机器辅助筛选文献，系统综述怎样报告人机分工？

系统综述检索到数万条记录，团队用机器学习分类器优先排序，甚至自动排除一批记录。投稿时若只写“使用人工智能提高筛选效率”，读者不知道哪些文献仍由人阅读、哪些可能因模型判断而从未进入全文评估。机器辅助筛选的透明度重点是分工和遗漏风险，不能把工具名称当作方法说明。

画出记录经过工具的路径

方法段列出检索后记录数、去重后数，以及工具介入的准确位置：是在题名摘要前自动删除、按相关性排序供人阅读，还是辅助标出关键词但不做最终决定。说明工具名称、版本、训练资料、适用语种、是否用本次综述已筛样本继续训练。若设定停止筛选规则，写出阈值、停止时剩余记录数及如何评估漏掉合格研究的可能。人工复核采用全量、抽样还是专门复核低分记录，也要量化。软件输出若能重现，保留参数和日志。

自拟例子中，去重后有8000条记录，分类器把2000条标为低相关，研究者只抽查其中100条。方法不能把这2000条写成“双人独立筛除”，因为1900条未被人工看过；流程图要把自动排除数量单列，并解释抽查样本怎样选、是否发现漏筛。若工具只负责排序，最终全部8000条都经人工判断，则描述应不同，流程图也不应把排序结果记作自动排除。两种流程对可漏掉研究的风险并不一样。

让验证证据与研究任务一致

工具在随机试验综述中表现好，不代表在罕见病、中文报告或非标准术语的研究中也有相同召回。作者应说明训练和验证资料与本次纳入标准的关系，若做过本项目内部验证，提供样本、判定基准和发现的错误类型。没有可靠验证时，谨慎使用自动排除，把工具用于排序和提示，并说明剩余记录如何处理。用工具抽取全文信息时，还要另报字段核对程序，不能将筛选与资料提取混在一句话里。

PRISMA 2020解释文件要求报告自动工具在研究选择中如何使用，并在流程图中列出工具判为不合格而在筛选前排除的记录。Cochrane手册讨论机器学习辅助筛选的效率与敏感性权衡，并强调具体工具需适合任务。这些资料认可工具可以节省工作，但不能让“机器辅助”替代参与者流向和人工职责的报告。

投稿前从筛选日志重建8000条记录的去向，核对2000条低分记录中哪些被抽查、哪些从未被人看过。摘要若声称“双人筛选所有文献”，应改成真实分工。那1900条未经人工阅读的记录，不能因为工具参与了流程，就在报告里变成已由两人筛查。

参考信息：PRISMA 2020系统综述报告指南及解释；Cochrane系统综述手册。