做系统综述（systematic literature review）时，真正让很多初学者感到困难的，并不是“知道什么是系统综述”，而是如何把文献检索、筛选、数据提取和证据整合这些工作真正做起来。
一篇规范的系统综述通常需要经过明确的研究问题设定、检索策略设计、数据库检索、文献筛选、数据提取、质量评价以及最终综合等多个环节。PRISMA 2020 可以帮助研究者更加透明、完整地报告系统综述，但需要特别注意：PRISMA 是报告规范，并不是一套用于自动完成系统综述的方法学软件。
因此，对于刚开始接触系统综述的研究者来说，与其一开始就寻找一款“包办一切”的软件，不如根据自己的研究流程，选择一些简单、免费且能够解决具体问题的工具。
这里介绍3个比较有意思的免费工具：easyScieloPack、metagear 和 HubCAPES。它们分别对应文献检索、系统综述与Meta分析辅助，以及学位论文检索三个不同场景。
一、easyScieloPack：用R自动检索SciELO文献
如果你的研究主题涉及拉丁美洲、巴西、葡萄牙语文献，或者希望在系统综述中补充SciELO（Scientific Electronic Library Online）数据库，那么easyScieloPack值得了解。
easyScieloPack是一个R语言程序包（R package），主要用于以较简单的方式搜索和获取SciELO数据库中的学术文章。CRAN官方介绍显示，该工具提供了搜索和检索SciELO科学文献的接口。
它的价值并不在于替代PubMed、Web of Science或Scopus，而在于：当你的系统综述需要覆盖SciELO这一特定文献来源时，可以利用R进行更加程序化的检索。
对于系统综述而言，数据库选择本身就是检索策略的一部分。不同数据库收录的期刊和文献类型并不完全相同，因此，如果研究主题具有明显的区域性，仅依赖少数国际数据库可能会遗漏部分相关研究。此时，SciELO可以成为补充检索来源。
它适合什么场景？
例如，你正在开展一项关于拉丁美洲公共卫生、医学教育、护理、社会科学或其他区域性研究的系统综述，希望进一步检索SciELO中的相关论文，就可以考虑easyScieloPack。
它尤其适合已经使用R进行数据处理的研究者。因为将检索过程纳入R工作流后，可以减少大量重复性的手工操作，并为后续的数据整理和分析留下更加清晰的记录。
不过需要注意，自动化检索并不意味着可以自动完成系统综述。 检索式的构建、数据库选择、纳入和排除标准以及最终文献筛选仍然需要研究者根据研究问题进行设计和判断。
二、metagear：从文献筛选到Meta分析的R工具箱
如果说easyScieloPack主要解决“在哪里搜索文献”的问题，那么metagear解决的则是系统综述后续更加复杂的一系列任务。
metagear是一个用于系统综述（systematic reviews）、数据提取（data extraction）和Meta分析（meta-analysis）的R程序包。CRAN将其描述为一个功能较为全面的工具箱，用于支持研究综合（research synthesis）的多个环节。
它背后的设计思路非常值得系统综述初学者了解：一项研究综合并不是“搜索论文→写文章”这么简单，而是一个连续的数据处理过程。
metagear提供的功能覆盖了文献整理和筛选、数据提取以及Meta分析等多个阶段。例如，它包含用于标题/摘要筛选的GUI工具，也提供了一些与PDF、DOI、数据提取和Meta分析相关的函数。
它最值得关注的功能是什么？
对于刚开始做系统综述的人来说，文献筛选可能是最容易低估的一步。
当初步检索获得几百篇甚至几千篇记录后，研究者需要按照预先制定的纳入和排除标准，对标题和摘要进行初筛，再进一步阅读全文。对于多人合作的系统综述，还需要考虑筛选任务如何分配、如何记录筛选结果以及如何保证流程具有可重复性。
metagear提供了abstract_screener等工具，可以辅助研究者进行标题/摘要层面的筛选；同时还包含用于分配和汇总筛选工作的相关功能。
更进一步，它还涉及数据提取以及Meta分析所需的一些统计处理。因此，如果你已经在使用R进行科研数据分析，metagear可以作为系统综述工作流中的一个工具进行尝试。
该软件背后还有一篇专门介绍metagear的论文。Lajeunesse于2016年在 Methods in Ecology and Evolution 发表了题为“Facilitating systematic reviews, data extraction and meta-analysis with the metagear package for R”的论文，对这一工具的设计和用途进行了介绍。
它适合什么人？
metagear更适合已经具备一定R基础的研究者。
如果你完全不会R，那么刚开始使用metagear可能会有一定学习成本。但如果你已经能够使用R进行数据清洗、统计分析或者绘图，那么把系统综述中的部分工作逐渐转移到R环境中，会是一个值得尝试的方向。
尤其是在需要反复处理数据、记录分析过程或者强调可重复性的研究中，程序化工作流具有明显优势。
三、HubCAPES：别忽略学位论文中的研究证据
第三个工具与前两个不同。它不是R程序包，而是一个面向巴西学位论文和学位研究的在线检索工具。
HubCAPES的官方页面显示，该工具基于巴西CAPES学位论文与学位研究目录，目前提供约160万条1987—2024年的学位论文和博士论文记录。用户可以通过关键词搜索相关论文，并选择在标题、摘要、标题+摘要中进行检索。
这一点对于系统综述研究者尤其有价值，因为系统综述的检索对象不一定只能是正式发表的期刊论文。
某些研究结果可能首先出现在博士论文、硕士论文或其他学位研究中。如果研究主题比较新，或者某个领域存在较多未发表或非期刊形式的研究，那么学位论文可能提供一些额外的信息来源。
HubCAPES支持精确短语、AND、OR、NOT、邻近检索以及前缀匹配等搜索方式。例如，用户可以使用精确短语，也可以组合多个关键词进一步缩小检索范围。
更有意思的是，它还允许按照作者、研究领域和年份进一步筛选，并支持将检索结果下载为Excel文件。对于需要整理文献记录的研究者来说，这种设计比较实用。
为什么系统综述值得关注学位论文？
这里需要强调一个容易被忽视的问题：学位论文并不等同于“低质量文献”。
当然，学位论文的研究质量需要具体判断，不能因为它是博士论文或硕士论文就直接纳入系统综述。同样，也不能因为它没有发表在SCI期刊上就自动排除。
真正重要的是研究者在方案中提前规定文献类型的纳入标准，并对最终纳入的研究进行适当的质量评价和偏倚风险评估。
如果你的研究问题允许纳入灰色文献，那么学位论文可能成为值得考虑的信息来源。
这3个工具分别解决什么问题？
如果把一篇系统综述想象成一条完整的研究流水线，这3个工具实际上处于不同位置。
因此，不应该把它们理解成“三选一”的关系。
如果研究主题涉及SciELO文献，可以使用easyScieloPack进行补充检索；如果你希望利用R完成部分筛选、数据提取和Meta分析工作，可以尝试metagear；如果研究方案允许检索灰色文献，并且主题与巴西研究相关，则可以进一步使用HubCAPES。
使用免费工具做系统综述，最重要的不是“工具”
很多初学者容易陷入一个误区：认为只要找到合适的软件，系统综述就会变得简单。
实际上，工具解决的是执行效率问题，而不是方法学问题。
例如，PRISMA 2020主要用于规范系统综述的报告。官方指南提供了27项清单、扩展清单、摘要清单以及PRISMA流程图模板，用于帮助作者完整、透明地报告系统综述。
但PRISMA本身不会告诉你应该选择哪些数据库，也不会替你制定检索式、确定纳入标准或判断某篇论文是否符合研究问题。
同样，metagear可以帮助研究者进行标题和摘要筛选，却不能替研究者决定“什么研究应该纳入”；easyScieloPack可以帮助你检索SciELO，却不能保证你的检索式具有足够的敏感性和特异性；HubCAPES可以找到大量学位论文，但最终是否纳入仍然取决于你的研究方案。
因此，一个更加合理的系统综述工作流程应该是：
明确研究问题 → 制定纳入/排除标准 → 设计检索策略 → 多数据库检索 → 去重 → 标题/摘要筛选 → 全文筛选 → 数据提取 → 质量评价/偏倚风险评价 → 证据综合 → 按PRISMA规范报告。
工具只是嵌入这条流程中的不同环节。
系统综述初学者可以怎样开始？
如果你第一次做系统综述，不建议一上来就安装大量软件。更实际的方法，是先把自己的研究流程画出来，然后再判断每一个环节是否真的需要工具辅助。
第一步是先明确研究问题。医学和健康领域可以考虑PICO（Population, Intervention, Comparator, Outcome），其他学科则可以根据研究问题采用更加适合的框架。
第二步是建立检索策略。关键词不是简单地把研究题目复制到数据库搜索框中，而是需要围绕核心概念建立同义词、近义词、缩写和相关术语，并使用布尔运算符（Boolean operators）构建检索式。
第三步才是选择数据库。PubMed、Web of Science、Scopus、Embase、Cochrane Library等数据库各有特点，而SciELO等区域性数据库以及学位论文数据库，则可以根据研究主题进一步补充。
第四步是把检索过程完整记录下来。尤其是数据库名称、检索日期、完整检索式、检索结果数量以及后续筛选过程，都应该保存。PRISMA-S进一步针对系统综述的检索报告提供了16项建议，但需要注意，PRISMA-S同样是用于报告检索过程，而不是替代检索方法本身。
最后，再考虑哪些步骤值得自动化。如果只是做一个规模很小的课程作业，复杂的R工作流未必能够节省时间；但如果是一项正式的系统综述，尤其是涉及数千篇文献、多位研究者协作或者后续需要进行Meta分析，那么适当使用程序化工具就可能显著改善工作效率和可重复性。
写在最后
系统综述的核心竞争力从来不是“用了什么软件”，而是研究问题是否清晰、检索策略是否全面、筛选标准是否预先确定、数据提取是否规范，以及整个过程是否透明且可重复。
easyScieloPack、metagear和HubCAPES的价值，恰恰在于它们分别解决了系统综述工作流中的一些具体问题：一个帮助你检索SciELO，一个帮助你使用R开展研究综合相关工作，另一个帮助你发现学位论文。
对于刚开始做系统综述的研究者而言，这3个工具不一定是必需品，但它们非常适合作为了解“系统综述如何进行工具化和自动化”的入口。
如果你正在准备第一篇系统综述，可以先从最基础的工作开始：明确研究问题，制定纳入和排除标准，设计检索策略，并把每一步记录下来。 等研究流程稳定之后，再决定哪些步骤值得交给软件完成。这样往往比一开始就寻找所谓“万能系统综述软件”更加可靠。
需要特别提醒的是，本文介绍的是免费工具和资源，并不意味着它们能够替代专业数据库、人工判断或系统综述方法学指导。正式投稿前，仍应根据目标期刊和所属学科的规范检查检索策略、文献类型、偏倚风险评价和报告要求。PRISMA 2020官方资源可以作为报告阶段的重要参考。
