编辑推荐:
Polaris是一款基于R语言的开源软件,通过统一的图形用户界面自动执行PubMed、Scopus、ScienceDirect和Semantic Scholar的文献检索。该平台标准化元数据收集流程,以RIS格式导出结果,维护全面的检索日志,并支持符合PRIS
Polaris是一款基于R语言的开源软件,通过统一的图形用户界面自动执行PubMed、Scopus、ScienceDirect和Semantic Scholar的文献检索。该平台标准化元数据收集流程,以RIS格式导出结果,维护全面的检索日志,并支持符合PRISMA原则的可重复性文献综述工作流。实时监控提高了透明度和效率,同时减少了人工操作与检索错误。针对官方数据库网页界面的验证显示,两者在检索数量上具有近乎完美的一致性,证实了该软件的可靠性。此外,Polaris为研究人员开展可重复性的多数据库文献检索提供了一种可扩展、可追踪且高效的解决方案。
近年来,文献综述(Literature Review, LR)作为综合既往研究证据、识别研究空白并规划未来方向的重要方法,已在健康科学、地理学、气候科学等多个领域得到广泛应用。然而,传统文献检索流程高度耗时,尤其是在多数据库检索、补充检索及人工筛查阶段。目前已有的工具如Covidence和Rayyan主要支持筛选与去重环节,而针对检索阶段的自动化工具仍较为缺乏。此外,检索过程中存在主观偏差(如数据库及检索词的选择)和技术性错误(如元数据不完整、导出受限等),严重制约了综述的可重复性与可审计性。为应对上述挑战,研究人员开发了Polaris——一款基于R语言的开源自动化文献检索系统,旨在通过统一的图形用户界面连接PubMed、Scopus、ScienceDirect和Semantic Scholar四大数据库,并遵循PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses,系统综述与元分析优先报告条目)框架,以标准化检索流程、降低人为误差并提升透明度。Polaris的核心贡献在于将检索阶段自动化,结合全面的执行日志、元数据协调及可重复的RIS导出功能,为后续筛选和去重提供高质量输入。
Polaris的系统架构采用两层结构:前端为基于R Shiny的图形用户界面,负责检索参数配置与进度监控;后端为模块化处理引擎,包含软件环境配置、目录与文件管理、数据库特定检索函数以及核心后端引擎四个阶段,并通过异步执行层支持长时间运行任务。为实现可追溯性,系统设计了三级日志机制:第一级实时更新监控仪表盘,第二级为主日志(Master Log),记录查询执行的日期时间、来源数据库、查询结构、检索记录总数、导出RIS文件名及检索状态;第三级为各数据库独立日志,结构与主日志一致。针对不同数据库的API语法差异,Polaris实现了定制化查询处理:PubMed查询不经修改直接提交至NCBI搜索引擎;Scopus查询自动包裹于TITLE-ABS-KEY字段中;ScienceDirect直接传递原始查询;Semantic Scholar则将布尔运算符转换为该平台要求的语法格式。软件实现依赖R≥4.5.1环境及httr、jsonlite、dplyr、stringr、purrr、xml2、zip等R包。在验证研究中,研究人员将Polaris的检索结果与三个数据库(PubMed、Scopus、ScienceDirect)的官方网页接口进行对比,共执行60个检索式(每数据库20个),并采用线性回归、Pearson相关系数、Bland-Altman分析及相对百分比差异等统计方法评估一致性,完整验证数据集公开于GitHub仓库和Zenodo存档中。
研究结果部分分述如下。
多数据库检索功能的实现:Polaris针对每种数据库设计了专用检索工作流。PubMed通过NCBI E-utilities API的〈esearch〉端点统计记录总数并获取PMID,〈efetch〉端点提取XML格式摘要,〈summary〉端点获取含标题、作者、期刊类型、年份、摘要及DOI的JSON格式元数据,请求间隔0.4秒以符合PubMed策略。Scopus经由Elsevier API的〈content/search/scopus〉端点,以TITLE-ABS-KEY格式提交查询,通过〈start〉和〈count〉参数实现分批检索。ScienceDirect采用相同身份验证机制,查询提交至〈content/search.sciencedirect〉端点,记录总数从JSON响应中的〈opensearch:totalResults〉字段提取。Semantic Scholar则通过〈/graph/v1/paper/search/bulk〉端点实现批量检索,支持布尔表达式,并以连续令牌控制分页。上述设计在保留用户检索策略逻辑结构的同时,有效兼顾了各API的语法与限制差异。
验证研究的性能评估:在60个检索式的系统比较中,散点图呈现两种方法之间近乎完美的线性关系(Pearson相关系数r=1.000,决定系数R2=1.000),观测点紧密分布于恒等线周围。Bland-Altman分析显示平均偏倚为-7.92条记录,鉴于部分检索结果超过5000条,该绝对差异仅占总检索量极小比例,且几乎所有观测点均落入95%一致性界限内,表明不存在实质性系统偏差。相对差异分析显示平均相对差异为-0.15%,中位数为0.00%,说明大多数检索的数量完全一致。按数据库分层分析显示PubMed和Scopus一致性最高,ScienceDirect虽出现少量较大偏差,但其幅度相对于总记录数量依然有限。log10转换后的Bland-Altman分析估计偏倚为-0.0007对数单位,证实差异不随检索规模增大而增加,软件在小规模和大规模检索中均保持稳定一致性。
系统局限与应用案例:各数据库API存在固有检索上限,PubMed在无API密钥时每检索式限制10,000条,ScienceDirect上限为6,000条,Semantic Scholar仅返回前300条结果且因API与网页差异未纳入验证。Polaris在达到API上限时被认定为成功复现了API可获取的最大记录数。在实际应用中,Polaris已应用于两项研究:一项关于美国户外工作者热暴露的批判性综述成功处理了来自多数据库的约100,000条记录;另一项关于人类对蛇类态度与行为的系统综述中,通过布尔运算符和括号及星号修饰检索式,初步检索获得21,734条记录,验证了软件在大规模复杂检索中的可靠性。
讨论部分指出,Polaris通过标准化检索流程、完整的日志记录架构和RIS格式导出,有效弥补了现有文献管理工具在检索阶段的自动化缺口。其三级日志系统详细记录了查询执行时间、数据库来源、检索数量及执行状态,显著提升了证据综合过程的可审计性与透明度。软件的模块化结构和开源特性使其易于扩展,未来计划纳入IEEE(Institute of Electrical and Electronics Engineers,电气与电子工程师协会)数据库和Scielo(Scientific Electronic Library Online,科学电子图书馆在线)以扩大拉丁美洲文献覆盖。研究结论认为,Polaris作为一款便携式开源R包,结合了用户友好界面与RIS导出功能,并自含全部运行所需的R包,对不熟悉R语言的研究人员同样可及。通过提供多数据库检索系统,Polaris将文献检索从高度人工且依赖特定平台的过程转变为更标准化、可追溯和可重复的工作流,为大规模跨学科证据综合提供了可靠的技术支撑。