使用场景

面向健康科学与医学研究的 PapersFlow

借助 ICD-11 分类、系统综述工作流、通过 ClinicalTrials.gov 进行临床试验检索,以及在 Python 沙盒中开展统计分析来完成医学文献综述——由 Semantic Scholar 和 OpenAlex 提供支持。

通过 Semantic Scholar 和 OpenAlex 检索临床文献,使用 ICD-11 进行分类,运行系统综述工作流,查询 ClinicalTrials.gov,并在 Python 中分析数据——专为医学研究人员打造。

医学研究人员必须综合来自临床试验、观察性研究和 Meta 分析的证据——而这些研究各自具有不同的设计、终点和报告标准。一个临床问题可能需要检索 PubMed、筛选数百篇摘要、提取结局数据、运行 Meta 分析统计,并按特定期刊格式整理结果。ICD-11 分类系统又增加了一层复杂性。现有工具可以处理单个步骤,但没有一个能够整合完整的临床证据工作流。

你可以做什么

  • ICD-11 分类(8 个工具)
  • 系统综述工作流
  • 临床统计与 Meta 分析
  • 森林图生成

工具

对比

Frequently Asked Questions

PapersFlow 能否替代 Covidence 或 Rayyan 用于系统综述?
PapersFlow 提供自动化系统综述工作流,支持多数据库检索、去重和 AI 辅助综合。对于符合 PRISMA 的正式双评审筛选及冲突解决日志,你可能仍希望将 PapersFlow 与 Covidence 或 Rayyan 配合使用。
ICD-11 分类是如何工作的?
PapersFlow 提供 8 个 ICD-11 工具,用于搜索编码、在不同编码系统之间进行映射,以及对论文中提到的病症进行分类。这有助于你在异构研究之间标准化研究人群和结局的分类方式。
我可以直接生成森林图吗?
可以。你可以在 Python 沙盒中使用 matplotlib 生成森林图。手动输入效应量和置信区间,或让 AI 从论文中提取,然后生成带有异质性统计(I-squared、Q-test)的发表级图表。
它会在 ClinicalTrials.gov 中检索正在进行的试验吗?
会。PapersFlow 会将 ClinicalTrials.gov 与学术文献一并查询。这有助于你识别已注册但未发表的试验、查找已发布结果的研究,并评估与你的临床问题相关的已发表证据基础是否完整。