收益：
- 能够构建临床问题 (PICO) 并使用人工智能作为证据筛选的起始工具
- 能够验证来自独立来源的人工智能参考的真实性、流行性和证据水平
- 能够根据患者、背景和临床专业知识解释证据并避免盲目应用
现代物理治疗基于循证实践（使用当前最佳证据、临床专业知识和患者价值观做出决策）。但证据之海非常大，而物理治疗师的时间也非常有限。人工智能 (AI) 是一种强大的初始工具，可用于构建临床问题、快速总结主题并显示要查找的位置。但这里有一个很大的陷阱：人工智能可以编造不存在的文章、假作者和日期（幻觉）。在本单元中，您将学习如何在证据筛选中安全使用人工智能、如何验证参考资料以及如何根据患者情况调整证据。
使用 PICO 配置问题
良好的证据审查始于一个好问题。 PICO框架将问题分为四个部分： P（Patient/Population）患者或人群； I（Intervention）干预； C（Comparison）比较； It（Outcome）是结果衡量标准。示例：“对于患有慢性腰痛 (P) 的成年人，运动控制运动 (I) 是否比一般运动 (C) 更能改善疼痛和功能 (O)？”这种结构既澄清了你的思维，又为人工智能提供了一个有针对性的框架。 AI非常擅长将分散的好奇心转化为PICO。
提示：不要问 AI“某某怎么样”，而是以 PICO 格式询问。针对性强的问题会带来针对性强且较少产生幻觉的反应；它还清楚地表明您正在寻找什么证据。
人工智能最危险的陷阱：虚假参考
人工智能语言模型经过训练可以生成“听起来真实”的文本；不知道真相。因此他可以编造期刊名称、作者、年份，甚至 DOI 号。这些看起来很有说服力，但可能并不存在。未经独立数据库（例如 PubMed、PEDro、Cochrane、期刊网站）验证，不得使用任何参考文献。人工智能是一个指南针，告诉你“往哪里看”；它不是来源本身。
证据来源
人工智能的作用
验证
系统评价/荟萃分析
总结主题，建议术语
真实数据库确认
随机对照试验
表示相关工作
找到并阅读该文章，检查是否是假的
临床指南
起草主要信息
与当前版本的官方指南进行比较
PEDro/科克伦
搜索词和问题结构
从来源验证分数和结果
证据水平和批判性评估
并非所有证据都是平等的。一般来说，系统评价和荟萃分析位于顶部，其次是随机对照试验，然后是观察性研究，底部是专家意见。人工智能通常不会说明或错误地陈述它依赖何种程度的证据来支持某个主张。您的工作是找到来源、确定证据水平、评估研究质量（样本、方法、偏倚），并询问结果是否适用于您的患者。
注意：即使一项研究说“它有效”，该研究的患者也可能与您的患者有很大不同（年龄、阶段、合并症）。盲目应用证据与根本不使用证据一样错误。证据+临床专业知识+患者价值观：三者共同决定。
一步一步：人工智能驱动的证据筛选
- 将问题更改为 PICO。让AI帮你，但最终的PICO却是你批准的。
- 请求剧情概要。从人工智能中获取该领域的概述和关键术语（暂时不要依赖参考文献）。
- 验证参考文献。在真实数据库中搜索各个资源；扔掉找不到的东西。
- 确定证据的级别。评估实际源的设计和质量。
- 适应病人。您的患者与研究人群相符吗？用临床思维进行过滤。
- 记录决定和来源。以可追踪的形式记录您所依赖的证据。
三个迷你箱（数量）
案例 1 — 虚假参考。物理治疗师向 AI 询问“跟腱病离心运动”的 5 个来源。 AI 返回了 5 个看起来真实的参考文献。在 PubMed 检查中，有 2 个缺失（作者/年份是虚构的），1 个标题已更改。仅剩 2 个真实来源。教训：未经验证，任何参考文献都不能使用。
案例 2 — PICO 福利。模糊的问题“什么对颈部疼痛有好处”在人工智能的帮助下变成了这个 PICO：运动 + 手法治疗 (I) 与单独运动 (C) 以及成人机械性颈部疼痛 (P) 的疼痛和功能 (O) 进行比较。集中提问大大加快了筛查速度，物理治疗师完成了 3 次实际系统评价。
案例3——不适当的适应。 AI总结了一项针对足底筋膜炎的研究结果；但这项研究是针对年轻运动员的。物理治疗师的病人70岁，患有糖尿病，久坐。物理治疗师没有直接应用结果，而是另外寻找适合患者概况的证据并调整程序。教训：如果证据不适合患者，不要盲目应用。
弱提示/强提示
弱：“给出 5 篇文章和证据，证明治疗腰痛的最佳运动。”
人工智能可以生成捏造的参考资料，并在没有一定证据的情况下提出主张。
Strong：“给出以下 PICO 的主题摘要和可能的关键术语：[PICO]。如果您引用，请将每个标签标记为“已验证”并表明它可能不是事实；DOI/年份是虚构的。在评论证据级别时，说它是推测。这取决于我；您给出搜索的起点。”
四个可复制模板
任务：将我的问题转换为 PICO 格式。原始问题：[临床好奇心]我想要：解析为 P、I、C、O + 5-8 个搜索关键词（TR 和 EN）。只需构建问题即可；不要索取证据。
任务：给出以下 PICO 的主题摘要（我不会依赖参考文献）。PICO：[P/I/C/O]我想要：该领域的概述、争议点、我应该寻找什么类型的来源（系统评论、手册等）。如果您提供参考资料，请在每一份参考资料上标记“已验证”；不要提供虚假的 DOI/年。
任务：将此参考文献列表翻译成验证计划。列表：[AI 给出的来源]我想要：对于每个来源，编写如何在哪个数据库（PubMed/PEDro/Cochrane）中搜索+注释“在验证真实性之前不要使用”。
任务：根据我的患者调整本研究摘要。研究摘要：[摘要 + 人群]我的患者：[年龄、诊断、分期、合并症]我想要：研究人群和我的患者之间的差异 + 关于结果是否直接适用的警告。这取决于我。
临床指南和可信来源
对于物理治疗师来说，最实用的证据来源通常不是个别文章，而是临床实践指南和系统评价。指南将某个领域的证据转化为经专家委员会筛选的可行建议；这可以节省您的时间，并防止您陷入单一研究的误导性结果中。对于物理治疗特定的证据，PEDro（物理治疗随机试验数据库）和 Cochrane 综述是可靠的起点。使用人工智能作为通往这些资源的桥梁：询问“我应该在这个主题上查看哪些当前指南和系统评论”，然后验证人工智能在其实际站点上指向的资源。这样，您既可以降低出现幻觉的风险，又可以使用更高水平的证据。
提示：在采纳某个主张之前，问问自己“当前指南对此有何看法？”该指南既总结了证据，又强调了有争议的点；它比单一研究有更坚实的基础。
常见错误
- 不验证参考文献。人工智能可以产生看起来真实的虚假来源。
- 跳过证据级别。并非每项主张都具有相同的分量；源的设计很重要。
- 问一些没有重点的问题。像“什么好处”这样的问题会带来分散的、幻觉的反应。
- 盲目应用证据。如果研究人群与患者不匹配，结果可能无效。
- 误将AI摘要作为来源。 AI总结就是指南针；它不是来源本身。
- 不检查更新。过时的指南可能与当前的证据相冲突。
总之
人工智能是证据筛选中一个有价值的起始工具，可以构建问题（PICO）、总结主题并显示要寻找的地方。但他可以编造参考资料；未经独立数据库验证，任何来源均不得使用。您自己确定证据水平，评估研究质量，并利用临床智慧使结论适应您的患者。证据、临床专业知识和患者价值观共同决定。
应用任务
选择临床兴趣。使用第一个模板转换为 PICO，使用第二个模板获取绘图摘要。如果 AI 引用，计划使用第三个模板进行验证，并在真实数据库中搜索至少一个引用（如果找到，请注意）。最后，使用第四个模板将研究摘要调整为适合您自己的患者。
清单
- [ ] 我将我的问题构建为 PICO 格式。
- [ ] 我根据独立数据库验证了人工智能参考，消除了捏造。
- [ ] 我评估了每个来源的证据水平和质量。
- [ ] 我检查了证明的有效性。
- [ ] 我根据临床智慧调整了结果以适应患者的情况。
- [ ] 我已以可追溯的形式记录了该决定及其来源。