LV.05 文獻管理與去重｜Systematic Review 冒險

本關目標

第 4 關你從好幾個資料庫抓回了上千筆紀錄。現在麻煩來了：同一篇 RCT 在 PubMed、Embase、CENTRAL 各出現一次，標題的大小寫、作者縮寫、頁碼格式卻都略有不同。本關 Boss「分身術複製人軍團」就是這些長得幾乎一樣、又不完全一樣的分身。打完本關，你應該能：

分清楚兩種「重複」：記錄重複（同一篇文章被多個資料庫抓到）與研究重複（同一個研究被發表多次）。
用文獻管理工具（Zotero、EndNote 等）匯入、整理、去重，並知道各種去重方法的錯誤型態。
說出篩選平台（Rayyan、Covidence 等）提供哪些功能，以及比較研究對它們的評價。
把去重前後的數字正確記錄下來，交給第 6 關篩選與第 11 關 PRISMA flow diagram。

一、兩種重複，不要混在一起

	記錄重複（duplicate records）	研究重複（duplicate publication／multiple reports）
是什麼	同一篇文章被兩個以上資料庫抓到	同一個研究的病人出現在兩篇以上文章
長相	標題、作者、期刊幾乎相同	標題、期刊、年份可能都不同
誰來抓	文獻管理軟體或篩選平台的去重功能	篩選與萃取時由人辨識
後果	篩選工作量變大	病人被重複計算，效果被灌水

這兩件事在流程上的位置不同：記錄重複在篩選前處理；研究重複則在篩選與萃取時，靠人比對試驗註冊號、收案期間、地點、樣本數、作者群才能發現（Cochrane Handbook 第 4、5 章；Lefebvre 2019、Li 2019）。

研究重複有多危險？

Tramèr 1997（BMJ）以 ondansetron 預防術後噁心嘔吐的試驗為例：已發表的完整 RCT 報告中有 17% 是重複發表，28% 的病人資料是重複的。未被重複發表的 16 篇試驗 NNT 為 9.5（95% CI 6.9–15），被重複發表的 3 篇 NNT 為 3.9（95% CI 3.3–4.8）；若把所有重複報告都當成獨立試驗納入，療效會被高估 23%。換句話說，在這個案例裡，效果較好看的試驗較常被重複發表，不抓出來就會被放大。

von Elm 2004（JAMA）分析 1,234 篇被 SR 使用的文章，隱匿性重複發表（沒有互相引用）占 5.3%（65/1,234），並歸納出 6 種重複模式；作者也指出，作者名單不是辨識重複的可靠依據——同一個試驗的不同報告，作者群可能換了一半。

辨識研究重複的實用線索：試驗註冊號（NCT、ISRCTN）、收案期間與地點、隨機分派人數、基線表格的數字。兩篇文章的基線表格幾乎相同，就該起疑。

二、文獻管理工具：Zotero 與 EndNote

文獻管理軟體（reference manager）在 SR 中的角色有三個：集中所有紀錄、去重、之後產生引用格式。

工具	性質	在 SR 中常見的用途
Zotero	免費、開源	匯入 RIS／NBIB 檔、合併重複項目、群組共享資料庫
EndNote	商業軟體，許多醫學院圖書館有授權	匯入大量紀錄、自訂比對欄位去重、全文管理
Mendeley 等	免費	同樣可匯入與去重

實務流程大致是：

每個資料庫的搜尋結果分別匯出（RIS、NBIB 或該資料庫支援的格式），檔名寫上資料庫與日期，例如 embase_2026-10-06.ris。
先記下每個檔案的筆數，再匯入同一個資料庫。這個數字就是 PRISMA 的「records identified from each database」。
執行去重，匯出被刪掉的紀錄清單留底。
去重後的紀錄匯出，送進篩選平台。

去重怎麼比對？

軟體的做法是比較幾個欄位：DOI、標題、第一作者、年份、期刊、卷期頁碼。比對條件越寬鬆，越容易把「其實不同的文章」誤判為重複；條件越嚴格，越容易漏掉格式不同的同一篇文章。這就形成兩種錯誤：

錯誤	白話	後果
漏刪（false negative）	同一篇文章留了兩筆	篩選時多看一次，通常會被發現
誤刪（false positive）	兩篇不同文章被當成同一篇，刪掉一篇	那篇文章從此不在流程中，等於漏抓

SR 的優先順序是：寧可漏刪，不要誤刪。 這和第 6 關「標題摘要階段寧可多送全文」是同一個邏輯：前面的步驟漏掉的東西，後面再也找不回來。

Bramer 2016（J Med Libr Assoc）提出在 EndNote 中分步驟去重的系統性做法：以不同的欄位組合逐輪比對，並由人檢查可疑的配對。這種「軟體先抓、人再確認」的精神，比選哪一套軟體更重要。

三、去重工具的比較研究

去重看起來是小事，但已有不少研究比較不同工具的表現。重點不是背誰第一，而是理解每個工具的錯誤型態不同。

研究	比較對象	主要結果（摘要）
Kwon 2015	5 種去重選項	耗時、誤刪與漏刪差異大；依使用者技術程度推薦不同做法
Rathbone 2015	SRA-Deduplication Module vs EndNote	SRA-DM sensitivity 84%、specificity 100%；EndNote sensitivity 51%、specificity 99.83%；另三組驗證資料 SRA-DM 一貫較高（84–90% vs 63–73%）
McKeown & Mir 2021	Ovid、EndNote、Mendeley、Zotero、Covidence、Rayyan 的預設去重	最準確為 Ovid、Covidence、Rayyan；Ovid 與 Covidence 的 specificity 最高，Rayyan 的 sensitivity 最高
Borissov 2022	Deduklick（自動化工具） vs 人工以 EndNote 去重	8 個資料集平均 recall 99.51%、precision 100%；人工 EndNote recall 88.65%、precision 99.95%（開發者自行評估）

這裡的 sensitivity（或 recall）指「真正的重複被抓到的比例」；specificity 與 precision 則反映「有沒有把不是重複的紀錄誤判成重複」。讀這張表要注意三件事：

EndNote 的預設去重偏保守：Rathbone 2015 中 sensitivity 約一半，代表很多重複沒被刪掉；但 specificity 很高，代表很少誤刪。依「寧可漏刪」的原則，這不是壞事，只是篩選工作量比較大。
預設設定 ≠ 最佳設定：McKeown & Mir 2021 比的是預設值；調整比對欄位後結果可能改變。
開發者自評要打折：Borissov 2022 是 Deduklick 開發團隊自己做的評估，需要獨立驗證。

去重的時間成本其實不大。Clark 2020 的案例中，一個中等規模的 SR 在自動化工具協助下 12 個日曆天完成（61 person-hours），其中去重只花了 16 person-minutes，最耗時的步驟是資料萃取（461 person-minutes）。這是單一案例，但足以說明：去重不值得冒誤刪的風險去「省時間」。

四、篩選平台：Rayyan 與 Covidence

去重後的紀錄會送進篩選平台。它和文獻管理軟體的差別在於：篩選平台是為「多人、獨立、可追蹤」的篩選而設計。

篩選平台該有的功能

功能	為什麼重要
盲化模式（blind mode）	兩位審查者看不到對方的決定，才是真正的獨立篩選（第 6 關）
自動標出不一致（conflicts）	方便第三人裁決，並計算一致性
分成 title/abstract 與 full-text 兩階段	全文階段需要記錄排除理由（PRISMA 要求）
排除理由標籤	直接產生 flow diagram 的數字
匯出決策紀錄	可稽核、可重現

比較研究怎麼說

Ouzzani 2016（Syst Rev）介紹 Rayyan：使用者調查自述平均節省 40% 時間，34% 的受訪者回報節省超過 50%；截至 2016 年 11 月已有超過 2,000 位使用者、160 萬筆引文。要注意這是使用者自述的時間節省，不是對照試驗。
Harrison 2020（BMC Med Res Methodol）評估 15 個篩選工具：Abstrackr、Colandr、Covidence、DRAGON、EPPI-Reviewer、Rayyan 的功能評分超過 75%；使用者調查中 Covidence 與 Rayyan 最受歡迎，但該調查只有 6 位使用者。
Van der Mierden 2019（ALTEX）比較 15 個工具、21 項功能：DistillerSR、Covidence、SWIFT Active Screener 支援全部必要功能（皆需付費）；免費工具中 Rayyan 得分最高，但當時缺少獨立的 title/abstract 與 full-text 階段；Excel、Word、EndNote 只適合小型、簡單的 SR。

軟體會持續改版，這些評估反映的是發表當時的版本；選工具前請看最新的功能說明。

怎麼選？

情境	可考慮
學生專題、沒有經費	Zotero 去重 → Rayyan 篩選
機構有訂閱、需要完整流程管理	EndNote 去重 → Covidence（或 DistillerSR）篩選與萃取
紀錄數非常大	平台內建的機器學習排序功能（第 12 關）

不論用哪個工具，方法段都要寫清楚用了什麼軟體、哪個版本、去重怎麼做、由誰檢查。PRISMA 2020 與 PRISMA-S 都要求報告搜尋與篩選流程的細節（第 4、11 關）。

五、迷你 SR 實作：只搜一個資料庫，去重是 0

本站的迷你 SR（類固醇治療急性喉嚨痛）在 2026-10-06 只搜了 PubMed，找到 231 筆。看 prisma_counts.json：

records_identified_databases: PubMed 231
duplicate_records_removed:    0
records_screened:             231

去重是 0，不是因為我們很厲害，而是因為只搜了一個資料庫。這正是本範例的第一個限制：正式 SR 至少要再搜 Embase 與 CENTRAL（第 4 關的搜尋式已寫好，只是沒執行），那時三個來源的紀錄一定會大量重疊，就必須走本關的流程。與 BMJ 2017 的 SR（Sadeghirad 2017）對照，我們漏掉了一篇沒有被 PubMed 收錄的試驗（Ahn 2003），這就是只搜一個資料庫的代價。

那研究層級的重複呢？有。

雖然記錄重複是 0，研究重複在這 231 筆裡至少有兩個例子，都和 Hayward 2017 的 TOAST 試驗有關：

TOAST protocol（PMID 25238785）：試驗開始前發表的研究計畫書，沒有結果。它不是另一個研究，而是同一個試驗的附屬報告，在篩選時排除；但它對第 8 關判斷 D5（選擇性報告）很有用，可以比對主要結果是否事先指定。
Hansen 2017（PMID 28925675）：PubMed 標為 RCT，但只有標題、沒有摘要，標題內容和 TOAST 的 48 小時結果吻合。它很可能是 TOAST 結果的短篇報導，而不是新的試驗；本範例取不到全文，PRISMA 記為 not retrieved。

這兩筆是第 6 關篩選練習的陷阱題（S10、S19），也是「去重工具抓不到、只能靠人」的典型例子。

去重的紀錄要保存什麼？

即使去重是 0，也要在方法段寫明「只搜一個資料庫，因此未進行去重」，flow diagram 照樣填 0，而不是把這一格刪掉。讀者看到 0，會知道這是設計選擇而不是漏寫。

六、一份可以照做的 SOP

匯出：每個資料庫分開匯出，保留完整欄位（含摘要、DOI、PMID、出版類型）。
記錄：每個檔案的筆數寫進搜尋紀錄表（日期、資料庫、搜尋式版本、筆數）。
合併：匯入 Zotero 或 EndNote 的同一個資料庫。
自動去重：先用嚴格條件（DOI 或 PMID 相同），再逐步放寬（標題 + 年份 + 第一作者）。
人工確認：每一輪疑似重複的配對，由人看過再合併；有疑問就保留。
留底：匯出被刪除的紀錄清單，記錄刪掉幾筆。
送篩選：去重後的紀錄匯出，匯入 Rayyan 或 Covidence；平台若再抓到重複，也記錄下來。
研究層級：篩選與萃取時，用註冊號、收案期間、樣本數把同一試驗的多份報告連結起來。

常見錯誤

錯誤	正確做法
把各資料庫的檔案直接丟進篩選平台，沒記原始筆數	先記筆數再匯入，flow diagram 需要
用很寬鬆的條件一鍵去重，從不檢查	寧可漏刪不要誤刪；疑似配對由人確認
以為去重工具會處理重複發表	研究層級重複要靠人比對註冊號、收案期間、樣本數
把同一試驗的 protocol、主要結果、次族群分析當三個研究	連結為一個研究；PRISMA 分開報 reports 與 studies
只搜一個資料庫，flow diagram 的去重格子留白	填 0，並在方法段說明原因
方法段只寫「使用 EndNote」	寫軟體版本、比對策略、人工確認的方式

本關重點小抄

兩種重複：記錄重複（篩選前用工具處理）vs 研究重複（篩選與萃取時由人辨識）。
寧可漏刪，不要誤刪：誤刪等於漏抓，後面的流程找不回來。
工具的錯誤型態不同：Rathbone 2015（EndNote sensitivity 51%、specificity 99.83%）；McKeown & Mir 2021（Ovid／Covidence specificity 高、Rayyan sensitivity 高）。
重複發表會灌水：Tramèr 1997，納入所有重複報告使療效被高估 23%；von Elm 2004，隱匿重複 5.3%。
篩選平台：盲化、衝突標記、兩階段、排除理由；Rayyan 與 Covidence 在比較研究中都名列前茅。
迷你 SR：只搜 PubMed，231 筆、去重 0；但有 TOAST protocol 與 Hansen 2017 兩筆研究層級的「分身」。

文獻管理與去重