Pubmed Database

PubMed Database

概述

PubMed 是美国国家医学图书馆的综合数据库，免费提供 MEDLINE 和生命科学文献的检索服务。可通过 Boolean 运算符、MeSH 术语和字段标签构建高级查询，也可通过 E-utilities API 以编程方式访问数据，用于系统性综述和文献分析。

何时使用此技能

以下场景应使用此技能：

• 搜索生物医学或生命科学研究论文
• 使用 Boolean 运算符、字段标签或 MeSH 术语构建复杂检索式
• 开展系统性文献综述或 Meta 分析
• 通过 E-utilities API 以编程方式访问 PubMed 数据
• 按特定条件查找论文（作者、期刊、发表日期、文章类型）
• 获取引用信息、摘要或全文文章
• 处理 PMID（PubMed ID）或 DOI
• 创建文献监控或数据提取的自动化工作流

核心能力

1. 高级检索式构建

使用 Boolean 运算符、字段标签和专用语法构建复杂 PubMed 查询。

基础检索策略：

• 使用 Boolean 运算符（AND、OR、NOT）组合概念
• 使用字段标签将检索限定在记录的特定部分
• 使用双引号进行短语精确匹配
• 使用通配符匹配词形变体
• 使用邻近检索查找指定距离内的术语

查询示例：

# Recent systematic reviews on diabetes treatment
diabetes mellitus[mh] AND treatment[tiab] AND systematic review[pt] AND 2023:2024[dp]

# Clinical trials comparing two drugs
(metformin[nm] OR insulin[nm]) AND diabetes mellitus, type 2[mh] AND randomized controlled trial[pt]

# Author-specific research
smith ja[au] AND cancer[tiab] AND 2023[dp] AND english[la]

何时查阅 search_syntax.md：

• 需要完整的可用字段标签列表
• 需要检索运算符的详细说明
• 构建复杂的邻近检索
• 了解自动术语映射行为
• 需要日期范围、通配符或特殊字符的具体语法

字段标签 Grep 模式：\[au\]|\[ti\]|\[ab\]|\[mh\]|\[pt\]|\[dp\]

2. MeSH 术语与受控词表

使用医学主题词表（MeSH）在生物医学文献中进行精确、一致的检索。

MeSH 检索：

• [mh] 标签搜索 MeSH 术语并自动包含更窄的下位词
• [majr] 标签限定主题为主要焦点的文章
• 将 MeSH 术语与副主题词组合以提高特异性（如 diabetes mellitus/therapy[mh]）

常用 MeSH 副主题词：

• /diagnosis — 诊断方法
• /drug therapy — 药物治疗
• /epidemiology — 疾病模式与流行率
• /etiology — 病因
• /prevention & control — 预防措施
• /therapy — 治疗方法

示例：

# Diabetes therapy with specific focus
diabetes mellitus, type 2[mh]/drug therapy AND cardiovascular diseases[mh]/prevention & control

3. 文章类型与发表过滤

按发表类型、日期、文本可用性及其他属性筛选结果。

发表类型（使用 [pt] 字段标签）：

• Clinical Trial
• Meta-Analysis
• Randomized Controlled Trial
• Review
• Systematic Review
• Case Reports
• Guideline

日期过滤：

• 单年份：2024[dp]
• 日期范围：2020:2024[dp]
• 具体日期：2024/03/15[dp]

文本可用性：

• 免费全文：在查询中添加 AND free full text[sb]
• 有摘要：在查询中添加 AND hasabstract[text]

示例：

# Recent free full-text RCTs on hypertension
hypertension[mh] AND randomized controlled trial[pt] AND 2023:2024[dp] AND free full text[sb]

4. 通过 E-utilities API 编程访问

使用 NCBI E-utilities REST API 以编程方式访问 PubMed 数据，实现自动化和批量操作。

核心 API 端点：

1. ESearch — 搜索数据库并获取 PMID
2. EFetch — 以多种格式下载完整记录
3. ESummary — 获取文档摘要
4. EPost — 上传 UID 进行批量处理
5. ELink — 查找相关文章和关联数据

基本工作流：

import requests

# Step 1: Search for articles
base_url = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/"
search_url = f"{base_url}esearch.fcgi"
params = {
    "db": "pubmed",
    "term": "diabetes[tiab] AND 2024[dp]",
    "retmax": 100,
    "retmode": "json",
    "api_key": "YOUR_API_KEY"  # Optional but recommended
}
response = requests.get(search_url, params=params)
pmids = response.json()["esearchresult"]["idlist"]

# Step 2: Fetch article details
fetch_url = f"{base_url}efetch.fcgi"
params = {
    "db": "pubmed",
    "id": ",".join(pmids),
    "rettype": "abstract",
    "retmode": "text",
    "api_key": "YOUR_API_KEY"
}
response = requests.get(fetch_url, params=params)
abstracts = response.text

速率限制：

• 无 API key：3 次请求/秒
• 有 API key：10 次请求/秒
• 始终包含 User-Agent 头部

最佳实践：

• 大结果集使用 history server（usehistory=y）
• 多个 UID 通过 EPost 实现批量操作
• 本地缓存结果以减少冗余调用
• 遵守速率限制以避免服务中断

何时查阅 api_reference.md：

• 需要详细的端点文档
• 需要各 E-utility 的参数规格
• 构建批量操作或 history server 工作流
• 了解响应格式（XML、JSON、text）
• 排查 API 错误或速率限制问题

API 端点 Grep 模式：esearch|efetch|esummary|epost|elink|einfo

5. 引用匹配与文章检索

通过部分引用信息或特定标识符查找文章。

按标识符：

# By PMID
12345678[pmid]

# By DOI
10.1056/NEJMoa123456[doi]

# By PMC ID
PMC123456[pmc]

引用匹配（通过 ECitMatch API）： 使用期刊名、年份、卷号、页码和作者查找 PMID：

Format: journal|year|volume|page|author|key|
Example: Science|2008|320|5880|1185|key1|

按作者和元数据：

# First author with year and topic
smith ja[1au] AND 2023[dp] AND cancer[tiab]

# Journal, volume, and page
nature[ta] AND 2024[dp] AND 456[vi] AND 123-130[pg]

6. 系统性文献综述

为系统性综述和 Meta 分析开展全面的文献检索。

PICO 框架（Population、Intervention、Comparison、Outcome）： 系统化构建临床研究问题：

# Example: Diabetes treatment effectiveness
# P: diabetes mellitus, type 2[mh]
# I: metformin[nm]
# C: lifestyle modification[tiab]
# O: glycemic control[tiab]

diabetes mellitus, type 2[mh] AND
(metformin[nm] OR lifestyle modification[tiab]) AND
glycemic control[tiab] AND
randomized controlled trial[pt]

全面检索策略：

# Include multiple synonyms and MeSH terms
(disease name[tiab] OR disease name[mh] OR synonym[tiab]) AND
(treatment[tiab] OR therapy[tiab] OR intervention[tiab]) AND
(systematic review[pt] OR meta-analysis[pt] OR randomized controlled trial[pt]) AND
2020:2024[dp] AND
english[la]

检索优化：

1. 从宽泛检索开始，查看结果
2. 用字段标签增加特异性
3. 应用日期和发表类型过滤
4. 使用 Advanced Search 查看查询翻译
5. 合并检索历史构建复杂查询

何时查阅 common_queries.md：

• 需要特定疾病类型或研究领域的示例查询
• 需要不同研究设计的模板
• 查找针对特定人群的查询模式（儿科、老年科等）
• 构建特定方法学的检索
• 需要质量过滤器或最佳实践模式

查询示例 Grep 模式：diabetes|cancer|cardiovascular|clinical trial|systematic review

7. 检索历史与保存的检索

使用 PubMed 的检索历史和 My NCBI 功能提高研究效率。

检索历史（通过 Advanced Search）：

• 最多保存 100 条检索
• 8 小时不活动后过期
• 使用 # 引用组合之前的检索
• 执行前可预览结果数量

示例：

#1: diabetes mellitus[mh]
#2: cardiovascular diseases[mh]
#3: #1 AND #2 AND risk factors[tiab]

My NCBI 功能：

• 无限期保存检索
• 为新匹配文章设置邮件提醒
• 创建已保存文章的收藏集
• 按项目或主题组织研究

RSS 订阅： 为任意检索创建 RSS 订阅，监控感兴趣领域的新发表文献。

8. 相关文章与引用发现

查找相关研究，探索引用网络。

相似文章功能： 每篇 PubMed 文章都包含预先计算的相关文章，基于：

• 标题和摘要相似度
• MeSH 术语重叠
• 加权算法匹配

ELink 关联数据：

# Find related articles programmatically
elink.fcgi?dbfrom=pubmed&db=pubmed&id=PMID&cmd=neighbor

引用链接：

• LinkOut 到出版商全文
• 链接到 PubMed Central 免费文章
• 连接到相关 NCBI 数据库（GenBank、ClinicalTrials.gov 等）

9. 导出与引用管理

以多种格式导出检索结果，用于引用管理和进一步分析。

导出格式：

• .nbib 文件供参考管理器使用（Zotero、Mendeley、EndNote）
• AMA、MLA、APA、NLM 引用格式
• CSV 用于数据分析
• XML 用于编程处理

剪贴板与收藏集：

• 剪贴板：临时存储最多 500 条目（8 小时过期）
• 收藏集：通过 My NCBI 账户永久存储

通过 API 批量导出：

# Export citations in MEDLINE format
efetch.fcgi?db=pubmed&id=PMID1,PMID2&rettype=medline&retmode=text

使用参考文件

此技能在 references/ 目录中包含三个全面的参考文件：

references/api_reference.md

完整的 E-utilities API 文档，包含全部九个端点、参数、响应格式和最佳实践。以下情况查阅：

• 实现编程方式访问 PubMed
• 构建 API 请求
• 了解速率限制和认证
• 通过 history server 处理大数据集
• 排查 API 错误

references/search_syntax.md

PubMed 检索语法的详细指南，包含字段标签、Boolean 运算符、通配符和特殊字符。以下情况查阅：

• 构建复杂检索式
• 了解自动术语映射
• 使用高级检索功能（邻近检索、通配符）
• 应用过滤器和限制
• 排查意外的检索结果

references/common_queries.md

涵盖各种研究场景、疾病类型和方法学的大量示例查询。以下情况查阅：

• 开始新的文献检索
• 需要特定研究领域的模板
• 查找最佳实践查询模式
• 开展系统性综述
• 检索特定研究设计或人群

参考文件加载策略： 根据具体任务按需将参考文件加载到上下文中。简短查询或基础检索时，本 SKILL.md 中的信息可能已足够。复杂操作请查阅相应的参考文件。

常用工作流

工作流 1：基础文献检索

1. 确定关键概念和同义词
2. 使用 Boolean 运算符和字段标签构建查询
3. 查看初始结果并优化查询
4. 应用过滤器（日期、文章类型、语言）
5. 导出结果进行分析

工作流 2：系统性综述检索

1. 使用 PICO 框架定义研究问题
2. 确定所有相关 MeSH 术语和同义词
3. 构建全面的检索策略
4. 检索多个数据库（包含 PubMed）
5. 记录检索策略和日期
6. 导出结果进行筛选和审查

工作流 3：编程数据提取

1. 设计检索式并在 Web 界面中测试
2. 使用 ESearch API 实现检索
3. 大结果集使用 history server
4. 使用 EFetch 获取详细记录
5. 解析 XML/JSON 响应
6. 本地缓存存储数据
7. 实现速率限制和错误处理

工作流 4：引用发现

1. 从已知的相关文章开始
2. 使用相似文章功能查找相关研究
3. 检查引用文章（如有）
4. 从相关文章中探索 MeSH 术语
5. 基于发现构建新的检索
6. 使用 ELink 查找相关数据库条目

工作流 5：持续文献监控

1. 构建全面的检索式
2. 测试并优化检索精度
3. 将检索保存到 My NCBI 账户
4. 为新匹配设置邮件提醒
5. 创建 RSS 订阅供阅读器监控
6. 定期审查新文章

提示与最佳实践

检索策略

• 从宽泛检索开始，再用字段标签和过滤器收窄
• 包含同义词和 MeSH 术语以提高覆盖率
• 使用引号进行精确短语匹配
• 在 Advanced Search 中检查 Search Details 以验证查询翻译
• 使用检索历史合并多次检索

API 使用

• 获取 API key 以获得更高速率限制（10 次/秒 vs 3 次/秒）
• 结果集超过 500 篇文章时使用 history server
• 实现指数退避处理速率限制
• 本地缓存结果以减少冗余请求
• 始终包含描述性的 User-Agent 头部

质量过滤

• 优先选择系统性综述和 Meta 分析获取综合证据
• 使用发表类型过滤器查找特定研究设计
• 按日期过滤获取最新研究
• 按需应用语言过滤器
• 使用免费全文过滤器实现即时访问

引用管理

• 及早且频繁导出以避免丢失检索结果
• 使用 .nbib 格式确保与大多数参考管理器兼容
• 创建 My NCBI 账户实现永久收藏
• 记录检索策略以确保可复现性
• 使用收藏集按项目组织研究

限制与注意事项

数据库覆盖范围

• 主要涵盖生物医学和生命科学文献
• 1975 年前的文章通常缺少摘要
• 2002 年起可获取完整作者姓名
• 非英文摘要可用但可能默认显示英文

检索限制

• 最多显示 10,000 条结果
• 检索历史 8 小时不活动后过期
• 剪贴板最多容纳 500 条目，8 小时过期
• 自动术语映射可能产生意外结果

API 注意事项

• 存在速率限制（3-10 次请求/秒）
• 大型查询可能超时（使用 history server）
• 详细数据提取需要 XML 解析
• 生产环境建议使用 API key

访问限制

• PubMed 提供引用和摘要（不一定有全文）
• 全文访问取决于出版商、机构访问权限或开放获取状态
• LinkOut 可用性因期刊和机构而异
• 部分内容需要订阅或付费

支持资源

• PubMed Help: https://pubmed.ncbi.nlm.nih.gov/help/
• E-utilities Documentation: https://www.ncbi.nlm.nih.gov/books/NBK25501/
• NLM Help Desk: 1-888-FIND-NLM (1-888-346-3656)
• Technical Support: vog.hin.mln.ibcn@seitilitue
• Mailing List: utilities-announce@ncbi.nlm.nih.gov