How to Use AI for a PRISMA-Compliant Systematic Review

Kajian sistematik digunakan untuk mengambil satu pasukan tiga penyelidik enam hingga sembilan bulan. Kesesakan tidak membaca — ia sedang saringan. Dua belas ribu abstrak diambil daripada PubMed, Embase, Scopus dan Cochrane, setiap satu memerlukan dua penyemak bebas untuk memutuskan untuk memasukkan atau mengecualikan terhadap kriteria pradaftar. Masa matematik memacu kerjaya di sekelilingnya.

AI mengubah matematik itu. Model bahasa moden boleh menapis abstrak dalam beberapa saat, mengekstrak ciri kajian daripada PDF teks penuh dalam beberapa minit dan meringkaskan merentasi ratusan kertas dalam jam. Digunakan dengan berhati-hati, AI mengurangkan fasa saringan semakan daripada bulan kepada minggu. Digunakan secara sembarangan, ia menghasilkan dokumen yang tidak boleh dibuat semula, tidak mematuhi yang gagal semakan rakan sebaya.

Panduan ini menerangkan cara AI secara sah membantu dalam semakan yang mematuhi PRISMA, di mana ia tidak sepatutnya melakukan kerja, keperluan pelaporan yang disertakan dengan penggunaan AI dan aliran kerja langkah demi langkah yang memenuhi PRISMA 2020 dan sambungan PRISMA-trAIce.

Perkara yang sebenarnya diperlukan oleh PRISMA (penyegaran pantas)

PRISMA 2020 ialah senarai semak pelaporan standard untuk semakan sistematik. Ia mengawal cara anda menerangkan perkara yang anda lakukan, bukan cara anda melakukannya. Bahagian yang relevan untuk kegunaan AI ialah:

Pelaporan strategi carian. Dokumen setiap pangkalan data yang dicari, setiap rentetan carian yang digunakan, setiap tarikh carian dijalankan. Kebolehulangan adalah standard — penyelidik lain sepatutnya dapat menjalankan semula carian anda dan mendapatkan hasil yang sama.

Pelaporan saringan. Dokumenkan bilangan rekod yang disaring, oleh bilangan penyemak bebas, cara perselisihan pendapat diselesaikan dan bilangan yang dikecualikan pada setiap peringkat. Gambar rajah aliran PRISMA klasik tinggal di sini.

Pelaporan pengekstrakan data. Dokumenkan data yang diekstrak, oleh siapa dan cara perselisihan diselesaikan.

Risiko penilaian berat sebelah. Dokumenkan alat yang digunakan (Cochrane RoB 2, ROBINS-I, dsb.) dan siapa yang melaksanakannya.

Melaporkan sebarang penyelewengan. Apa-apa yang tidak mengikut protokol pradaftar mesti dilaporkan, dengan alasan.

Sambungan PRISMA-trAIce (diterbitkan 2024, dikemas kini 2025) menambahkan keperluan pelaporan khusus AI di atas PRISMA 2020. Versi pendek: di mana-mana AI digunakan dalam semakan, anda melaporkan alat, versi, gesaan dan cara pengesahan manusia dilakukan.

Where AI legitimately helps

Ini adalah kegunaan di mana AI mempercepatkan kerja tanpa mengubah ulasan itu.

Pengesanan pendua. Rekod yang diambil daripada berbilang pangkalan data selalunya digandakan. Pengurus rujukan tradisional (Zotero, EndNote, Covidence) melakukan perkara ini dengan baik. AI berlebihan di sini — teruskan menggunakan alat standard.

Tajuk awal dan saringan abstrak. AI boleh menjaringkan setiap abstrak berdasarkan kriteria kemasukan anda dan meletakkan atau mengelaskannya. Dua penyemak manusia masih perlu membuat keputusan termasuk/kecualikan muktamad, tetapi prapengklasifikasian AI mengurangkan masa manusia dengan ketara. Ini adalah penggunaan AI dengan nilai tertinggi dalam kebanyakan ulasan.

Pendapatan dan triase teks penuh. AI boleh mengekstrak metadata penerbitan, mengenal pasti sama ada teks penuh sepadan dengan tuntutan abstrak (kadangkala tidak), dan membenderakan kertas kerja yang kelihatan seperti abstrak persidangan, kesilapan atau penerbitan pendua di bawah tajuk yang berbeza.

Pengekstrakan data daripada kertas berstruktur. Jadual ciri pesakit, dos, saiz kesan — AI boleh mengekstrak ini daripada PDF teks penuh ke dalam helaian pengekstrakan data berstruktur, yang kemudiannya disahkan oleh dua pengulas manusia. Masa pengesahan adalah jauh lebih rendah daripada pengekstrakan manual penuh.

Sintesis dan sokongan penulisan. Mendraf huraian prosedur saringan bahagian kaedah, mendraf teks rajah alir PRISMA, meringkaskan jadual ciri-ciri-termasuk-kajian — AI membantu dengan menulis tanpa mengubah isi ulasan.

Terjemahan sumber bukan bahasa Inggeris. Jika ulasan anda termasuk kertas bukan bahasa Inggeris, terjemahan AI telah menjadi cukup dipercayai untuk menyokong kemasukan sumber ini. Dokumen alat yang digunakan dalam kaedah.

Where AI should NOT do the work

Penggunaan ini merentasi garisan ke dalam membuat keputusan substantif yang mesti dilakukan oleh penyemak manusia.

Termasuk/tidak termasuk keputusan. PRISMA memerlukan dua penyemak manusia bebas untuk kemasukan/pengecualian. AI boleh mengelaskan terlebih dahulu, memberi pangkat dan mempamerkan calon — tetapi keputusan yang mengikat mestilah manusia. Ini tidak boleh dirunding untuk pematuhan.

Risiko penilaian berat sebelah. Alat RoB memerlukan pertimbangan tentang reka bentuk kajian, pembutaan, pergeseran dan pelaporan. AI boleh meringkaskan perkara yang dikatakan oleh kertas mengenai setiap domain, tetapi penilaian berat sebelah itu sendiri mestilah manusia.

Penilaian kualiti dan gred bukti (GRED). Logik yang sama. AI meringkaskan; kadar manusia.

Tafsiran heterogeniti. Sama ada perbezaan antara hasil kajian mencerminkan heterogeniti klinikal, heterogeniti metodologi atau peluang merupakan panggilan penghakiman yang memerlukan kepakaran klinikal dan metodologi.

Sintesis dan kesimpulan akhir. Sintesis naratif, perbincangan tentang kekuatan dan batasan, implikasi klinikal — ini adalah sumbangan pasukan penyemak. AI boleh merangka bahasa awal, tetapi pertimbangan substantif adalah milik anda.

Pengesanan kandungan rekaan atau pembuatan kertas. Ironinya, pengesanan AI terhadap kajian rekaan masih tidak boleh dipercayai. Mata manusia pada kertas yang mencurigakan, serta alat seperti Penyaring Kertas Bermasalah, adalah standard semasa.

The reporting requirements

Jika anda menggunakan AI di mana-mana dalam semakan, PRISMA-trAIce memerlukan anda melaporkannya. Struktur yang memenuhi kebanyakan jurnal:

Dalam bahagian kaedah, subseksyen 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 penentukuran yang dijalankan pada abstrak [nombor] sebelum
saringan utama, klasifikasi AI bersetuju dengan konsensus manusia
keputusan dalam [peratusan]% kes. AI tidak digunakan untuk akhir
keputusan kemasukan atau pengecualian.

Dalam bahagian kaedah, subseksyen pengekstrakan 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 subseksyen khusus "Penggunaan AI" (kadangkala diperlukan secara berasingan):

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 had berkaitan AI: potensi bias sistematik dalam prapengklasifikasian, pergantungan pada alatan AI yang kerja dalamannya tidak telus, dan kemustahilan untuk menghasilkan semula gelagat AI sepenuhnya merentas versi model.

The workflow we recommend

Urutan yang memenuhi PRISMA-trAIce dan menggunakan kekuatan AI.

Langkah 1: Pradaftar protokol. Sebelum sebarang penggunaan AI, daftar semakan (PROSPERO untuk semakan perubatan; OSF untuk orang lain). Protokol menentukan kriteria kemasukan, strategi carian, kaedah penyaringan, pelan pengekstrakan, dan pendekatan sintesis. Nyatakan dalam protokol tempat AI akan digunakan dan caranya. Prapendaftaran yang menyebut AI jauh lebih kuat daripada pendedahan post-hoc.

Langkah 2: Jalankan latihan penentukuran. Pilih 100-200 abstrak daripada carian anda. Minta dua pengulas manusia menyaringnya secara bebas. Jalankan saringan AI pada set yang sama dengan gesaan yang anda rancang. Kira metrik perjanjian (Kappa Cohen, persetujuan peratus). Jika perjanjian AI di bawah 0.7 kappa atau 80% dengan keputusan manusia yang konsensus, perhalusi segera atau pertimbangkan semula penggunaan AI.

Langkah 3: Jalankan pas saringan AI utama. Dengan gesaan yang ditentukur, saring korpus abstrak penuh. Output: senarai berperingkat atau terperingkat. Pengulas manusia melihat kedudukan ini tetapi membuat keputusan bebas mereka sendiri.

Langkah 4: Saringan bebas dua pengulas. Setiap abstrak masih mendapat dua pengulas manusia. Klasifikasi AI ialah metadata, bukan undian. Percanggahan pendapat diselesaikan melalui perbincangan atau pengulas ketiga.

Langkah 5: Penapisan teks penuh dengan bantuan AI. AI boleh membenderakan pengecualian yang jelas pada peringkat teks penuh (bahasa yang salah, abstrak sahaja, kertas yang ditarik balik). Manusia membuat keputusan muktamad.

Langkah 6: Pengekstrakan data dengan bantuan dan pengesahan AI. AI mengekstrak nilai calon; dua pengulas manusia mengesahkan terhadap sumber. Log pengesahan itu sendiri menjadi bukti pematuhan.

Langkah 7: Risiko berat sebelah — manusia sahaja. Tiada AI dalam langkah ini.

Langkah 8: Sintesis — tulisan diterajui manusia, dibantu AI. Manusia mentafsir. AI membantu dengan merumuskan kajian untuk jadual kajian disertakan, mendraf bahagian kaedah dan menggilap prosa. Tafsiran substantif kekal sebagai manusia.

Langkah 9: Dedahkan secara menyeluruh. Bahagian kaedah melaporkan penggunaan AI seperti yang diterangkan di atas. Pernyataan pendedahan penggunaan AI yang lengkap muncul dalam perkara hadapan atau pengakuan. Gesaan penuh yang digunakan dimasukkan ke dalam lampiran.

Langkah 10: Audit prapenerbitan. Sebelum penyerahan, ahli pasukan kedua mengaudit langkah yang disokong AI untuk kelengkapan dokumentasi. Gesaan yang tiada, nombor versi yang tiada atau peratusan pengesahan yang tiada ialah pencetus penolakan yang biasa.

Common pitfalls

Ciri kajian halusinasi. AI kadangkala mengekstrak data yang tiada dalam kertas sumber — selang keyakinan yang tidak wujud, saiz sampel yang tidak sepadan, butiran intervensi yang direka daripada konteks. Pengesahan terhadap sumber adalah satu-satunya pembelaan. Jika pasukan anda tidak mengesahkan setiap nilai yang diekstrak, anda akan menerbitkan ralat.

Hanyutan segera merentas semakan. Semakan pertengahan yang diperhalusi segera mengubah gelagat AI pada item yang telah disaring. Jika anda menukar gesaan, dokumen sebab dan saring semula item yang terjejas.

Terlalu bergantung pada klasifikasi AI. Sesetengah pasukan telah mewakilkan keputusan kemasukan secara berkesan kepada AI dengan menganggap klasifikasinya sebagai berwibawa. PRISMA memerlukan keputusan manusia. Input AI adalah baik; Keputusan AI tidak.

Terlupa untuk mendokumentasikan penyelewengan. Apa-apa yang berbeza daripada protokol pradaftar mesti dilaporkan. Jika penggunaan AI berkembang semasa semakan, dokumentasikan evolusi. Perubahan proses tersembunyi dibenderakan pada semakan rakan sebaya.

Versi alat tidak konsisten. Kemas kini model AI. DeepSeek V3 yang menayangkan abstrak pada bulan Januari tidak sama dengan versi yang tersedia pada bulan Jun. Dokumentasikan versi dan julat tarikh setiap alat AI yang digunakan.

Ketepatan terjemahan diandaikan, tidak disahkan. Terjemahan AI adalah baik tetapi tidak sempurna, terutamanya untuk kandungan klinikal atau teknikal. Jika sumber bukan bahasa Inggeris disertakan, dokumenkan siapa yang mengesahkan terjemahan.

See the Full AI Summarizer

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

Frequently asked questions

S: Bolehkah saya memasukkan abstrak disaring AI dalam rajah aliran PRISMA saya?

Ya, tetapi dengan atribusi khusus. Rajah aliran PRISMA 2020 standard mempunyai medan untuk rekod yang dikenal pasti, rekod yang disaring, rekod yang dinilai untuk kelayakan dan rekod disertakan. Jika AI digunakan dalam penyaringan, tambahkan nota pada rajah atau kapsyennya: "Klasifikasi awal yang disokong AI digunakan untuk menentukan kedudukan abstrak; semua abstrak menerima saringan manusia bebas oleh dua pengulas." Sesetengah jurnal kini meminta gambar rajah aliran yang lebih terperinci yang memecah langkah yang disokong AI dan hanya manusia. Sambungan PRISMA-trAIce menyediakan templat untuk ini.

S: Bagaimanakah cara saya memetik alatan AI yang digunakan dalam semakan sistematik saya?

Petik model dengan versi dan tarikh capaiannya. Format standard: "[Nama Model], versi [X.Y], diakses [julat tarikh] melalui [titik akhir API / antara muka web] (pembangun: [Syarikat]). URL: [pautan ke dokumentasi jika tersedia]." Sesetengah jurnal memerlukan petikan yang lebih terperinci termasuk parameter API tepat yang digunakan. Semak arahan jurnal untuk pengarang. Konvensyen petikan alat AI masih berkembang — apabila ragu-ragu, masukkan lebih terperinci daripada kurang.

S: Apakah perbezaan antara PRISMA 2020 dan PRISMA-trAIce?

PRISMA 2020 ialah senarai semak pelaporan standard bagi systematic reviews, dikemas kini daripada versi 2009. PRISMA-trAIce (diterbitkan pada 2024) ialah peluasan yang menambah keperluan pelaporan untuk langkah yang disokong AI dalam proses semakan. Kebanyakan jurnal kini memerlukan kedua-duanya: PRISMA 2020 untuk pelaporan umum, PRISMA-trAIce untuk sebarang langkah yang disokong AI. Senarai semak trAIce mempunyai 12 item yang merangkumi dokumentasi alat, pelaporan prompt, metrik kalibrasi, dan prosedur verifikasi manusia. Jika anda menggunakan AI di mana-mana sahaja dalam systematic review, pastikan anda membincangkan PRISMA-trAIce dalam bahagian kaedah anda. Untuk panduan aliran kerja yang lebih menyeluruh yang melengkapkan yang ini, lihat Using AI to Speed Up Your Literature Review.

S: Adakah menggunakan AI dalam semakan sistematik saya mengurangkan peluang saya untuk diterima?

Berdasarkan pengalaman kami, penggunaan AI yang didedahkan dan didokumenkan dengan betul tidak menurunkan kadar penerimaan dan selalunya mempercepatkan semakan (kaedahnya lebih jelas dan lebih kukuh untuk dipertahankan). Yang menurunkan kadar penerimaan ialah penggunaan AI yang tidak didedahkan, penggunaan AI yang menggantikan pertimbangan manusia yang diperlukan, atau batasan berkaitan AI yang tidak diakui. Penyunting dan pengulas memberi respons kepada isyarat ketekunan dan ketelusan, bukannya keengganan untuk menggunakan AI. Ulasan sistematik yang menggunakan AI untuk saringan, melaporkan penggunaannya secara terperinci, memasukkan metrik kalibrasi, dan mengakui batasannya akan dianggap sebagai ulasan yang moden dari segi metodologi — bukan ulasan yang terkompromi.