在检索前，必须明确想要解决的临床问题是什么，可以借用经典的PICOS原则，P即patien/Population/Problem（对象），I即Intervention/Exposure (处置)，C即Control/Comparison (if relevant)，O即Outcome(结局)，S即Study design (研究类型)。

还有一些其他问题，如ECLIPSE: health policy and management（卫生政策），SPICE: service evaluation（社科）(Setting, Perspective, Intervention, Comparison, Evaluation)等。

检索时，要尽量避免遗漏关键研究和减少偏倚，下表定义了检索时的四大类问题：

另外，诊断试验是目前Meta分析检索中的难题，还需要持续探索，存在的问题包括：

• 诊断试验（diagnostic test accuracy, DTA）没有成熟的检索规范，PICO的方法，会遗漏部分研究。

• 经测试现有的检索方法，敏感性（sensitivity）和精准度（precision）难以达到预期。

• 现已发表的DTA有关的Meta分析，检索策略可重复性（reproducible）不高，影响研究质量。

在制定检索策略时，PICO还是第一选择，下图展示了6个最相关的临床问题

另外，要遵循主题词优先策略，例如MeSH、Emtree、DeCS等。

最后，还有几个检索策略需要坚持，例如选词尽可能全覆盖，宁多勿少，联合多种检索策略，先简后繁等。

另外，近几年出现了一种新的检索理念，可使得检索结果尽量客观（以后会出专门课程讲解），具体步骤如下：

• 生成测试集(generation of a test set)

• 将测试集分为开发(development)和验证(validation)两部分

• 从开发集数据中挖掘检索策略(text mining)

• 在验证集中验证检索策略

• 记录检索策略和结果

具体流程如下

感兴趣的小伙伴推荐阅读以下书籍：

Text Mining with R (tidytextmining.com)

经过研究者测试，检索数据库至少要包括Embase、MEDLINE、Web of Science和谷歌Scholar。

2020版的PRIMA（Meta分析报告规范）报告特别提到，要报告数据库名称或搜索引擎名称和检索限制条件。

举个例子

下面这篇文献报告了数据库名称、检索条目和结果

通常我们也会在文献中看到检索的流程图，如下