15种PubMed搜索策略回答临床问题的敏感性和预测价值gydF4y2Ba

简介gydF4y2Ba

在临床实践中，搜寻文献证据已成为一项核心技能[gydF4y2Ba1gydF4y2Ba］．医生对资讯的需求是相当大的[gydF4y2Ba2gydF4y2Ba-gydF4y2Ba4gydF4y2Ba]，而基于证据的决策往往需要识别和评估当前的研究成果[gydF4y2Ba5gydF4y2Ba］．正如Glasziou等人所评论的那样，“搜索引擎的使用现在就像听诊器一样重要”[gydF4y2Ba6gydF4y2Ba］．然而，鉴于医学知识的快速扩张，检索相关信息也变得越来越具有挑战性:PubMed现在包含超过2000万次引用[gydF4y2Ba7gydF4y2Ba]，每天新增2000-4000个[gydF4y2Ba6gydF4y2Ba]，包括75项临床试验和11项系统综述[gydF4y2Ba8gydF4y2Ba］．gydF4y2Ba

在过去的十年中，已经实施了一些解决方案来改善对当前研究的获取[gydF4y2Ba9gydF4y2Ba］．预评估资源，如循证医学期刊，或基于网络的摘要，如UpToDate [gydF4y2Ba10gydF4y2Ba]，已被许多临床医生采用[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba］．但这些资源受到延迟处理的限制[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba13gydF4y2Ba]，覆盖范围不足[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba14gydF4y2Ba]，或成本[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba］．因此，PubMed仍然是最受欢迎的检索原始研究的搜索引擎[gydF4y2Ba17gydF4y2Ba-gydF4y2Ba20.gydF4y2Ba]，单独或作为预估资源的补充[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．gydF4y2Ba

然而，搜索PubMed并不像搜索其他常用引擎(如谷歌)那样直观。虽然临床医生经常执行2-3个术语的非结构化短查询[gydF4y2Ba21gydF4y2Ba]，这些方法往往产生大量而稀释的产出。可提出更有效率的搜寻策略(gydF4y2Ba图1gydF4y2Ba)，使用现有的搜索工具，并根据专家的建议。首先，临床问题被翻译成搜索词，并使用布尔运算符(如OR, AND)组合成查询[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba］．使用总体、干预、比较、结果(PICO)框架有助于制定更精确的查询，将这四个因素的搜索词结合起来[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．使用限制可进一步减少输出的大小[gydF4y2Ba25gydF4y2Ba]或方法学过滤器，如PubMed的临床查询[gydF4y2Ba26gydF4y2Ba]，旨在检索治疗干预的高质量随机对照试验[gydF4y2Ba27gydF4y2Ba］．最后，其他策略，如使用PubMed中的相关文章链接，可以识别基于最初发现的相关文章的研究(gydF4y2Ba图1gydF4y2Ba［gydF4y2Ba28gydF4y2Ba])。gydF4y2Ba

关于搜索策略在回答临床问题时的表现的证据很少。一些小型研究评估了为临床医生提供搜索教程对检索专家确定的特定文章集的影响，但搜索策略无法进行比较，因为临床医生可以自由使用自己的非正式策略[gydF4y2Ba29gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba］．其他研究报告了搜索过滤器在检索高质量临床试验中的表现，但这些过滤器的评估独立于用户查询[gydF4y2Ba31gydF4y2Ba]或临床问题[gydF4y2Ba27gydF4y2Ba］．据我们所知，几乎没有证据可以帮助临床医生组织他们的搜索，并将现有的搜索工具组合成适用于护理点的有效策略。gydF4y2Ba

在本研究中，我们比较了15种PubMed搜索策略在检索相关临床试验时的表现，这些试验是由针对特定临床问题的高质量系统综述确定的。我们通过选择和组合以下搜索组件设计了这15种搜索策略，这些搜索组件很容易应用于护理点:使用PICO框架制定查询，使用临床查询治疗过滤器(广义或狭义)，使用几种搜索限制，以及使用PubMed链接到相关文章。我们的目标是确定搜索组件和工具，最有可能帮助临床医生回答有关护理点治疗干预的问题。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

方法gydF4y2Ba

相关物品鉴定系统评审样本gydF4y2Ba

对于特定的临床问题，进行良好的系统综述被认为是识别所有相关文章的金标准[gydF4y2Ba31gydF4y2Ba-gydF4y2Ba33gydF4y2Ba]，因为这意味着系统和全面的搜索，以及对文章的科学严谨性的评估。此外，最近的系统综述解决了存在相对不确定性的临床问题，因此是实际临床实践中可能出现的问题的一个很好的代理。gydF4y2Ba

我们根据最近的30项Cochrane系统评价(gydF4y2Ba表1gydF4y2Ba，gydF4y2Ba多媒体附件1gydF4y2Ba)．我们倾向于Cochrane综述，因为其公认的质量和方法的严密性[gydF4y2Ba34gydF4y2Ba-gydF4y2Ba36gydF4y2Ba]，并关注包括随机对照试验在内的综述，因为这些试验构成了有关治疗干预问题的最高水平证据。2010年2月，我们检索了Cochrane系统评价数据库[gydF4y2Ba37gydF4y2Ba]检索2010年初以来发表的所有关于治疗干预措施的综述。为了集中于最近的评论或最近更新的评论，我们将搜索限制在以下记录状态的引用:新评论、新搜索或结论更改。在287篇可能符合条件的综述中，我们排除了那些少于4项研究的文献(n = 113)，那些与普通读者不太相关的文献(n = 82)，以及那些具有复合问题，可能导致临床实践复杂查询的文献(n = 62)。其余30篇综述中包括的所有临床试验也可在PubMed中检索，定义了我们评估中使用的相关研究的子集。gydF4y2Ba

搜索词的提取与PICO查询的制定gydF4y2Ba

我们使用在应用搜索策略之前确定的预定义过程来选择搜索词。遵循PICO框架(gydF4y2Ba图1gydF4y2Ba)，我们将每篇综述摘要的目标和选择标准的确切措辞分为人群、干预措施、比较和结果四个部分[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．当我们在摘要中找不到其中一个类别的信息时，我们从方法部分检索相关的关键字(例如，干预类型或结果类型)。然后，对于每个PICO类别，我们提取出最能表达临床问题的最小搜索词集。该预定义程序由2名评估员(TA和AM)执行，均受过临床流行病学和循证医学培训。在学习阶段，他们一起从10个系统评论的试点样本中提取搜索词。然后，他们独立地从30篇研究样本的评论中提取PICO搜索词，并商定最能表达临床问题的最小一组词。他们以协商一致的方式解决分歧。最后，所有合著者，包括经验丰富的临床医生，都批准了保留的搜索词。在一半的综述中，PICO的比较组件与干预措施共享共同术语(例如，复合与单一干预措施)，在这些情况下，没有保留术语进行比较。搜索词提取的示例显示在gydF4y2Ba多媒体附件2gydF4y2Ba．gydF4y2Ba

要获得最终的搜索查询(gydF4y2Ba图1gydF4y2Ba)，在每个PICO类别内，将搜索词与布尔运算符OR结合，以提高灵敏度。然后将所有分类与AND结合，只检索与所有PICO元素匹配的引文[gydF4y2Ba22gydF4y2Ba-gydF4y2Ba24gydF4y2Ba］．例如，一项关于口服粘液溶解剂对患有稳定型慢性支气管炎或慢性阻塞性肺病(COPD)的成年人的影响的综述[gydF4y2Ba38gydF4y2Ba]，最后的完整PICO查询为gydF4y2Ba((慢性支气管炎)或COPD)和粘液溶解剂、安慰剂和加重)gydF4y2Ba．由一组单词组成的搜索词(如慢性支气管炎)被放在括号中，而不是引号中。所有30项查询的详细措辞可在gydF4y2Ba多媒体gydF4y2Ba．gydF4y2Ba

搜索策略设计gydF4y2Ba

搜索的目的和上下文决定了搜索策略的选择。我们的目标是确定搜索组件和工具，可以帮助临床医生建立更有效的策略来回答护理点的问题。因此，选择用于执行系统评价的复杂策略[gydF4y2Ba39gydF4y2Ba]，例如Cochrane高敏感检索策略[gydF4y2Ba40gydF4y2Ba，这是不恰当的。由于很少有证据表明策略适合我们的目的，我们设计了15种搜索策略(gydF4y2Ba表2gydF4y2Ba，gydF4y2Ba图1gydF4y2Ba)根据为数不多的专家建议[gydF4y2Ba22gydF4y2Ba-gydF4y2Ba24gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba，gydF4y2Ba29gydF4y2Ba-gydF4y2Ba31gydF4y2Ba］．我们偏爱在临床实践中适用且易于使用的搜索组件和搜索工具。gydF4y2Ba

因此，我们通过改变以下参数来获得策略。首先，搜索查询要么是完整的PICO查询，要么是不包括结果项的截断的PIC查询。尽管完整的PICO通常被推荐给临床医生，以帮助他们制定更精确的搜索[gydF4y2Ba22gydF4y2Ba-gydF4y2Ba24gydF4y2Ba]，这样的策略也可能会遗漏相关文章[gydF4y2Ba40gydF4y2Ba]，因为在PubMed的摘要或指定的医学主题标题(MeSH)中，结果很少被提及。此外，制定更短的PIC查询在实践中可能不那么繁重，可能更适合对许多潜在结果感兴趣的临床医生。我们使用PubMed的自动词映射输入搜索词，它系统地搜索MeSH词库中的每个词，以及“[所有字段]”标签(gydF4y2Ba多媒体附件2gydF4y2Ba)．我们没有使用限制MeSH术语来测试策略，因为很少有临床医生能够在实践中执行这一限制的必要步骤[gydF4y2Ba21gydF4y2Ba]，而在住院医生学习了搜索教程后，这一比例几乎没有增加[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

其次，我们将这些查询与治疗干预的临床查询的广义或狭义过滤器相结合。我们选择临床查询而不是其他过滤器，旨在提高高质量随机对照试验的检索[gydF4y2Ba39gydF4y2Ba]因为临床查询是专门为帮助临床医生回答他们关于治疗干预的问题而设计的，并在PubMed中实现[gydF4y2Ba27gydF4y2Ba］．要使用这些过滤器，临床医生只需要在PubMed的临床查询页面上输入他们的搜索词[gydF4y2Ba26gydF4y2Ba］．在学习了搜寻教程后，约80%的临床医生采用了“临床查询”[gydF4y2Ba29gydF4y2Ba］．第三，我们重复这些策略，增加搜索限制[gydF4y2Ba25gydF4y2Ba将搜索限制在英语引用和对人类的研究。重复以人类和英文为限制的PICO搜索，并进一步限制为一组119种核心医学期刊，这些期刊列于医学删节索引(AIM) [gydF4y2Ba28gydF4y2Ba］．我们没有进一步增加“临床试验[pt]”的限制，因为它在临床查询过滤器中是多余的。gydF4y2Ba

最后，最后3次搜索测试了PubMed到相关文章的链接，这是一个搜索工具，可以识别标题、摘要和索引项中的内容相似性[gydF4y2Ba41gydF4y2Ba］．为了在实践中使用这一工具，临床医生必须在第一次搜索输出中确定他们认为可能相关的引文(即最符合他们PICO问题的引文)，并点击相关文章的链接。然后，他们可以扫描一个新的搜索输出，根据与初始引用的内容相似度排序。为了测试这一策略，2名评估员(TA和AM)筛选了搜索#11的第一页(PICO，治疗狭窄过滤器，仅限于英语人类研究)，这是一种产生短输出的搜索策略(gydF4y2Ba表2gydF4y2Ba)，并一致确定了最接近相应PICO问题的3篇引文。为了符合临床医生在实践中遇到的情况，他们对综述中包含的引文进行了盲选。搜索性能是根据这3个引文的相关文章的每个输出进行评估的。我们在3次引用而不是1次引用的基础上执行了这一策略，以最大限度地减少初始引用选择的主观成分的影响。gydF4y2Ba

搜索性能分析gydF4y2Ba

我们对30个临床问题(总共450次搜索)中的每一个都应用了所有15种策略。我们将每次搜索限制在相应的审查被评估为最新的日期，以便搜索的时间框架与其相应的审查相同。对于每次搜索，我们收集输出中的文章数量、检索到的金标准文章数量以及它们在输出中的位置。然后计算每个搜索的灵敏度(也称为召回率:相关论文被检索的比例)及其正预测值([PPV]，也称为精度:输出对应相关论文的比例)，如中定义gydF4y2Ba图2gydF4y2Ba［gydF4y2Ba27gydF4y2Ba，gydF4y2Ba31gydF4y2Ba，gydF4y2Ba33gydF4y2Ba］．gydF4y2Ba

因为大多数医生只筛选PubMed输出的2页，或最多40个项目[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]，我们对搜索性能的主要结果是灵敏度和PPV。然而，我们也分析了完整搜索输出的总体敏感性和PPV，并进一步探讨了这些属性如何根据输出中筛选的项目的累积数量而变化。gydF4y2Ba

我们使用非参数统计和箱形图对30个临床问题的搜索策略进行了总结。使用Wilcoxon符号秩检验(成对)对过滤搜索和未过滤搜索进行比较。最后，我们探讨了检索性能是否根据相应文献的特点而有所不同。所有分析均采用R 2.12.1软件[gydF4y2Ba42gydF4y2Ba］．gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

结果gydF4y2Ba

系统评论的特点和相应的PICO查询gydF4y2Ba

这30篇系统综述涉及广泛的临床主题，由15个不同的Cochrane组编制，每组1-4篇综述。其中13篇(43%)的记录状态被标记为新评论，13篇(43%)的记录状态被标记为新搜索，结论没有改变，4篇(13%)的记录状态被标记为结论改变。他们纳入了15项研究的中位数(四分位范围[IQR] 7-23，范围5-49)，其中85% (IQR 66%-100%)在PubMed中可检索(gydF4y2Ba表1gydF4y2Ba)．这导致每次综述的中位数为12个相关临床试验(IQR 7-18)，我们认为这是每个临床问题的金标准。gydF4y2Ba

从综述摘要中提取检索词的预定义提取程序导致总体检索词的中位数为2 (IQR 1 - 2)，干预检索词的中位数为1 (IQR 1 - 2)，比较检索词的中位数为1 (IQR 0-1)，结果检索词的中位数为2.5 (IQR 2 - 3)。所需搜索词的数量是可变的，因为这些词是严格根据评论的问题量身定制的。事实上，这些有时更复杂或由单词分组组成(例如，全身性发作强直阵挛发作)。总体而言，PIC查询的中位数为4个词(IQR 3-6)， PICO查询的中位数为7个词(IQR 5-8)(有关详细措辞，请参阅gydF4y2Ba多媒体gydF4y2Ba)．gydF4y2Ba

搜索策略的表现gydF4y2Ba

我们观察到不同搜索策略的输出大小存在重要差异(gydF4y2Ba表2gydF4y2Ba)．未经过滤的PIC查询产生了最大的输出，中位数为173个条目，而PICO查询的输出大小减半。使用临床查询宽过滤器将输出减少约20%，使用窄过滤器将输出减少约80%。相比之下，基于相关文章的搜索通常会检索到数百篇文章。gydF4y2Ba

敏感性和阳性预测值(PPV)在每种搜索策略中也有很大差异(gydF4y2Ba图3gydF4y2Ba)．当对全部输出进行相关研究筛选时，PIC查询检测到约85%，PICO查询检测到69% (gydF4y2Ba图3gydF4y2BaA).当我们使用临床查询过滤器(有或没有限制)时，总体敏感性保持可比性，尽管临床查询狭窄过滤器与略低的总体敏感性相关(gydF4y2Ba表1gydF4y2BaA).相比之下，AIM限制的使用系统地将灵敏度降低到约15% (gydF4y2Ba图3gydF4y2BaA).基于相关文章的搜索的整体敏感性也变化很大，中位数约为60%。gydF4y2Ba

当相关文章的筛选限制在前2页(即40篇文章)时，未经过滤的搜索的敏感性下降到10%，PPV下降到2.5%-10% (gydF4y2Ba图3gydF4y2BaB).相比之下，所有使用临床查询狭窄过滤器的搜索策略(S4, S5, S10和S11)gydF4y2Ba表2gydF4y2Ba)的敏感性显著提高，整体约为50% (gydF4y2BaPgydF4y2Ba< .001(与对应的未过滤查询相比)和更高的PPV值，在20%到30%之间(gydF4y2BaPgydF4y2Ba< .001)在输出的前两页。当单独查看30个问题时，对一个查询添加临床查询狭窄过滤器可以增加21个问题(70%)的搜索敏感性，保持6个问题(20%)的稳定，并降低3个问题(10%)的搜索敏感性，而PPV在27个问题(90%)中增加(gydF4y2Ba表1gydF4y2BaB).此外，在PIC查询中添加临床查询狭窄过滤器，将前2页中没有找到相关文章的风险从11个问题(37%)降低到4个问题(13%)。广泛的临床查询过滤器并没有提高搜索性能;也没有搜索使用相关文章和附加使用限制。总体而言，PICO查询的性能略高于PIC查询，尽管差异在统计上不显著。gydF4y2Ba

根据输出中筛选的文章数量对搜索性能的探索表明，在未经过滤的搜索中，敏感性逐渐上升至约100条(gydF4y2Ba图4gydF4y2Ba)．相比之下，使用临床查询狭窄过滤器搜索的敏感性上升得更快，在筛选的50至60篇文章中达到峰值。最后，我们发现搜索性能与综述的特征(包括相关文章的绝对数量、总结其问题所需的PICO搜索词的数量或作为结果的死亡率)之间没有显著相关性(数据未显示)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

讨论gydF4y2Ba

根据临床问题的不同，所测试的搜索策略的表现有很大的差异。15种策略中没有一种在系统评价中检索相关文章时表现出一贯的高敏感性。即使是最好的策略也有大约50%的灵敏度，在30个问题中范围从0%到100%。因此，执行特定PubMed搜索的临床医生无法预见他们的搜索将在多大程度上成功。gydF4y2Ba

然而，平均而言，一些搜索策略比其他策略更成功。基于PIC或PICO查询的未经过滤的搜索，以及使用广泛的临床查询过滤器的搜索，产生了大量输出，在前两页内检索到的相关文章很少。相比之下，使用临床查询狭窄过滤器的搜索具有明显更高的敏感性(约50%-55%)和更高的PPV(约20%-30%)。在大多数临床问题上观察到这些改善的表现。除了对核心医学期刊的限制外，额外使用限制的效果甚微，这实际上降低了敏感性。最后，基于相关文章的搜索在前两页中检索到约三分之一的相关研究。然而，尽管按照内容相似度排名，他们的PPV仍然很低，因为他们还检索了数百篇不相关的文章。这可能是因为相关文章也会检索非随机试验的研究，与临床查询治疗过滤器形成对比。gydF4y2Ba

在护理点使用PubMed的临床医生喜欢2 - 3个术语的简短查询，没有任何限制或过滤器，通常只筛选输出的前2页(即20-40个条目)[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba31gydF4y2Ba］．我们的结果清楚地表明，这种策略将错过许多相关的文章。尽管这些策略可能会达到很高的整体敏感性，但相关的引用将分散在许多页面上，在现实生活中不会被筛选。为了增加输出中相关文章的密度(即PPV)，我们建议使用PIC(O)框架。包括5-8个词条的查询，整体敏感度约为85%，令人满意(gydF4y2Ba图3gydF4y2BaA).然而，当只扫描输出的前2页时，这是临床实践中通常发生的情况[gydF4y2Ba21gydF4y2Ba]，敏感性下降至约10%，PPV更低，为2.5%(相当于每筛选输出1篇相关文章的中位数)。gydF4y2Ba

为了提高可读输出中的搜索性能，一个重要的发现是临床查询狭窄治疗过滤器在识别PubMed输出的前2页中的相关研究方面的有用性。临床查询过滤器由Haynes等人设计[gydF4y2Ba27gydF4y2Ba该研究手工检索了161份临床期刊，这些期刊都确定了方法学上合理的随机对照试验。当应用于整个Medline数据库时，临床查询宽过滤器保留了99%的手工选择的研究，而窄过滤器保留了93% [gydF4y2Ba27gydF4y2Ba］．Hoogendam等人也发现了类似的结果[gydF4y2Ba31gydF4y2Ba］．我们的研究证实了临床查询过滤器在应用于特定临床问题时的高敏感性。一个令人惊讶的发现是，当我们只筛选搜索输出的现实部分时，窄过滤器的灵敏度比宽过滤器高;这是因为狭窄的过滤器将相关文章集中在输出的前几页。换句话说，在2页输出上评估的敏感性随着PPV的提高而提高。gydF4y2Ba

基于我们的结果，我们建议在护理点的临床医生通过结合窄过滤器制定PIC查询开始他们的PubMed搜索，然后根据输出大小和第一个筛选项目的相关性进行调整。如果此策略检索了太多不相关的引用，则可以添加描述结果的搜索词(完整的PICO查询)和进一步的搜索限制。在相反的情况下，可以停用过滤器，通过添加搜索词或使用第一个发现的相关研究的相关文章链接来获得敏感性。最后，一般的建议是筛选输出的第一页以外的内容，因为即使是最有效的策略也需要至少50到60个项目才能达到最大灵敏度(gydF4y2Ba图4gydF4y2Ba)．gydF4y2Ba

研究局限与优势gydF4y2Ba

我们研究的主要局限性是我们仅根据检索性能来评估搜索策略。这些搜索并不是由临床医生在护理点执行的，因此我们没有捕捉到基于试验和错误搜索PubMed的迭代过程[gydF4y2Ba43gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]，并无法评估实务中是否会指明有关条文。此外，我们没有研究搜索策略对医疗决策和患者结果的影响。然而，执行检索相关文章的搜索是其在临床实践中进一步使用的先决条件。此外，通过使用预定义的搜索程序，我们能够分离并比较与特定临床问题相关的搜索策略的几个组成部分的效果。当我们专注于检索时，我们认为每个相关的文章都是同等重要的，尽管事实可能并非如此。特别是，我们没有检查可归因于相关文章的次优识别的选择偏差。最后，我们的结果仅适用于临床试验评估的治疗性干预，不能推广到预防或诊断的问题[gydF4y2Ba32gydF4y2Ba］．对于后者，可以使用其他临床查询过滤器进行类似的研究，这些过滤器旨在改善对诊断或预后的高质量研究的检索[gydF4y2Ba26gydF4y2Ba］．gydF4y2Ba

在其优势中，我们的设计通过控制重要的变异来源，如临床医生的搜索技能或以前的知识，允许对策略进行无偏倚的比较[gydF4y2Ba29gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba］．这一探索比以往的研究更广泛、更系统。此外，测试的搜索策略依赖于在实践中很容易应用的搜索组件，因为它们直接在PubMed中实现。最后，我们使用有信誉的系统综述来确定特定临床主题的相关研究。gydF4y2Ba

结论及未来展望gydF4y2Ba

临床医生每天都在进行无数次PubMed搜索，但人们对这一活动的有效性知之甚少[gydF4y2Ba20.gydF4y2Ba］．我们已经证明，与临床查询窄过滤器一起使用的精心制定的PIC查询最有可能在可读输出中检索相关的临床试验。这些结果可以帮助临床医生建立更有效的策略，在护理点回答他们的问题，从而减少临床试验证据与实际实施之间的差距。进一步的研究应关注所选策略在实际实践中的表现和临床有用性[gydF4y2Ba45gydF4y2Ba］．同时，PubMed仍然是一个完美的工具。需要改进的领域包括针对特定临床学科的内容过滤器的开发[gydF4y2Ba46gydF4y2Ba]，或实施新的搜索界面，以帮助临床医生制定有效的查询[gydF4y2Ba24gydF4y2Ba]，并随意结合方法和内容过滤器进行并行搜索。gydF4y2Ba