alterlab-literature-review

文献レビュー

概要

厳格な学術的方法論に従って、体系的かつ包括的な文献レビューを実施します。複数の文献データベースを検索し、テーマ別に知見を統合し、すべての引用の正確性を検証して、Markdown形式とPDF形式の専門的な成果物を作成します。

このスキルは、データベースにアクセスする関連スキル（alterlab-pubmed、alterlab-biorxiv、alterlab-arxiv、alterlab-openalex、alterlab-gget、alterlab-bioservices、alterlab-datacommons）と連携し、引用の検証、検索結果の集約、文書の作成を行う独自のスクリプトも提供します。

このスキルを使用する場面

次のような場合にこのスキルを使用します。

• 研究や出版に向けてシステマティックレビューを実施する
• 複数の情報源にわたって、特定のトピックに関する最新の知識を統合する
• メタアナリシスやスコーピングレビューを実施する
• 研究論文や学位論文の文献レビューの節を執筆する
• 研究領域における最先端の状況を調査する
• 研究上のギャップや今後の方向性を特定する
• 検証済みの引用と専門的な書式設定が必要である

対象外

シナリオ	代わりに使用
自由形式のマルチエージェント調査、簡易なリサーチ概要の作成、主張のファクトチェック、または研究課題の策定に関するソクラテス式の支援	alterlab-deep-research
効果量を定量的に統合する（ランダム効果モデル、異質性、フォレストプロット／ファンネルプロット、出版バイアス）	alterlab-meta-analysis
指導教員のようなワークフローで、学位論文や博士論文の文献レビューの章を執筆する	alterlab-thesis-supervisor
シード論文を中心とした引用／共引用ネットワークをマッピングする	alterlab-citation-graph
参考文献リストの各項目が実在するかどうかを監査する（捏造／撤回された参考文献）	alterlab-citation-verifier

基本ワークフロー

文献レビューは、複数の段階からなる体系的なワークフローに沿って進めます。

フェーズ1：計画と範囲設定

1. 研究課題を定義する：臨床／生物医学レビューでは、PICOフレームワーク（対象集団、介入、比較、アウトカム）を使用します

   • 例：「鎌状赤血球症（P）の治療において、CRISPR-Cas9（I）は標準治療（C）と比べてどの程度有効ですか？」

2. 範囲と目的を定める：

   • 明確で具体的な研究課題を定義する
   • レビューの種類（ナラティブ、システマティック、スコーピング、メタアナリシス）を決定する
   • 範囲（対象期間、地理的範囲、研究の種類）を設定する
   • システマティックレビューの場合は、スクリーニング前にプロトコル（PRISMA-P）を作成して登録します。健康関連のレビューはPROSPERO、それ以外はOSF Registriesに登録し、適格性基準とアウトカムを事前に確定させます

3. 検索戦略を策定する：

   • 研究課題から2～4個の主要な概念を特定する
   • 各概念について、同義語、略語、関連用語をリストアップする
   • 用語を組み合わせるためのブール演算子（AND、OR、NOT）を計画する
   • 相互補完的なデータベースを最低3つ選択する

4. 採用／除外基準を設定する：

   • 期間（例：過去10年間、2015～2024年）
   • 言語（通常は英語、または複数言語を指定）
   • 出版物の種類（査読済み論文、プレプリント、レビュー）
   • 研究デザイン（RCT、観察研究、in vitroなど）
   • すべての基準を明確に記録する

フェーズ 2：体系的な文献検索

1. 複数データベースの検索：

   分野に適したデータベースを選択します。

   生物医学・生命科学：

   • NCBI E-utilities（Entrez esearch/efetch）を介して PubMed/PMC を検索します — references/database_search_guidance.md の Entrez/Biopython スニペットを参照してください（scripts/search_databases.py はデータベースを検索しません。エクスポートされた結果を集約し、重複を排除し、順位付けして整形します）
   • bioRxiv API（api.biorxiv.org）または Europe PMC を介して bioRxiv/medRxiv を検索します
   • ChEMBL、KEGG、UniProt などには alterlab-bioservices スキルを使用します

   一般的な科学文献：

   • 直接 API を介して arXiv を検索します（物理学、数学、計算機科学、定量生物学のプレプリント）
   • API を介して Semantic Scholar を検索します（分野横断的な 2 億件以上の論文）
   • 包括的な検索には Google Scholar を使用します（手動検索または慎重なスクレイピング）

   専門データベース：

   • タンパク質構造とがんゲノミクスには alterlab-gget（gget alphafold、gget cosmic）を使用します
   • 人口統計データ／統計データには alterlab-datacommons を使用します
   • 分野に応じて適切な専門データベースを使用します

2. 検索パラメーターを記録する：

   ## Search Strategy
   
   ### Database: PubMed
   - **Date searched**: 2024-10-25
   - **Date range**: 2015-01-01 to 2024-10-25
   - **Search string**:
   

   ("CRISPR"[Title] OR "Cas9"[Title]) AND ("sickle cell"[MeSH] OR "SCD"[Title/Abstract]) AND 2015:2024[Publication Date]

   - **Results**: 247 articles
   

   検索した各データベースについて繰り返します。

3. 結果をエクスポートして集約する：

   • 各データベースから JSON 形式で結果をエクスポートします
   • すべての結果を 1 つのファイルにまとめます
   • 後処理には scripts/search_databases.py を使用します：

     python scripts/search_databases.py combined_results.json \
       --deduplicate \
       --format markdown \
       --output aggregated_results.md
     

フェーズ 3：スクリーニングと選定

1. 重複の排除：

   python scripts/search_databases.py results.json --deduplicate --format json --output unique_results.json
   

   • DOI（優先）またはタイトル（代替）によって重複を削除します
   • 削除した重複件数を記録します

2. タイトルのスクリーニング：

   • すべてのタイトルを組み入れ基準／除外基準に照らして確認します
   • 明らかに関連性のない研究を除外します
   • この段階で除外した件数を記録します

3. 抄録のスクリーニング：

   • 残った研究の抄録を読みます
   • 組み入れ基準／除外基準を厳密に適用します
   • 除外理由を記録します

4. 全文のスクリーニング：

   • 残った研究の全文を入手します
   • すべての基準に照らして詳細に確認します
   • 具体的な除外理由を記録します
   • 最終的な組み入れ研究数を記録します

5. PRISMA 2020 フロー図を作成する（Page ら、BMJ 2021;372:n71 — 各段階の件数と全文審査での除外理由を報告します）：

   Identification: records from databases (n per source) + registers
     └─ removed before screening: duplicates (n), other (n)
   Screening: records screened (n) → excluded (n)
     └─ reports sought for retrieval (n) → not retrieved (n)
     └─ reports assessed for eligibility (n) → excluded, with reasons (n per reason)
   Included: studies (n) and reports (n) in the review
   

   PRISMA-S に従って、データベースごとの完全な検索式を報告します。スコーピングレビューには PRISMA-ScR を使用します。

フェーズ 4：データ抽出と質の評価

1. 各組み入れ研究から主要なデータを抽出する：

   • 研究のメタデータ（著者、年、雑誌、DOI）
   • 研究デザインと方法
   • サンプルサイズと集団の特性
   • 主な知見と結果
   • 著者が指摘した限界
   • 資金源と利益相反

2. バイアスリスクを評価する（研究ごとに、デザインに適したツールを使用します）：

   • RCT：Cochrane RoB 2 — ドメインごとおよび全体の判定：低リスク／懸念あり／高リスク
   • 介入の非ランダム化研究：ROBINS-I（riskofbias.info の V2）— 低／中等度／深刻／重大
   • その他の観察研究：Newcastle-Ottawa Scale
   • 診断精度研究：QUADAS-2
   • システマティックレビュー（アンブレラレビュー）：AMSTAR 2
   • 次に、GRADE を用いてアウトカムごとのエビデンス総体の確実性を評価します（高／中等度／低／非常に低）— GRADE が評価するのは研究間のアウトカムであり、個々の研究ではありません
   • 高リスクの研究を説明なく除外するよりも感度分析を優先し、影響を受けた研究を報告します

3. テーマごとに整理する：

   • 研究全体から 3～5 個の主要なテーマを特定します
   • テーマごとに研究をグループ分けします（複数のテーマに含まれる研究もあります）
   • 傾向、合意点、論争点を記録します

フェーズ 5：統合と分析

1. テンプレートからレビュー文書を作成します：

   cp assets/review_template.md my_literature_review.md
   

2. テーマ別に統合します（研究ごとの要約ではありません）：

   • 結果のセクションをテーマまたは研究課題ごとに構成します
   • 各テーマ内で複数の研究の知見を統合します
   • 異なるアプローチと結果を比較し、対照します
   • 合意が得られている領域と論争点を特定します
   • 最も強いエビデンスを強調します

   構成例：

   #### 3.3.1 Theme: CRISPR Delivery Methods
   
   Multiple delivery approaches have been investigated for therapeutic
   gene editing. Viral vectors (AAV) were used in 15 studies^1-15^ and
   showed high transduction efficiency (65-85%) but raised immunogenicity
   concerns^3,7,12^. In contrast, lipid nanoparticles demonstrated lower
   efficiency (40-60%) but improved safety profiles^16-23^.
   

3. 批判的分析：

   • 研究全体にわたる方法論上の強みと限界を評価します
   • エビデンスの質と一貫性を評価します
   • 知識のギャップと方法論上のギャップを特定します
   • 今後の研究が必要な領域に言及します

4. 考察を執筆します：

   • より広い文脈の中で知見を解釈します
   • 臨床、実務、または研究への示唆を論じます
   • レビュー自体の限界を認めます
   • 該当する場合は、先行レビューと比較します
   • 今後の具体的な研究の方向性を提案します

フェーズ 6：引用の検証

レビューを手元から送り出す前に、すべての引用を検証してください。DOI の誤りや知見の誤った帰属が一つでもあると、統合全体の信頼性が損なわれます。

1. すべての DOI を検証します：

   python scripts/verify_citations.py my_literature_review.md
   

このスクリプトは次の処理を行います：

• 文書からすべての DOI を抽出します
• 各 DOI が正しく解決されることを検証します
• CrossRef からメタデータを取得します
• 検証レポートを生成します
• 適切にフォーマットされた引用を出力します

DOI のみを確認します。DOI のない参考文献を検証する場合や、参考文献リスト全体に捏造または撤回済みの文献がないか確認する場合は、alterlab-citation-verifier を実行してください。

2. 検証レポートを確認します：

   • 失敗した DOI がないか確認します
   • 著者名、タイトル、出版情報が一致していることを確認します
   • 元の文書に誤りがあれば修正します
   • すべての引用が検証を通過するまで、検証を再実行します

3. 引用の書式を統一します：

   • 引用スタイルを一つ選び、全体で使用します（references/citation_styles.md を参照）
   • 一般的なスタイル：APA、Nature、Vancouver、Chicago、IEEE
   • 引用を正しくフォーマットするには、検証スクリプトの出力を使用します
   • 本文中の引用が参考文献リストの書式と一致していることを確認します

フェーズ 7：文書の生成

1. PDF を生成します：

   python scripts/generate_pdf.py my_literature_review.md \
     --citation-style apa \
     --output my_review.pdf
   

   オプション：

   • --output / -o：出力 PDF のパス（デフォルト：Markdown ファイル名に .pdf を付けたもの）
   • --citation-style：apa、nature、ieee、chicago-author-date などの CSL スタイル名。同じベース名の .bib ファイルが Markdown ファイルと同じディレクトリにある場合にのみ適用されます。また、pandoc が <style>.csl を見つけられる必要があります（CSL styles リポジトリ（github.com/citation-style-language/styles）から作業ディレクトリにダウンロードしてください）
   • --no-toc：目次を無効にします
   • --no-numbers：セクション番号を無効にします
   • --check-deps：pandoc / xelatex がインストールされているか確認します

2. 最終出力を確認します：

   • PDF の書式とレイアウトを確認します
   • すべてのセクションが含まれていることを確認します
   • 引用が正しく表示されることを確認します
   • 図表が適切に表示されていることを確認します
   • 目次が正確であることを確認します

3. 品質チェックリスト：

   • verify_citations.py ですべての DOI を検証済み
   • 引用の書式を統一済み
   • PRISMA フローダイアグラムを含めた（システマティックレビューの場合）
   • 検索方法を完全に記録済み
   • 選択基準と除外基準を明確に記載済み
   • 結果をテーマ別に構成済み（研究ごとの構成ではない）
   • 品質評価を完了済み
   • 限界を明記済み
   • 参考文献が完全かつ正確
   • エラーなく PDF を生成

データベース別の検索ガイダンス

各情報源へのアクセス方法と検索のヒント（NCBI E-utilities (Entrez) を介した PubMed/PMC（Biopython のスニペットを含む）、bioRxiv API / Europe PMC を介した bioRxiv/medRxiv、arXiv、Semantic Scholar、専門的な生物医学データベース、前方・後方引用の連鎖検索）は references/database_search_guidance.md にあります。データベース横断型のより広範な検索戦略については、references/database_strategies.md を参照してください。

引用スタイルと情報源の品質

• 引用スタイルのクイックリファレンス（APA、Nature、Vancouver）と、影響力の大きい論文を優先するルール（被引用数のしきい値、掲載誌のランク、著者の評価、先駆的な研究の特定）→ references/source_quality_prioritization.md。
• 書式設定の全ルール（APA、Nature、Vancouver、Chicago、IEEE）→ references/citation_styles.md。

最終確定の前に、必ず scripts/verify_citations.py で引用を確認してください。

ベストプラクティスと注意点

検索戦略、スクリーニング／選定、統合、再現性、執筆に関するベストプラクティスと、避けるべきよくある落とし穴10項目については、references/example_workflow_and_practices.md を参照してください。基本ルール：3つ以上のデータベースを検索し、検索のたびに記録を残し、研究ごとではなくテーマ別に整理し、すべての引用を確認します。

ワークフローの例、連携、依存関係

• 生物医学レビューのエンドツーエンドのコマンド手順一式（テンプレート → 検索 → 集約 → スクリーニング → 執筆 → 検証 → PDF）は、references/example_workflow_and_practices.md にあります。
• 同ファイルでは、データベース／分析／可視化／執筆スキルとの連携、および Python パッケージとシステムツール（pandoc、xelatex）の依存関係も説明しています。

適切な参照先

• レビュー全体を実行する → Core Workflow Phases 1-7 を順番に実施してください。
• データベースを選択／検索する → references/database_search_guidance.md（および references/database_strategies.md）。
• 引用の書式設定や優先順位付けを行う → references/source_quality_prioritization.md と references/citation_styles.md。
• ベストプラクティス、実例、連携、依存関係 → references/example_workflow_and_practices.md。

参考資料インデックス

スクリプト：

• scripts/verify_citations.py — DOIを検証し、書式設定済みの引用を生成します。
• scripts/generate_pdf.py — Markdownを専門的なPDFに変換します。
• scripts/search_databases.py — 検索結果を処理、重複排除、順位付け、書式設定します。

参考資料：

• references/database_search_guidance.md — データベースごとのアクセス方法（Entrez/PubMed、bioRxiv API、arXiv、Semantic Scholar）、検索のヒント、引用をたどる方法。
• references/database_strategies.md — 複数のデータベースを横断する包括的な検索戦略。
• references/source_quality_prioritization.md — 引用スタイルのクイックリファレンスと、影響力の大きい研究の優先順位付け（しきい値、掲載誌のランク、先駆的な論文の特定）。
• references/citation_styles.md — 詳細な引用書式設定（APA、Nature、Vancouver、Chicago、IEEE）。
• references/example_workflow_and_practices.md — エンドツーエンドの実例、ベストプラクティス、よくある落とし穴、スキル連携、依存関係、外部リソース。

アセット：

• assets/review_template.md — すべてのセクションを含む、完全な文献レビュー用テンプレート。

まとめ

この文献レビュー用スキルでは、以下を提供します。

1. 学術的なベストプラクティスに沿った体系的な方法論
2. 既存の科学系スキルを介した複数データベースとの連携
3. 正確性と信頼性を確保する引用の検証
4. MarkdownおよびPDF形式での専門的な出力
5. レビュー全体のプロセスを網羅する包括的なガイダンス
6. 検証・妥当性確認ツールによる品質保証
7. 詳細な文書化要件による再現性

学術基準を満たし、あらゆる分野の最新の知見を包括的に統合した、徹底的で厳密な文献レビューを実施できます。

AlterLab Academic Skills スイートの一部です。