How to Use AI for a PRISMA-Compliant Systematic Review

Tinjauan sistematis biasanya memakan waktu enam hingga sembilan bulan bagi tim yang terdiri dari tiga peneliti. Hambatannya bukan pada pembacaan, namun pada penyaringan. Dua belas ribu abstrak diambil dari PubMed, Embase, Scopus, dan Cochrane, masing-masing memerlukan dua peninjau independen untuk memutuskan memasukkan atau mengecualikan kriteria yang telah didaftarkan sebelumnya. Saat matematika mendorong karier di sekitarnya.

AI mengubah matematika itu. Model bahasa modern dapat menyaring abstrak dalam hitungan detik, mengekstrak karakteristik studi dari PDF teks lengkap dalam hitungan menit, dan meringkas ratusan makalah dalam hitungan jam. Jika digunakan dengan hati-hati, AI memotong fase penyaringan tinjauan dari bulan ke minggu. Jika digunakan secara sembarangan, hal ini menghasilkan dokumen yang tidak dapat direproduksi dan tidak patuh sehingga gagal dalam tinjauan sejawat.

Panduan ini menjelaskan di mana AI secara sah membantu dalam peninjauan yang sesuai dengan PRISMA, di mana AI seharusnya tidak melakukan tugasnya, persyaratan pelaporan yang menyertai penggunaan AI, dan alur kerja langkah demi langkah yang memenuhi PRISMA 2020 dan ekstensi PRISMA-trAIce.

Apa yang sebenarnya dibutuhkan PRISMA (penyegaran cepat)

PRISMA 2020 adalah daftar periksa pelaporan standar untuk tinjauan sistematis. Ini mengatur bagaimana Anda menggambarkan apa yang Anda lakukan, bukan bagaimana Anda melakukannya. Bagian yang relevan untuk penggunaan AI adalah:

Pelaporan strategi penelusuran. Dokumentasikan setiap penelusuran database, setiap string penelusuran yang digunakan, setiap tanggal penelusuran dijalankan. Reproduksibilitas adalah standarnya — peneliti lain harus dapat menjalankan kembali penelusuran Anda dan mendapatkan hasil yang sama.

Pelaporan penyaringan. Dokumentasikan berapa banyak catatan yang disaring, berapa banyak peninjau independen, bagaimana perbedaan pendapat diselesaikan, dan berapa banyak yang dikecualikan pada setiap tahap. Diagram alir PRISMA klasik ada di sini.

Pelaporan ekstraksi data. Dokumentasikan data apa saja yang diekstraksi, oleh siapa, dan bagaimana perselisihan diselesaikan.

Risiko penilaian bias. Dokumentasikan alat yang digunakan (Cochrane RoB 2, ROBINS-I, dll.) dan siapa yang melaksanakannya.

Melaporkan penyimpangan apa pun. Segala sesuatu yang tidak berjalan sesuai protokol pra-registrasi harus dilaporkan, dengan alasan.

Ekstensi PRISMA-trAIce (diterbitkan tahun 2024, diperbarui tahun 2025) menambahkan persyaratan pelaporan khusus AI di atas PRISMA 2020. Versi singkatnya: di mana pun AI digunakan dalam peninjauan, Anda melaporkan alat, versi, petunjuknya, dan cara verifikasi manusia dilakukan.

Where AI legitimately helps

Ini adalah penggunaan di mana AI mempercepat pekerjaan tanpa mengubah ulasannya.

Deteksi duplikat. Catatan yang diambil dari beberapa database sering kali terduplikasi. Manajer referensi tradisional (Zotero, EndNote, Covidence) melakukan hal ini dengan baik. AI berlebihan di sini — tetap gunakan alat standar.

Judul awal dan penyaringan abstrak. AI dapat menilai setiap abstrak berdasarkan kriteria inklusi Anda dan memberi peringkat atau mengklasifikasikannya terlebih dahulu. Dua peninjau manusia masih perlu membuat keputusan akhir penyertaan/pengecualian, namun praklasifikasi AI menghemat waktu manusia secara signifikan. Ini adalah penggunaan AI dengan nilai tertinggi di sebagian besar ulasan.

Pengambilan teks lengkap dan triase. AI dapat mengekstrak metadata publikasi, mengidentifikasi apakah teks lengkap cocok dengan klaim abstrak (terkadang tidak), dan menandai makalah yang tampak seperti abstrak konferensi, kesalahan rata, atau duplikat publikasi dengan judul berbeda.

Ekstraksi data dari makalah terstruktur. Tabel karakteristik pasien, dosis, ukuran efek — AI dapat mengekstraknya dari PDF teks lengkap ke dalam lembar ekstraksi data terstruktur, yang kemudian diverifikasi oleh dua peninjau manusia. Waktu verifikasi jauh lebih singkat dibandingkan ekstraksi manual penuh.

Sintesis dan dukungan penulisan. Menyusun deskripsi prosedur penyaringan bagian metode, menyusun teks diagram alur PRISMA, merangkum tabel karakteristik studi yang disertakan — AI membantu penulisan tanpa mengubah substansi ulasan.

Terjemahan sumber non-Inggris. Jika ulasan Anda mencakup makalah non-Inggris, terjemahan AI sudah cukup andal untuk mendukung penyertaan sumber-sumber ini. Dokumentasikan alat yang digunakan dalam metode.

Where AI should NOT do the work

Penggunaan ini melampaui batas pengambilan keputusan substantif yang harus dilakukan oleh peninjau manusia.

Keputusan akhir penyertaan/pengecualian. PRISMA memerlukan dua peninjau manusia independen untuk penyertaan/pengecualian. AI dapat mengklasifikasikan, memberi peringkat, dan menampilkan kandidat — tetapi keputusan yang mengikat harus dibuat oleh manusia. Hal ini tidak dapat dinegosiasikan untuk kepatuhan.

Risiko penilaian bias. Alat RoB memerlukan penilaian tentang desain studi, pembutakan, pengurangan, dan pelaporan. AI dapat meringkas apa yang dikatakan makalah tentang setiap domain, tetapi penilaian biasnya sendiri harus bersifat manusiawi.

Penilaian kualitas dan tingkat bukti (GRADE). Logika yang sama. AI merangkum; tingkat manusia.

Interpretasi heterogenitas. Apakah perbedaan antara hasil studi mencerminkan heterogenitas klinis, heterogenitas metodologi, atau kebetulan merupakan keputusan penilaian yang memerlukan keahlian klinis dan metodologis.

Sintesis dan kesimpulan akhir. Sintesis naratif, diskusi tentang kekuatan dan keterbatasan, implikasi klinis — ini adalah kontribusi tim peninjau. AI dapat merancang bahasa awal, namun penilaian substantif ada di tangan Anda.

Deteksi konten buatan atau pabrik kertas. Ironisnya, deteksi AI pada penelitian palsu masih tidak dapat diandalkan. Mata manusia yang tertuju pada kertas yang mencurigakan, ditambah alat seperti Penyaring Kertas Bermasalah, adalah standar saat ini.

The reporting requirements

Jika Anda menggunakan AI di mana pun dalam ulasan, PRISMA-trAIce mengharuskan Anda melaporkannya. Struktur yang memenuhi sebagian besar jurnal:

Pada bagian metode, subbagian prosedur penyaringan:

Abstract screening was conducted using a two-stage process. Initial
classification was performed using [Tool Name, version, accessed via
API/web on dates] with the following prompt template: "[exact prompt]".
The classification was used to prioritize abstracts for human review.
All abstracts, regardless of initial classification, were then screened
independently by two reviewers ([author initials]) using [Covidence /
Rayyan / other tool], with disagreements resolved by discussion or by
a third reviewer ([author initials]) when consensus was not reached.

Dalam latihan kalibrasi yang dilakukan pada [angka] abstrak sebelum
penyaringan utama, klasifikasi AI disepakati dengan konsensus manusia
keputusan dalam [persentase]% kasus. AI tidak digunakan untuk final
keputusan inklusi atau pengecualian.

Pada bagian metode, subbagian ekstraksi data:

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.

Dalam subbagian khusus "Penggunaan AI" (terkadang diperlukan secara terpisah):

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:

Akui keterbatasan terkait AI: potensi bias sistematis dalam praklasifikasi, ketergantungan pada alat AI yang cara kerja internalnya tidak transparan, dan ketidakmungkinan mereproduksi sepenuhnya perilaku AI di seluruh versi model.

The workflow we recommend

Urutan yang memenuhi PRISMA-trAIce dan menggunakan kekuatan AI.

Langkah 1: Pra-registrasi protokolnya. Sebelum menggunakan AI apa pun, daftarkan ulasannya (PROSPERO untuk ulasan medis; OSF untuk ulasan lainnya). Protokol tersebut menetapkan kriteria inklusi, strategi pencarian, metode penyaringan, rencana ekstraksi, dan pendekatan sintesis. Tentukan dalam protokol di mana AI akan digunakan dan bagaimana caranya. Prapendaftaran yang menyebutkan AI jauh lebih kuat dibandingkan pengungkapan post-hoc.

Langkah 2: Jalankan latihan kalibrasi. Pilih 100-200 abstrak dari penelusuran Anda. Mintalah dua orang peninjau menyaringnya secara independen. Jalankan penyaringan AI di set yang sama dengan perintah yang Anda rencanakan. Hitung metrik perjanjian (kappa Cohen, persen perjanjian). Jika kesepakatan AI berada di bawah 0,7 kappa atau 80% dengan keputusan konsensus manusia, segera perbaiki atau pertimbangkan kembali penggunaan AI.

Langkah 3: Jalankan jalur penyaringan AI utama. Dengan perintah yang dikalibrasi, saring korpus abstrak lengkap. Keluaran: daftar peringkat atau klasifikasi. Peninjau manusia melihat peringkat ini tetapi mengambil keputusan sendiri secara independen.

Langkah 4: Penyaringan independen oleh dua peninjau. Setiap abstrak masih mendapatkan dua peninjau manusia. Klasifikasi AI adalah metadata, bukan pemungutan suara. Ketidaksepakatan diselesaikan melalui diskusi atau reviewer ketiga.

Langkah 5: Penyaringan teks lengkap dengan bantuan AI. AI dapat menandai pengecualian yang jelas pada tahap teks lengkap (bahasa salah, hanya abstrak, makalah yang ditarik kembali). Manusia membuat keputusan akhir.

Langkah 6: Ekstraksi data dengan bantuan dan verifikasi AI. AI mengekstrak nilai kandidat; dua pengulas manusia memverifikasi sumbernya. Log verifikasi itu sendiri menjadi bukti kepatuhan.

Langkah 7: Risiko bias — hanya manusia. Tidak ada AI dalam langkah ini.

Langkah 8: Sintesis — penulisan yang dipimpin manusia dan dibantu AI. Manusia menafsirkan. AI membantu meringkas studi untuk tabel studi yang disertakan, menyusun bagian metode, dan menyempurnakan prosa. Penafsiran substantif tetap manusiawi.

Langkah 9: Ungkapkan secara komprehensif. Bagian metode melaporkan penggunaan AI seperti dijelaskan di atas. Pernyataan pengungkapan penggunaan AI lengkap muncul di bagian depan atau ucapan terima kasih. Perintah lengkap yang digunakan ada di lampiran.

Langkah 10: Audit pra-publikasi. Sebelum penyerahan, anggota tim kedua mengaudit langkah-langkah yang didukung AI untuk kelengkapan dokumentasi. Perintah yang hilang, nomor versi yang hilang, atau persentase verifikasi yang hilang adalah pemicu penolakan yang umum.

Common pitfalls

Karakteristik penelitian yang berhalusinasi. AI terkadang mengekstrak data yang tidak ada dalam makalah sumber — interval kepercayaan yang tidak ada, ukuran sampel yang tidak cocok, detail intervensi yang dibuat-buat berdasarkan konteks. Verifikasi terhadap sumbernya adalah satu-satunya pertahanan. Jika tim Anda tidak memverifikasi setiap nilai yang diekstraksi, Anda akan mempublikasikan kesalahan.

Penyimpangan cepat di seluruh ulasan. Peninjauan tengah yang disempurnakan mengubah perilaku AI pada item yang sudah disaring. Jika Anda mengubah perintah, dokumentasikan alasannya dan saring ulang item yang terpengaruh.

Ketergantungan yang berlebihan pada klasifikasi AI. Beberapa tim telah secara efektif mendelegasikan keputusan inklusi kepada AI dengan memperlakukan klasifikasinya sebagai hal yang otoritatif. PRISMA membutuhkan keputusan manusia. Masukan AI baik-baik saja; Keputusan AI tidak.

Lupa mendokumentasikan penyimpangan. Segala sesuatu yang berbeda dari protokol pra-registrasi harus dilaporkan. Jika penggunaan AI berkembang selama peninjauan, dokumentasikan evolusi tersebut. Perubahan proses yang tersembunyi ditandai pada tinjauan sejawat.

Versi alat tidak konsisten. Pembaruan model AI. DeepSeek V3 yang menyaring abstrak pada bulan Januari tidak identik dengan versi yang tersedia pada bulan Juni. Dokumentasikan versi dan rentang tanggal setiap alat AI yang digunakan.

Akurasi terjemahan diasumsikan, tidak diverifikasi. Terjemahan AI bagus tetapi tidak sempurna, terutama untuk konten klinis atau teknis. Jika sumber non-Inggris disertakan, dokumentasikan siapa yang memverifikasi terjemahannya.

See the Full AI Summarizer

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

Frequently asked questions

T: Dapatkah saya menyertakan abstrak yang disaring AI dalam diagram alur PRISMA saya?

Ya, tetapi dengan atribusi yang spesifik. Diagram alur standar PRISMA 2020 memiliki kolom untuk catatan yang diidentifikasi, catatan yang disaring, catatan yang dinilai untuk kelayakan, dan catatan yang dimasukkan. Jika AI digunakan dalam proses penyaringan, tambahkan catatan pada diagram atau pada keterangannya: "Initial AI-supported classification was used to rank abstracts; all abstracts received independent human screening by two reviewers." Beberapa jurnal kini meminta diagram alur yang lebih rinci yang memisahkan langkah berbasis AI dan langkah yang hanya melibatkan manusia. Ekstensi PRISMA-trAIce menyediakan templat untuk hal ini.

T: Bagaimana cara mengutip alat AI yang digunakan dalam tinjauan sistematis saya?

Kutip model beserta versinya dan tanggal aksesnya. Format standar: "[Nama Model], versi [X.Y], diakses [rentang tanggal] melalui [titik akhir API/antarmuka web] (pengembang: [Perusahaan]). URL: [tautan ke dokumentasi jika tersedia]." Beberapa jurnal memerlukan kutipan yang lebih detail termasuk parameter API yang digunakan secara tepat. Periksa instruksi jurnal untuk penulis. Konvensi kutipan alat AI masih terus berkembang — jika ragu, sertakan lebih banyak detail daripada lebih sedikit.

Q: Apa perbedaan antara PRISMA 2020 dan PRISMA-trAIce?

PRISMA 2020 adalah daftar periksa pelaporan standar untuk tinjauan sistematis, yang diperbarui dari versi 2009. PRISMA-trAIce (diterbitkan 2024) adalah ekstensi yang menambahkan persyaratan pelaporan untuk langkah-langkah yang didukung AI dalam proses peninjauan. Sebagian besar jurnal sekarang memerlukan keduanya: PRISMA 2020 untuk pelaporan umum, PRISMA-trAIce untuk langkah apa pun yang didukung AI. Daftar periksa traAIce memiliki 12 item yang mencakup dokumentasi alat, pelaporan cepat, metrik kalibrasi, dan prosedur verifikasi manusia. Jika Anda menggunakan AI di mana pun dalam tinjauan sistematis, sebutkan PRISMA-trAIce di bagian metode Anda. Untuk panduan alur kerja yang lebih luas yang melengkapi panduan ini, lihat Menggunakan AI untuk Mempercepat Tinjauan Pustaka Anda.

T: Apakah penggunaan AI dalam tinjauan sistematis saya akan mengurangi peluang saya untuk diterima?

Berdasarkan pengalaman kami, penggunaan AI yang diungkapkan dan didokumentasikan dengan benar tidak menurunkan tingkat penerimaan serta sering kali mempercepat proses peninjauan (metodenya lebih jelas dan lebih dapat dipertanggungjawabkan). Yang menurunkan tingkat penerimaan adalah penggunaan AI yang tidak diungkapkan, penggunaan AI yang menggantikan penilaian manusia yang diwajibkan, atau keterbatasan terkait AI yang tidak diakui. Editor dan reviewer menanggapi sinyal berupa ketelitian dan transparansi, bukan sikap menghindari AI. Tinjauan sistematis yang menggunakan AI untuk penyaringan, melaporkan penggunaannya secara rinci, menyertakan metrik kalibrasi, serta mengakui keterbatasannya diperlakukan sebagai tinjauan yang secara metodologis modern — bukan tinjauan yang dikompromikan.