیارهای ورود شما امتیاز دهد و آنها را رتبه بندی یا از قبل طبقه بندی کند. دو بازبین انسانی هنوز باید تصمیم نهایی را شامل/حذف کنند، اما پیش طبقه‌بندی هوش مصنوعی زمان انسان را به میزان قابل توجهی کاهش می‌دهد. این بالاترین ارزش استفاده از هوش مصنوعی در اکثر بررسی ها است.

بازیابی متن کامل و تریاژ. هوش مصنوعی می‌تواند فراداده انتشار را استخراج کند، تشخیص دهد که آیا یک متن کامل با ادعاهای چکیده مطابقت دارد یا نه (گاهی اوقات اینطور نیست)، و مقالاتی را که به نظر می‌رسد چکیده کنفرانس، اشتباه یا انتشارات تکراری تحت عناوین مختلف هستند، پرچم‌گذاری کند.

استخراج داده ها از مقالات ساختاریافته. جداول ویژگی های بیمار، دوزها، اندازه اثر - هوش مصنوعی می تواند آنها را از فایل های PDF متن کامل در یک برگه استخراج داده های ساختاریافته استخراج کند، که سپس دو بازبین انسانی آن را تأیید می کنند. زمان تأیید بسیار کمتر از استخراج دستی کامل است.

پشتیبانی از ترکیب و نوشتن. تهیه پیش‌نویس شرح روش غربالگری بخش روش‌ها، تهیه پیش‌نویس متن نمودار جریان PRISMA، خلاصه کردن جدول ویژگی‌های مطالعات شامل - هوش مصنوعی بدون تغییر محتوای مرور به نوشتن کمک می‌کند.

ترجمه منابع غیرانگلیسی. اگر بررسی شما شامل مقالات غیر انگلیسی باشد، ترجمه هوش مصنوعی به اندازه کافی قابل اعتماد شده است که از گنجاندن این منابع پشتیبانی کند. ابزار مورد استفاده در روش ها را مستند کنید.

Where AI should NOT do the work

این استفاده‌ها از مرز تصمیم‌گیری اساسی عبور می‌کنند که بازبینی‌کنندگان انسانی باید انجام دهند.

تصمیمات شامل/حذف نهایی. PRISMA به دو بازبین انسانی مستقل برای درج/حذف نیاز دارد. هوش مصنوعی می‌تواند نامزدها را از قبل طبقه‌بندی، رتبه‌بندی و سطح‌بندی کند – اما تصمیم الزام‌آور باید انسانی باشد. این غیر قابل مذاکره برای انطباق است.

خطر ارزیابی سوگیری. ابزار RoB نیاز به قضاوت در مورد طراحی مطالعه، کور کردن، ساییدگی، و گزارش دارد. هوش مصنوعی می‌تواند آنچه را که مقاله در مورد هر دامنه می‌گوید خلاصه کند، اما خود رتبه‌بندی سوگیری باید انسانی باشد.

ارزیابی کیفیت و درجه شواهد (GRADE). همان منطق. هوش مصنوعی خلاصه می کند؛ نرخ انسان

تفسیر ناهمگونی. اینکه آیا تفاوت بین نتایج مطالعه منعکس کننده ناهمگنی بالینی، ناهمگونی روش شناختی یا شانس است، قضاوتی است که به تخصص بالینی و روش شناختی نیاز دارد.

** ترکیب و نتیجه گیری نهایی. ** ترکیب روایت، بحث در مورد نقاط قوت و محدودیت ها، پیامدهای بالینی - اینها مشارکت های تیم بررسی است. هوش مصنوعی می تواند زبان اولیه را پیش نویس کند، اما قضاوت اساسی با شماست.

تشخیص محتوای ساختگی یا کارخانه کاغذ. از قضا، تشخیص هوش مصنوعی مطالعات ساختگی غیرقابل اعتماد است. چشم انسان روی کاغذهای مشکوک، به علاوه ابزارهایی مانند صفحه نمایش کاغذ مشکل ساز، استاندارد فعلی است.

The reporting requirements

اگر از هوش مصنوعی در هر نقطه ای از بررسی استفاده می کنید، PRISMA-trAIce از شما می خواهد که آن را گزارش دهید. ساختاری که اکثر مجلات را برآورده می کند:

در بخش روش ها، زیربخش روش غربالگری:

``متن غربالگری چکیده با استفاده از یک فرآیند دو مرحله ای انجام شد. اولیه طبقه بندی با استفاده از [نام ابزار، نسخه، قابل دسترسی از طریق API/web on date] با الگوی فرمان زیر: "[exact prompt]". این طبقه بندی برای اولویت بندی چکیده ها برای بررسی انسانی استفاده شد. تمام چکیده ها، صرف نظر از طبقه بندی اولیه، سپس غربال شدند به طور مستقل توسط دو بازبین ([حرف اول نویسنده]) با استفاده از [Covidence / رایان / ابزار دیگر]، با اختلافات حل شده با بحث یا توسط یک بازبین سوم ([حرف اول نویسنده]) زمانی که اجماع حاصل نشد.

در یک تمرین کالیبراسیون انجام شده بر روی [تعداد] چکیده قبل از غربالگری اصلی، طبقه بندی هوش مصنوعی با اجماع انسان موافق است تصمیم در [درصد]٪ موارد. هوش مصنوعی برای نهایی استفاده نشد تصمیمات شمول یا حذف

**در قسمت روش ها، زیربخش استخراج داده ها:**

```text
Data extraction was performed using a structured form (Appendix [X]).
Extraction of [specific data types, e.g., patient characteristics,
intervention details, outcome measurements] was supported by [Tool
Name, version], which extracted candidate values from full-text PDFs.
All extracted values were verified against the source PDFs by two
reviewers ([author initials]). Discrepancies between AI-extracted
values and source documents were corrected against the source in
[percentage]% of cases. The verified data informed the final
synthesis.

در زیربخش اختصاصی "استفاده از هوش مصنوعی" (گاهی اوقات به طور جداگانه مورد نیاز است):

The following AI tools were used in this review: [list each tool,
version, date range, and specific role]. No AI tool was used for
risk of bias assessment, quality grading, interpretation of
heterogeneity, or synthesis of conclusions. All AI-supported steps
were verified by [number] human reviewers as described above. The
prompts used are provided in Appendix [Y].

In the limitations section:

محدودیت‌های مرتبط با هوش مصنوعی را بپذیرید: تعصب سیستماتیک بالقوه در طبقه‌بندی قبلی، اتکا به ابزارهای هوش مصنوعی که عملکرد داخلی آنها شفاف نیست، و عدم امکان بازتولید کامل رفتار هوش مصنوعی در نسخه‌های مدل.

The workflow we recommend

دنباله ای که PRISMA-trAIce را برآورده می کند و از نقاط قوت هوش مصنوعی استفاده می کند.

مرحله 1: پروتکل را از قبل ثبت کنید. قبل از هر گونه استفاده از هوش مصنوعی، بررسی را ثبت کنید (PROSPERO برای بررسی های پزشکی، OSF برای دیگران). این پروتکل معیارهای ورود، استراتژی جستجو، روش غربالگری، طرح استخراج و رویکرد سنتز را مشخص می کند. در پروتکل مشخص کنید که هوش مصنوعی کجا و چگونه استفاده می شود. پیش ثبت نامی که هوش مصنوعی را ذکر می کند بسیار قوی تر از افشای پس از آن است.

مرحله 2: تمرین کالیبراسیون را اجرا کنید. 100-200 چکیده را از جستجوی خود انتخاب کنید. از دو بازبین انسانی بخواهید آنها را به طور مستقل بررسی کنند. غربالگری هوش مصنوعی را در همان مجموعه با درخواست برنامه ریزی شده خود اجرا کنید. معیارهای توافق را محاسبه کنید (کاپا کوهن، توافق درصد). اگر توافق با هوش مصنوعی کمتر از 0.7 کاپا یا 80٪ با تصمیم اجماع انسانی است، سریعاً در استفاده از هوش مصنوعی تجدید نظر کنید.

مرحله 3: مجوز اصلی غربالگری هوش مصنوعی را اجرا کنید. با یک درخواست کالیبره شده، مجموعه کامل انتزاعی را نمایش دهید. خروجی: یک لیست رتبه بندی شده یا طبقه بندی شده. بازبینان انسانی این رتبه بندی را می بینند اما تصمیمات مستقل خود را می گیرند.

مرحله 4: غربالگری مستقل با دو داور. هر چکیده همچنان دو بازبین انسانی دارد. طبقه بندی هوش مصنوعی فراداده است، نه یک رأی. اختلافات با بحث یا بازبینی سوم حل می شود.

مرحله 5: غربالگری تمام متن با کمک هوش مصنوعی. هوش مصنوعی می‌تواند موارد استثنای آشکار را در مرحله متن کامل (زبان اشتباه، فقط چکیده، مقالات پس گرفته شده) علامت‌گذاری کند. انسان ها تصمیمات نهایی را می گیرند.

مرحله 6: استخراج داده ها با کمک و تأیید هوش مصنوعی. هوش مصنوعی مقادیر نامزد را استخراج می کند. دو بازبین انسانی منبع را تأیید می کنند. گزارش تأیید به خودی خود مدرکی برای انطباق می شود.

مرحله 7: خطر سوگیری - فقط انسان. هوش مصنوعی در این مرحله وجود ندارد.

مرحله 8: سنتز - نوشتن به رهبری انسان و به کمک هوش مصنوعی. انسان ها تفسیر می کنند. هوش مصنوعی به خلاصه کردن مطالعات برای جدول مطالعات شامل، تهیه پیش نویس بخش روش ها، و صیقل نثر کمک می کند. تفسیر ماهوی انسانی می ماند.

مرحله 9: به طور جامع افشا کنید. بخش روش ها استفاده از هوش مصنوعی را همانطور که در بالا توضیح داده شد گزارش می دهد. یک [بیانیه افشای استفاده از هوش مصنوعی] (/blog/ai-disclosure-statement-manuscript) در قسمت اول یا تأییدیه ها ظاهر می شود. دستورات کامل استفاده شده در یک ضمیمه آمده است.

مرحله 10: ممیزی قبل از انتشار. قبل از ارسال، یکی از اعضای تیم دوم مراحل پشتیبانی شده توسط هوش مصنوعی را برای کامل بودن مستندات بررسی می کند. از دست دادن اعلان‌ها، از دست دادن شماره‌های نسخه، یا از دست دادن درصد تأیید صحت، محرک‌های رایج رد هستند.

Common pitfalls

ویژگی‌های مطالعه توهم‌آمیز. هوش مصنوعی گاهی اوقات داده‌هایی را استخراج می‌کند که در مقاله منبع وجود ندارد - فواصل اطمینانی که وجود ندارد، اندازه‌های نمونه که مطابقت ندارند، جزئیات مداخله ساخته شده از زمینه. تایید در برابر منبع تنها دفاع است. اگر تیم شما هر مقدار استخراج شده را تأیید نمی کند، خطاها را منتشر می کنید.

سرقت سریع در مرور. یک بررسی وسط بررسی اصلاح شده رفتار هوش مصنوعی را در مواردی که قبلاً غربال شده اند تغییر می دهد. اگر درخواست را تغییر دادید، دلیل را مستند کنید و موارد تحت تأثیر را مجدداً نمایش دهید.

اتکای بیش از حد به طبقه‌بندی هوش مصنوعی. برخی از تیم‌ها با تلقی کردن طبقه‌بندی آن به عنوان معتبر، به طور موثر تصمیم‌گیری‌های شمول را به هوش مصنوعی واگذار کرده‌اند. PRISMA به تصمیمات انسانی نیاز دارد. ورودی هوش مصنوعی خوب است. تصمیمات هوش مصنوعی نیست.

فراموشی ثبت انحرافات. هر چیزی که با پروتکل از پیش ثبت شده متفاوت است باید گزارش شود. اگر استفاده از هوش مصنوعی در طول بررسی تکامل یافته است، تکامل را مستند کنید. تغییرات فرآیند پنهان در بررسی همتایان پرچم‌گذاری می‌شوند.

نسخه های ابزار متناقض. به روز رسانی مدل های هوش مصنوعی. DeepSeek V3 که چکیده‌ها را در ژانویه نمایش داد، با نسخه موجود در ژوئن یکسان نیست. نسخه و محدوده تاریخ هر ابزار هوش مصنوعی مورد استفاده را مستند کنید.

** دقت ترجمه فرض شده، تأیید نشده است. ** ترجمه هوش مصنوعی خوب است اما کامل نیست، به خصوص برای محتوای بالینی یا فنی. اگر منابع غیر انگلیسی گنجانده شده است، مستند کنید که چه کسی ترجمه ها را تأیید کرده است.

See the Full AI Summarizer

Summarize papers, extract study characteristics, and draft synthesis text. Free tier includes every feature.

Frequently asked questions

سؤال: آیا می توانم چکیده های غربالگری شده با هوش مصنوعی را در نمودار جریان PRISMA خود قرار دهم؟

بله، اما با انتساب خاص. نمودار جریان استاندارد PRISMA 2020 دارای فیلدهایی برای سوابق شناسایی شده، سوابق غربال شده، سوابق ارزیابی شده برای واجد شرایط بودن، و سوابق گنجانده شده است. اگر از هوش مصنوعی در غربالگری استفاده شده است، یک یادداشت به نمودار یا عنوان آن اضافه کنید: «طبقه‌بندی اولیه مبتنی بر هوش مصنوعی برای رتبه‌بندی چکیده‌ها استفاده شد؛ همه چکیده‌ها غربالگری انسانی مستقل را توسط دو بازبین دریافت کردند». برخی از مجلات در حال حاضر یک نمودار جریان دقیق تر را درخواست می کنند که مراحل پشتیبانی شده توسط هوش مصنوعی و فقط برای انسان را مشخص می کند. پسوند PRISMA-trAIce الگوهایی را برای این ارائه می دهد.

سؤال: چگونه می توانم از ابزارهای هوش مصنوعی مورد استفاده در بررسی سیستماتیک خود استناد کنم؟

مدل را با نسخه و تاریخ دسترسی ذکر کنید. قالب استاندارد: "[نام مدل]، نسخه [X.Y]، دسترسی به [محدوده تاریخ] از طریق [نقطه پایانی API / رابط وب] (توسعه دهنده: [شرکت]). URL: [پیوند به مستندات در صورت موجود بودن]." برخی از مجلات به استناد دقیق تری از جمله پارامترهای API دقیق مورد استفاده نیاز دارند. دستورالعمل های مجله را برای نویسندگان بررسی کنید. قراردادهای استناد ابزار هوش مصنوعی هنوز در حال تکامل هستند - در صورت شک، جزئیات بیشتری را به جای کمتر در نظر بگیرید.

Q: What's the difference between PRISMA 2020 and PRISMA-trAIce?

PRISMA 2020 چک لیست گزارش استاندارد برای بررسی های سیستماتیک است که از نسخه 2009 به روز شده است. PRISMA-trAIce (منتشر شده در سال 2024) افزونه ای است که الزامات گزارش دهی را برای مراحل پشتیبانی شده با هوش مصنوعی در فرآیند بررسی اضافه می کند. اکنون اکثر مجلات به هر دو مورد نیاز دارند: PRISMA 2020 برای گزارش‌دهی عمومی، PRISMA-trAIce برای هر مرحله با هوش مصنوعی. چک لیست trAIce دارای 12 مورد است که اسناد ابزار، گزارش سریع، معیارهای کالیبراسیون و روش های تأیید انسانی را پوشش می دهد. اگر از هوش مصنوعی در هر جایی در بررسی سیستماتیک استفاده می‌کنید، آدرس PRISMA-trAIce را در بخش روش‌ها نشان دهید. برای راهنمای گردش کار گسترده‌تر که مکمل این راهنمای است، به [استفاده از هوش مصنوعی برای سرعت بخشیدن به بررسی ادبیات شما] (/blog/ai-literature-review-summarizer) مراجعه کنید.

سؤال: آیا استفاده از هوش مصنوعی در بررسی سیستماتیک من شانس پذیرش من را کاهش می دهد؟

در تجربه ما، استفاده از هوش مصنوعی افشا شده و مستند شده، نرخ پذیرش را کاهش نمی دهد و اغلب بررسی را سرعت می بخشد (روش ها واضح تر و قابل دفاع تر هستند). چیزی که پذیرش را کاهش می دهد، استفاده از هوش مصنوعی فاش نشده، استفاده از هوش مصنوعی است که جایگزین قضاوت مورد نیاز انسان می شود، یا محدودیت های مرتبط با هوش مصنوعی که به رسمیت شناخته نمی شوند. سیگنالی که ویراستاران و بازبینان به آن پاسخ می‌دهند، دقت و شفافیت است، نه پرهیز از هوش مصنوعی. یک بررسی سیستماتیک که از هوش مصنوعی برای غربالگری استفاده می‌کند، استفاده را با جزئیات گزارش می‌کند، شامل معیارهای کالیبراسیون می‌شود، و اذعان می‌کند که محدودیت‌ها به‌عنوان یک بررسی روش‌شناختی مدرن تلقی می‌شوند - نه به خطر افتاده.