藏药AI文献挖掘与证据自动合成
概述
本技能基于循证医学方法论与藏医药理论（三因学说、六味八性十七效、君臣佐使配伍），对藏药相关的临床或药学问题进行系统性证据挖掘与综合。核心输出是一份结构化的证据综合报告，涵盖从问题定义到最后结论的全链路。
触发词：藏药文献挖掘、藏药证据合成、藏药系统评价、藏药Meta分析、藏药PICO、藏药循证评价、藏药疗效证据、藏药安全性证据、红景天证据、藏药浴证据、某藏药的临床研究、藏药研究综述、某藏药的RCT、藏药古籍考证。
核心能力：
- 将模糊临床问题解析为结构化PICO框架
- 设计可执行的文献检索策略（古籍+现代数据库）
- 基于内部知识模拟文献筛选与数据提取
- 运用Cochrane/AMSTAR 2/NOS进行质量评价
- 定性+定量证据合成（含模拟Meta分析）
- GRADE证据分级与推荐强度判定
- 生成结构化的证据综合报告
工作流程
严格遵循以下七个步骤。任何一步都不可跳过，信息不足时诚实标注不确定性。
第一步：问题结构化（PICO框架）
将用户提出的藏药问题转化为标准化PICO框架：
| 维度 | 内容 | 示例 |
|---|---|---|
| P（人群/病症） | 明确目标人群和病症，注明藏医病机（如"隆偏盛""赤巴紊乱""培根失调""黄水偏盛"等），以及现代医学诊断（如"慢性胃炎""类风湿关节炎""高原红细胞增多症"） | P: 高原红细胞增多症（藏医：血隆偏盛）成人患者 |
| I（干预措施） | 藏药单味药/复方/炮制品，同时给出藏文名（如རྒྱ་མཚོའི་བདུད་རྩི་）、中文名、拉丁学名（若有）。注明剂型、剂量、疗程 | I: 红景天（སེང་ལྡེང་།，Rhodiola rosea），口服胶囊，每日2次，疗程4周 |
| C（对照） | 安慰剂/常规治疗/其他藏药/西医标准治疗 | C: 安慰剂或常规对症治疗 |
| O（结局指标） | 藏医症候改善（舌脉尿评分、隆/赤巴/培根证候积分）、现代医学指标（实验室指标、功能评分、影像学）、安全性（不良事件发生率、肝肾功能） | O: 主要：血红蛋白浓度降低；次要：藏医证候积分、血氧饱和度、不良反应发生率 |
输出格式：
PICO框架：
P = [详细描述]
I = [详细描述]
C = [详细描述]
O = [主要结局/次要结局/安全性]
若用户提供的信息不足以完整构建PICO，必须说明缺失了什么，并在有限信息下构建最佳近似PICO，标注"基于现有信息的近似框架"。
第二步：文献检索策略设计
生成两套检索策略（宽泛与精准），涵盖以下来源：
检索来源
| 类别 | 数据库/来源 | 说明 |
|---|---|---|
| 藏医药古籍 | 《四部医典》(རྒྱུད་བཞི།)、《晶珠本草》(ཤེལ་གོང་ཕྲེང་བ།)、《月王药诊》(སྨན་དཔྱད་ཟླ་བའི་རྒྱལ་པོ།)、《蓝琉璃》(བཻཌཱུརྻ་སྔོན་པོ།)、《医理宝贝》(མན་ངག་རིན་ཆེན་གྱི་བང་མཛོད།)等 | 检索关键词：藏药名（藏文/中文/音译）、方剂名、病症名 |
| 现代医学数据库 | PubMed、CNKI（中国知网）、万方数据、Cochrane Library、Web of Science、Embase | 需要设计中英文检索式 |
| 藏医药专题库 | 中国藏学网、西藏藏医药大学图书馆、青海藏医药专题数据库、中国民族医药数据库 | 灰色文献、会议论文、学位论文 |
| 临床试验注册 | ClinicalTrials.gov、中国临床试验注册中心（ChiCTR） | 已注册但未发表的研究 |
检索策略设计要点
- 同义词与音译词处理：藏药名可能存在多种音译，如"红景天"藏文"སེང་ལྡེང་།"音译可为"Sengldeng""Sengdeng""Sengdeng"；拉丁名"Rhodiola rosea"；现代研究可能使用提取物名"红景天苷""Salidroside"
- 复方药材拆解：若为复方（如四味藏木香汤散），需同时检索：
- 复方整方名（各个音译变体）
- 组成药材（如藏木香Inula racemosa、宽筋藤Tinospora sinensis等）
- 经典古籍中记载的原始方剂 - 布尔逻辑：使用AND/OR/NOT组合
输出格式
检索策略一（宽泛检索）
数据库: [名称]
检索式: [完整检索式]
预计命中: [大致数量级]
检索策略二（精准检索）
数据库: [名称]
检索式: [完整检索式]
预计命中: [大致数量级]
在执行检索时，若数据库实际不可访问，需明确标注"因工具限制，以下检索结果基于内部知识重构，非实时数据库检索"。
第三步：文献筛选与数据提取（基于内部知识模拟）
筛选优先级：
1. 系统评价与Meta分析
2. 随机对照试验（RCTs）
3. 非随机对照试验（NRCTs）/ 队列研究
4. 病例系列 / 病例报告
5. 古籍记载 / 临床经验
若为模拟数据，必须在每张表格下方或表头加注："⚠️ 以下数据基于内部知识重构，非真实数据库检索，仅供学习参考。"
纳入研究特征表格式
| 作者（年份） | 研究设计 | 样本量 | 干预组 | 对照组 | 疗程 | 主要结局效应量（95%CI） | 不良事件 |
|---|---|---|---|---|---|---|---|
| [作者名] | RCT/队列/病例系列 | N=[数字] | [干预详情] | [对照详情] | [时长] | RR/MD 数值，P=[值] | [描述] |
| ... | ... | ... | ... | ... | ... | ... | ... |
第四步：质量评价
根据研究设计选择对应工具：
| 研究设计 | 评价工具 | 评价维度 |
|---|---|---|
| RCT | Cochrane偏倚风险工具（RoB 2.0） | 随机化过程、偏离既定干预、缺失结局数据、结局测量、选择性报告 |
| 系统评价 | AMSTAR 2 | 16个条目（7个关键条目+9个非关键条目） |
| 观察性研究 | 纽卡斯尔-渥太华量表（NOS） | 选择（4分）、可比性（2分）、暴露/结局（3分） |
详细评价准则参见 references/quality-assessment-tools.md。
输出格式（以RCT为例）
| 条目 | 评价 | 理由 |
|---|---|---|
| 随机序列生成 | 低风险/有一些疑虑/高风险 | [具体理由] |
| 分配隐藏 | 低风险/有一些疑虑/高风险 | [具体理由] |
| 盲法（参与者/人员） | 低风险/有一些疑虑/高风险 | [具体理由] |
| 盲法（结局评估） | 低风险/有一些疑虑/高风险 | [具体理由] |
| 不完整结局数据 | 低风险/有一些疑虑/高风险 | [具体理由] |
| 选择性报告 | 低风险/有一些疑虑/高风险 | [具体理由] |
| 其他偏倚 | 低风险/有一些疑虑/高风险 | [具体理由] |
| 总体评级 | 低风险/有一些疑虑/高风险 | — |
第五步：证据合成
A. 定性综合
从以下角度分析：
1. 研究一致性：各研究结果方向是否一致？效应量范围？
2. 机制合理性：结合藏医理论解释——
- 三因学说（隆/赤巴/培根）：该药如何调节三因平衡？
- 六味八性十七效：药味、药性、药效与主治症候的对应关系
- 君臣佐使配伍：复方中各药味的协同与制约
3. 现代药理学：活性成分的作用通路、靶点、药理活性
4. 安全性信号：是否有集中出现的不良事件？严重程度如何？
B. 定量合成（模拟Meta分析）
若至少2篇RCT提供了可比数据，进行模拟Meta分析：
-
模型选择：
- I² < 50% → 固定效应模型（Mantel-Haenszel法）
- I² ≥ 50% → 随机效应模型（DerSimonian-Laird法）
- 若研究间异质性过大（I² > 75%且无法解释），放弃定量合成，解释原因 -
效应量选择：
- 二分类变量：风险比（RR）或比值比（OR）
- 连续变量：均值差（MD）或标准化均值差（SMD） -
合成结果输出：
┌─────────────────────────────────────────────────────────────┐
│ 森林图（文字模拟） │
│ │
│ 研究A ──────────■────────── 0.68 [0.52, 0.89] │
│ 研究B ────────■───────── 0.72 [0.55, 0.94] │
│ 研究C ────────────■─────── 0.81 [0.63, 1.04] │
│ │
│ 合并 ────────────■────── 0.73 [0.63, 0.85] │
│ │
│ 异质性: I² = 12%, P = 0.32 │
│ 合并效应量: RR = 0.73, 95%CI [0.63, 0.85], P < 0.001 │
│ 模型: 固定效应模型 │
│ │
│ 解释: 合并结果表明[该干预]可降低[结局]风险约27% │
└─────────────────────────────────────────────────────────────┘
> ⚠️ 该森林图为基于内部知识的模拟，非真实Meta分析计算结果。
- 亚组分析/敏感性分析（若适用）：
- 亚组：按剂量/疗程/疗程长短/病症严重程度分层
- 敏感性：逐一剔除研究，观察合并结果稳定性
C. GRADE证据概要表
| 结局指标 | 研究数 | 研究设计 | 偏倚风险 | 不一致性 | 间接性 | 不精确性 | 发表偏倚 | 证据质量 | 重要性 |
|---|---|---|---|---|---|---|---|---|---|
| [结局名] | [N] | RCT/观察性 | 不降级/-1/-2 | 不降级/-1/-2 | 不降级/-1/-2 | 不降级/-1/-2 | 不降级/-1 | 高/中/低/极低 | 关键/重要/一般 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
降级规则：
- 偏倚风险：多数研究有高风险(-1)或普遍高风险(-2)
- 不一致性：中等异质性(-1)或高度异质性(-2)
- 间接性：人群/干预/结局/对照存在差异(-1)或显著差异(-2)
- 不精确性：样本量不足或置信区间宽(-1)或非常宽(-2)
- 发表偏倚：有疑似发表偏倚(-1)或强烈怀疑(-2)
推荐强度：
- 强推荐：获益明显大于风险，或GRADE高质量证据一致支持
- 弱推荐：获益与风险相近，或GRADE中/低级证据支持
- 不推荐：证据不足或矛盾
- 反对：风险大于获益
第六步：结论与实践提示
有效性总结：
- 对[特定病症/证型]的疗效：[结论]
- 证据总体质量：[高/中/低/极低]
- 效应量大小：[数值及解释]
安全性总结：
- 常见不良事件：[列表]
- 严重不良事件：[列表，如有]
- 禁忌人群：[藏医禁症（如"隆偏盛者慎用热性药"等）与西医禁忌]
适用人群与禁忌：
- 最可能受益人群：[基于藏医辨证与现代诊断的描述]
- 不适用或慎用人群：[描述]
研究差距与未来方向：
1. [具体差距1，如：缺乏大样本多中心RCT]
2. [具体差距2，如：藏医证候评估工具未标准化]
3. [具体差距3，如：作用机制缺乏现代药理学解释]
...
建议优先开展的下一步研究：[具体建议]
第七步：输出格式
最终报告必须包含以下完整板块：
═══════════════════════════════════════════════════════════
藏药AI文献挖掘与证据自动合成报告
═══════════════════════════════════════════════════════════
① 结构化问题
PICO框架：...
② 检索策略
宽泛检索：...
精准检索：...
③ 纳入研究特征表
[表格]
④ 质量评价结果
[逐研究评价]
⑤ 证据合成
[定性综合]
[定量合成（如适用）]
[GRADE概要表]
⑥ 讨论与结论
[有效性/安全性总结]
[适用人群与禁忌]
[研究差距与未来方向]
⑦ 声明
本报告由AI基于内部知识生成，仅供学习参考，不能替代
专业医学建议或系统检索。实际决策应咨询藏医临床医师
或循证医学专家，并进行完整的数据库检索。
使用约束与诚实声明
- 信息不足时：必须诚实指出"当前信息不足以得出可靠结论"，而非强行合成。
- 模拟说明：凡基于内部知识重构的数据，必须标注"⚠️ 基于内部知识重构，非真实数据库检索"。
- 不确定性标注：每个结论旁标注确定性等级："高度确信/中度确信/低度确信/纯属推测"。
- 不替代专业意见：始终保留"本报告仅供学习参考"的声明。
资源文件
references/
quality-assessment-tools.md— Cochrane RoB 2.0、AMSTAR 2、纽卡斯尔-渥太华量表详细评价准则grade-framework.md— GRADE证据分级详细规则
scripts/
meta-analysis-simulator.py— 模拟Meta分析计算（固定/随机效应模型、异质性I²计算、基本森林图文字生成）
删除不需要的示例文件。
