发布日期:|最后更新日期

快速回答: 创新研究方法是指比您所在领域的标准做法更新的方法,例如人工智能辅助筛选、人工智能辅助定性分析、动态系统评价、目标试验模拟、平台试验、公民科学、无人机、虚拟现实、可穿戴设备、文本挖掘和社交媒体分析。选择方法时,应根据您必须回答的问题以及已发表的验证证据,而不是根据其新颖性。在一项已发表的针对 984 篇摘要的人工智能筛选测试中,其敏感性相对于人工审阅者在 56.2% 到 77.5% 之间,因此人工审核仍然是必要的。1

什么是创新研究方法?

创新研究方法是指比某一领域标准做法更新的技术或设计。有些方法改变了证据的发现方式,有些方法改变了无需试验即可回答因果问题的方式,还有一些方法改变了数据收集方式。下表列出了以下十二种方法,并附有参考文献中列出的首要检查项。

付款方式健康请先核实(来自引用的来源)
人工智能辅助筛查证据综合中的标题和摘要筛选对保留测试集上人类决策的敏感性
生活系统评论一些研究领域,相关证据正在迅速涌现,并可能改变实践。新证据将如何被发现和添加?
目标试验仿真当无法进行随机试验时,如何解答因果关系问题?书面目标试验方案和 TARGET 清单
平台和主方案试验精准肿瘤学设计旨在测试多种治疗方法符合您的领域和监管机构的要求;引用的综述是基于肿瘤学的。
公民科学结合专业调查的观察志愿者积极性、自信心、培训和数据准确性
机器学习辅助的公民科学大量的化石或人工制品四阶段工作流程:准备、执行、实施、迭代
无人机电调非侵入性野生动物采样和藻类水华监测验证传感器数据和适用的飞行规章
虚拟现实在沉浸式环境中研究记忆和学习VR效果能否迁移到现实世界
消费类可穿戴设备步数和身体活动测量针对您的设备,请验证其是否符合 INTERLIVE 域的要求。
文本挖掘文本数据集过大,无法手工阅读。在标记测试数据上验证分类器
人工智能辅助定性分析文本数据的早期编码和主题开发人工验证、引用来源核对以及报告的模型设置
社交媒体分析绘制跨平台对某一主题的公开讨论图计算结果是如何验证的,而不仅仅是情感极性。

左右滑动即可查看每一列。

12种创新研究方法及其证据

每条条目都说明了该方法是什么,以及已发表的文献对此进行了怎样的描述。每条条目下方的“适用场景”和“如何开始”部分重述了引用文献的描述或建议;如果某个步骤是我们自己的建议,则会注明“我们建议”。大多数条目都基于引用论文的摘要,而非全文。

1. 人工智能辅助文献筛选

大型语言模型可以被引导,将综述的纳入标准应用于标题和摘要。一个为动态系统综述构建的 GPT-4o 提示集,在全文筛选后最终纳入的研究中达到了 100% 的敏感度。对于人工在标题和摘要阶段纳入的记录,敏感度在更新过程中从 58% 到 100% 不等,作者模拟的工作量减少了 65% 到 85%。<sup> 2</sup>下面的示例展示了另外两个模型在另一篇综述中的表现。<sup> 1</sup>

适用场景:证据综合项目,需要检验大量记录和人工筛选决策;该研究以一项动态综述的决策作为参考标准。2如何开始:将您的记录分为开发集和测试集,完善开发集中的提示信息,并像该研究一样,报告测试集中针对人工决策的敏感性。2

2. 生活系统评价

动态系统评价会不断更新,将相关的新证据纳入其中。其作者提出动态系统评价是为了解决系统评价难以保持更新,以及更新不足会降低其时效性、准确性和实用性的问题。3

适用场景:当研究证据迅速涌现、现有证据尚不明确,且新的研究可能改变政策或实践决策时。3如何着手:明确如何识别和添加新的证据,因为持续更新是该定义所要求的。3

3. 目标试验模拟

目标试验模拟利用观察性数据,通过明确模拟一项假设的实用性随机试验,来回答关于干预措施效果的因果问题,尤其是在无法开展或不可行的真实试验时。2025 年 TARGET 声明提供了一份包含 21 个项目的清单,分为六个部分。该清单要求作者详细说明目标试验方案(包括因果估计量、识别假设和数据分析计划),展示如何将其映射到观察性数据,并报告敏感性分析。<sup> 4</sup>

适用场景:当需要比较干预措施的效果,但无法进行随机对照试验或随机对照试验不可行时。TARGET 涵盖了平行组、个体随机对照试验的模拟,并对基线混杂因素进行了调整,因此请检查您的设计是否符合此范围。4如何开始:在分析数据之前编写目标试验方案,说明每个要素如何与您拥有的数据相对应,并计划清单要求您报告的敏感性分析。4

4. 平台和主方案试验

精准医学试验设计综述指出,篮式试验、伞式试验、主平台试验和N-of-1研究等设计正逐渐取代标准的I期、II期和III期试验方案,从而能够更快地评估治疗效果。5

适用场景:精准肿瘤学,即根据分子特征匹配治疗方案;该综述正是基于此背景撰写,并指出部分(但并非全部)新型试验表明,匹配治疗比非匹配治疗具有更好的疗效。5如何开始:在选择方案之前,请阅读该综述中对每种方案的优势、局限性和挑战的描述,并确认该方案是否符合您的研究领域和监管机构的要求。5

5. 公民科学

2025 年的一项栖息地监测综述总结了一项针对 458 名生物多样性志愿者记录员的调查。现有记录员愿意考虑进行栖息地记录,但许多人缺乏信心,一些人缺乏动力。作者构建了一个包含六个问题的设计框架,旨在解决志愿者的动机和信心与数据准确性之间的相互作用。该框架涵盖了目标清晰度、志愿者成本、方案复杂性和采样规模,这些因素都会影响志愿者所需的培训和支持。<sup> 6</sup>

适用场景:当您需要观测或栖息地数据,而专业调查无法覆盖其范围和规模时;该综述将公民科学视为专业调查和地球观测的补充。6如何开始:在招募参与者之前,请针对您自己的项目回答六个框架问题,并查看您的方案中的准确性证据,因为摘要中没有报告准确性数据。6

6. 机器学习辅助的公民科学

一项对古生物学和考古学项目的回顾提出了一种将机器学习与志愿者贡献相结合的四阶段工作流程:准备、执行、实施和迭代。该回顾指出,收集化石和人工制品等物体的数据与收集生物多样性监测中的观测数据有着不同的要求。7

适用场景:大型化石或文物收藏,在这种情况下,公民科学和机器学习可以互惠互利。7如何启动:将这四个阶段作为项目计划,并将任务分配给公民科学任务、机器学习开发、研究、利益相关者参与以及应用程序或基础设施开发等各个角色。7

7. 用于实地数据的无人机

一项范围界定综述确定了自2010年以来发表的136项利用无人机研究野生动物生态生理学的研究,其中重点研究物种偏向海洋哺乳动物,尤其是鲸类。<sup> 8</sup>一项针对2025年基于无人机的有害藻华监测的综述指出,验证、监管缺口以及与健康风险框架的整合是持续存在的挑战。<sup> 9</sup>

适用场景:对野生动物进行非侵入性采样,主要获取标准颜色传感器采集的体况和形态测量数据<sup> 8</sup>;以及作为卫星和现场监测方法的补充,监测藻类水华<sup> 9</sup> 。如何着手:查阅适用的飞行法规(藻类水华评估报告已将其列入考虑因素之一),并规划如何验证传感器数据,因为验证是报告中提到的持续性挑战之一<sup> 9</sup> 。

8. 虚拟现实实验

一篇关于虚拟现实在情景记忆研究中应用的综述指出,相关文献分散在多个学科领域,并使用不同的实验设备,这使得我们难以判断研究间的差异究竟反映的是真正的理论差异还是方法论上的差异。<sup> 10</sup>

适用场景:研究沉浸式环境中的学习和情景记忆,包括沉浸感如何影响记忆,以及这种影响是否能从虚拟现实迁移到现实世界。10如何开始:记录硬件和软件信息,因为综述发现不同研究使用的设备各不相同。我们建议增加一个现实世界的对比条件,因为综述指出,目前对于虚拟现实中的学习与现实生活中的学习有何异同知之甚少。10

9. 消费级可穿戴设备

INTERLIVE关于消费者可穿戴设备和智能手机步数统计的专家声明指出,许多消费类设备的有效性尚未经过严格、透明的评估,并提供了一份验证研究清单。<sup> 11</sup>

适用场景:使用消费级可穿戴设备或智能手机通过步数统计来测量身体活动。11如何开始:使用该声明的六个领域(目标人群、标准测量、指标测量、验证条件、数据处理和统计分析)来设计和报告一项验证研究;它提供了步数计数器的基本和高级方案。11我们建议您在使用前,先核实针对您所使用的设备和预期结果的验证证据。

10. 大型文本源的文本挖掘

一项针对亲密伴侣暴力研究中计算文本分析的系统性综述,共纳入了来自八个数据库的22项研究。文本挖掘能够让研究人员获取大量数据集,例如来自社交媒体或组织的数据集,这些数据集规模庞大,难以进行人工分析。<sup> 12</sup>

适用场景:来自社交媒体或规模过大而无法手动分析的组织的数据集;该综述仅涵盖一个领域,因此请检查其证据是否适用于您的领域。12如何开始:选择监督式或非监督式方法(纳入的研究使用了基于规则的分类、机器学习、深度学习和主题建模),并在预留的标记测试集上或使用 k 折交叉验证进行评估,就像大多数纳入的研究那样,并报告准确率和 F1 值。12

11. 人工智能辅助定性分析

2026 年一项对 75 项研究进行的范围界定综述发现,大型语言模型被广泛应用于定性研究中,最常用于辅助编码(43 项研究)和主题识别(41 项研究),其中主题分析是最主要的方法(38 项研究)。模型与人工编码员的一致性在 36% 到 99% 之间。<sup> 13 </sup> 2026 年一项对 42 项健康研究进行的快速综述发现,对于描述性主题,一致性通常高于 80%,但对于具有文化细微差别的主题,一致性约为 30%,并且报告了一些不准确之处,包括捏造的引语。<sup> 14</sup>

适用场景:早期处理大量文本的工作,例如熟悉文本、编码和主题开发,此时归纳式主题和内容分析表现最佳;而反思性和理论驱动的分析则表现较差。14如何开始:安排专人负责解释,并将每个引文与原文进行核对。报告模型、部署方式(API、Web界面或本地部署)、温度、上下文长度和提示信息:在范围界定审查中,75项研究中只有13项报告了温度,75%的研究根本没有报告任何参数设置。13

12. 社交媒体分析

2026 年一项针对社交媒体上 136 项电子烟内容研究的范围界定综述发现,人工编码占据主导地位,仅有少数研究采用计算或混合方法。计算方法通常应用于更大的数据集,且验证报告更为一致,而人工智能应用则主要集中在主题发现和情感评估方面。<sup> 15 </sup> 2026 年另一项针对八个平台(其中 X 平台研究最多)上 50 项 HPV 疫苗内容研究的范围界定综述发现,内容分析、情感分析、主题建模和网络分析均被使用,并得出结论:仅凭情感极性无法充分理解相关讨论。<sup> 16</sup>

适用场景:绘制跨平台对某一主题的公开讨论图;这两篇评论均来自健康传播领域,因此请检查其证据是否适用于您的领域。16如何开始:首先定义平台和抽样方法,确定手动编码、计算编码还是混合编码更适合您的数据集规模,并报告任何计算输出的验证方式,电子烟评论凸显了这方面的不足。15对主题或内容以及情感极性进行编码。16

一个真实案例:对 984 篇摘要进行 AI 筛选测试

一个由西班牙团队领导的研究小组测试了两种语言模型能否筛选生物医学系统评价的标题和摘要。该论文以 CC BY 4.0 许可开放获取,因此我们重新绘制了其统计数据,并在 R 语言中重新计算了相关数据。<sup> 1 </sup> 2022 年 10 月对 Medline、Embase 和 Scopus 数据库的检索结果在去除重复记录后剩余 1,081 条记录。人工审阅者以两人一组、第三人共同解决分歧的方式作为参考标准。由于 97 条记录缺少摘要,模型共评估了 984 条记录,其中人工审阅者纳入了 80 条,排除了 904 条。

Llama 3 70B 和 GPT-4o mini 分别在三种配置下运行,这三种配置仅在温度(0、0.5 和 1)上有所不同,提示信息相同。Llama 3 的最佳配置 LLA_2 的灵敏度为 77.5%,特异性为 91.4%,准确率为 90.2%。GPT-4o mini 的最佳配置 GPT_2(在论文正文中称为 CHAT_2)的灵敏度为 56.2%,特异性为 95.1%,准确率为 92.0%。<sup> 1</sup>

针对 984 篇摘要,对六种人工智能筛查配置的灵敏度和特异性进行点区间图分析:Llama 3 70B 的灵敏度分别为 75.0%、75.0% 和 77.5%,特异性分别为 91.4%、91.0% 和 91.4%;GPT-4o mini 在所有三种情况下的灵敏度均为 56.2%,特异性分别为 95.0%、94.8% 和 95.1%。
对六种人工智能配置与人工筛选 984 篇摘要相比的敏感性和特异性。区间为威尔逊 95% 置信区间,由 R 语言中的 Editverse 根据论文中的计数计算得出。

准确率掩盖了问题。由于984条记录中有904条无关,因此即使丢弃了80条相关记录中的35条,配置也能达到约92%的准确率,而所有GPT-4o mini配置都是如此。Llama 3配置则漏掉了18到20条记录。

每行80个方格,每个方格代表一条相关记录,共六种AI筛选配置:Llama 3 70B保留了60、60和62条记录,漏掉了20、20和18条记录;GPT-4o mini在每种配置下保留了45条记录,漏掉了35条记录;人类会阅读984篇摘要中的9.0%到14.3%。
每种配置保留和遗漏的相关记录。人类可阅读的份额是真阳性加上假阳性,超过 984 个,由 R 语言中的 Editverse 计算得出;论文未报告节省的时间。
配置真正例误报假阴性真阴性灵敏度特异性人类阅读
LLA_0(Llama 3 70B,温度 0)60782082675.0%91.4%138(14.0%)
LLA_1(Llama 3 70B,温度 0.5)60812082375.0%91.0%141(14.3%)
LLA_2(Llama 3 70B,温度 1)62781882677.5%91.4%140(14.2%)
GPT_0(GPT-4o mini,温度 0)45453585956.2%95.0%90(9.1%)
GPT_1(GPT-4o mini,温度 0.5)45473585756.2%94.8%92(9.3%)
GPT_2(GPT-4o mini,温度 1)45443586056.2%95.1%89(9.0%)

左右滑动即可查看每一列。

这表明:在一次审查中,两个通用模型在约十分之九的摘要上与人工筛选结果一致,在 Llama 3 运行中找到了大部分相关记录,仅留下约 9% 到 14% 的摘要需要人工审核。但它并未展示:其他主题或更新模型的结果、节省了多少时间,以及无需人工审核的流程是否安全。作者指出,人工验证仍然是必要的,以解决假阳性和假阴性问题。¹

如何选择一种创新的研究方法

列表中所有方法都使用相同的顺序。

  1. 1从问题开始。 写出问题以及答案所支持的结论。与此无关的方法是徒劳的。
  2. 2在你的领域内寻找验证证据。 寻找已发表的、针对与你问题类似的问题的测试,而不是针对其他学科的测试。
  3. 3按照可信标准进行试点。 像 984 篇摘要研究那样,在已知答案的小样本上运行该方法,就像对人类进行筛选一样。
  4. 4预先制定方案和报告指南。 在收集或分析数据之前,请先确定设计、结果和报告指南。
  5. 5有足够的证据可以重复报道。 请提供型号、设备或平台名称、设置以及提示或协议。该筛选研究已公布其提示和配置,以便其他人可以重复使用。1

需要运行或检查分析结果?请咨询 Editverse。

Editverse 的学科专家遵循 COPE、ICMJE 和 GPP 2022 指南,并遵守机构和国家特定的道德规范。

Editverse 标志

编辑宇宙

方法论咨询

不确定哪种方法适合您的问题和数据?

您需要提交:您的研究问题、数据和计划的设计。

您将获得:三次与博士方法论专家进行的 45 分钟会议、一次包含建议的设计审查以及一份书面方法论框架文件。

何时:您处于提案阶段或面临方法论方面的问题。

方法论咨询套餐 · 400 美元

请对我的方法进行评估 →

Editverse 标志

编辑宇宙

文献综述支持

您的评审需要搜索策略和差距分析吗?

您需要发送:您的主题和您需要涵盖的数据库。

您将获得:一份检索策略文档、一份Excel格式的文献矩阵、一份差距分析报告和一份带注释的参考书目。您根据这些资料撰写综述。

何时:你需要一个可靠的搜索和综合基础。

文献综述支持包 · 500 美元

支持我的评论 →

Editverse 标志

编辑宇宙

统计分析

需要使用期刊要求的软件运行分析吗?

您需要提交:您的数据、研究问题和您偏好的软件。

您将获得:带注释的代码或语法、完整的输出文件、输出解释指南和可直接用于出版的表格。

时间:您的数据已收集,分析正在进行中。

SPSS/R/STATA 统计分析 · 400 美元

运行我的分析 →

Editverse提供的免费研究工具

常見問題解答

什么是创新研究方法?

这些方法比您所在领域的标准做法更新,例如人工智能辅助文献筛选、人工智能辅助定性分析、动态系统评价、目标试验模拟、平台试验、公民科学、无人机、虚拟现实、消费级可穿戴设备、文本挖掘和社交媒体分析。更新并不意味着已验证:在采用该方法之前,请务必查阅您所在领域已发表的证据。

我的研究最适合哪种创新研究方法?

选择能够提供你可信赖的证据来回答你问题的方法。首先从问题及其支持的结论入手,然后在你的领域内寻找该方法的验证性研究。上面的简明表格列出了每种方法及其对应的首要检查步骤,这些步骤均来自引用的文献。

人工智能能否取代人工审阅者筛选摘要?

根据我们审查的证据,并非如此。在一项已发表的包含 984 篇摘要的测试中,最佳 Llama 3 配置的灵敏度为 77.5%,最佳 GPT-4o mini 配置的灵敏度为 56.2%(与人工审阅者相比)。作者得出结论,人工验证仍然是必要的,以免遗漏重要的研究。

什么是目标试验模拟?

它利用观察性数据,通过明确模拟假设的实用性随机试验来估计因果效应,适用于无法进行或不可行的随机试验。2025 年 TARGET 声明提供了一份包含 21 个项目的报告清单,分为六个部分。

什么是动态系统评价?

这是一项持续更新的系统性综述,会将相关的新证据纳入其中。支持者认为,在证据快速涌现、尚不明确或可能改变政策或实践的情况下,这项综述尤为重要。

消费级可穿戴设备是否适用于研究?

这取决于设备和测量方法。INTERLIVE专家声明指出,许多消费级可穿戴设备和智能手机的步数统计有效性尚未经过严格透明的评估,并提供了一份验证研究清单。请检查您计划使用的设备和测量结果的验证证据。

公民科学数据能否用于已发表的研究?

证据取决于项目设计。一项针对2025年栖息地记录的审查构建了一个包含六个问题的设计框架,该框架将志愿者的积极性、信心和数据准确性联系起来,进而影响志愿者所需的培训和支持。在依赖志愿者数据之前,请务必检查您自身方案的准确性证据。

如何报告一项采用新方法的研究?

使用与您的设计相匹配的报告指南,并详细描述方法,以便他人能够重复该实验。对于模拟试验,应使用 TARGET 清单。对于人工智能筛选,应报告模型、其设置和提示信息,就像 984 篇摘要研究所做的那样。一项 2026 年对 75 项 LLM 辅助定性研究的范围界定综述发现,75% 的研究完全没有报告模型参数设置。

案例

  1. López-Pineda A、Nouni-García R、Carbonell-Soliva Á、Gil-Guillén VF、Carratalá-Munuera C、Borrás F。验证大型语言模型(Llama 3 和 ChatGPT-4o mini),用于生物医学系统评价中的标题和摘要筛选。 Res 合成方法。 2025;16(4):620-630。开放获取,CC BY 4.0;区间、准确度和阅读负荷数据由 R 中的 Editverse 重新计算。 doi.org/10.1017/rsm.2025.15
  2. Homiar A、Thomas J、Ostinelli EG 等。开发和评估大型语言模型的提示,以在动态系统评价中筛选标题和摘要。 BMJ精神健康。 2025;28(1). doi:10.1136/bmjment-2025-301762. pubmed.ncbi.nlm.nih.gov/40701625/
  3. Elliott JH、Synnot A、Turner T 等。动态系统评价:1. 引言:为什么、是什么、何时以及如何。 J临床流行病学。 2017; 91:23 30。 doi.org/10.1016/j.jclinepi.2017.08.010
  4. Cashin AG、Hansford HJ、Hernán MA 等。透明报告模拟目标试验的观察性研究:TARGET 声明。 英国医学杂志。 2025;390:e087179. doi:10.1136/bmj-2025-087179. pubmed.ncbi.nlm.nih.gov/40903028/
  5. Fountzilas E、Tsimberidou AM、Vo HH、Kurzrock R. 精准医疗时代的临床试验设计。 基因组医学。 2022,14(1):101。 doi.org/10.1186/s13073-022-01102-1
  6. Barnes AE、Pocock MJO、Harris MM、Newton N、Robinson RA。不仅仅是物种记录:公民科学在栖息地监测中的潜力。 景观生态学。 2025,40(9):181。 doi.org/10.1007/s10980-025-02155-4
  7. Eijkelboom I、Schulp AS、Amkreutz L 等。理解化石和人工制品:机器学习辅助公民科学项目成功工作流程设计的最佳实践综述。 PeerJ。 2025;13:e18927. doi:10.7717/peerj.18927. pubmed.ncbi.nlm.nih.gov/39959835/
  8. Yaney-Keller A、McIntosh RR、Clarke RH、Reina RD。弥合空气差距:利用无人机研究野生动物生态生理学。 剑桥哲学学会生物学评论 2025;100(3):1206-1228. doi:10.1111/brv.13181. pubmed.ncbi.nlm.nih.gov/39822117/
  9. Byrd K、Wu J、Lee J.利用无人机监测有害藻华:工具、挑战和公共卫生影响。 毒素(巴塞尔)。 2025;17(10). doi:10.3390/toxins17100475. pubmed.ncbi.nlm.nih.gov/41150176/
  10. Smith SA.虚拟现实在情景记忆研究中的应用:综述。 Psychon Bull Rev. 2019;26(4):1213-1237. doi.org/10.3758/s13423-019-01605-w
  11. Johnston W、Judice PB、Molina García P 等。确定消费者可穿戴设备和智能手机步数有效性的建议:INTERLIVE 网络的专家声明和清单。 Br J Sports Med。 2021;55(14):780-793. doi:10.1136/bjsports-2020-103147. pubmed.ncbi.nlm.nih.gov/33361276/
  12. Neubauer L、Straw I、Mariconti E、Tanczer LM。《亲密伴侣暴力研究中计算文本分析方法的应用系统文献综述》。 家庭暴力。 2023. doi:10.1007/s10896-023-00517-7. doi.org/10.1007/s10896-023-00517-7
  13. Kempny C、Frings J、Rust P、Meister S、Fehring L. 大型语言模型在定性研究中的应用和方法论报告:范围界定综述。 BMC Med Res Methodol。 2026;26(1). doi:10.1186/s12874-026-02913-1. pubmed.ncbi.nlm.nih.gov/42298426/
  14. Gierbolini-Rivera RD、Franco Silva M、Augusto de Paula da Silva A 等。用于健康研究中定性方法的生成式人工智能:快速综述。 J Med Internet Res。 2026;28:e98551. doi:10.2196/98551. pubmed.ncbi.nlm.nih.gov/42684312/
  15. Tiong WN、A Rahim AI、Arifin Wan Mansor WN、Yaacob NA。社交媒体上的电子烟内容映射:方法、人工智能应用和推广策略的范围界定综述。 健康传播杂志 2026;31(5):205-221. doi:10.1080/10810730.2026.2684616. pubmed.ncbi.nlm.nih.gov/42277591/
  16. Xu Y、Cong R、Liu M 等。八个社交媒体平台上与人乳头瘤病毒疫苗相关的社交媒体内容研究:传播内容、信息来源和分析方法的范围界定综述。 J Med Internet Res。 2026;28:e92040. doi:10.2196/92040. pubmed.ncbi.nlm.nih.gov/42743585/

Editverse 研究团队 | 更新于 2026 年 10 月