literature-review

文献レビュー

概要

厳格な学術的手法に従って、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、知見をテーマ別に統合し、すべての引用の正確性を確認して、Markdown および PDF 形式の専門的な文書を作成します。

このスキルでは、幅広い学術文献の発見における主要なウェブ検索ツールとして parallel-web スキル（parallel-cli search）を使用し、専門データベースへのアクセススキル（gget、bioservices、datacommons-client）で補完します。引用の検証、検索結果の集約、文書の生成に特化したツールを提供します。

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。

• 研究や出版に向けたシステマティックレビューを実施するとき
• 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見を統合するとき
• メタ分析やスコーピングレビューを実施するとき
• 研究論文や学位論文の文献レビューのセクションを執筆するとき
• 研究分野の最先端の状況を調査するとき
• 研究上のギャップや今後の方向性を特定するとき
• 検証済みの引用と専門的な書式が必要なとき

科学的な図解によるビジュアルの強化

⚠️ 必須：すべての文献レビューに、scientific-schematics スキルで生成した AI 画像を少なくとも 1～2 点含めてください。

これは任意ではありません。ビジュアル要素のない文献レビューは不完全です。文書を仕上げる前に、次の作業を行ってください。

1. 図式またはダイアグラムを最低 1 点生成します（例：システマティックレビュー用の PRISMA フロー図）。
2. 包括的なレビューでは、図を 2～3 点用意することを推奨します（検索戦略のフローチャート、テーマ別統合の図、概念的フレームワークなど）。

図の生成方法：

• scientific-schematics スキルを使用して、AI による出版品質のダイアグラムを生成します。
• 希望するダイアグラムを自然言語で説明するだけで生成できます。
• Nano Banana Pro が図式を自動的に生成、レビュー、改良します。

図式の生成方法：

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI は次の作業を自動的に行います。

• 適切な書式で出版品質の画像を作成します。
• 複数回の反復を通じてレビューし、改良します。
• アクセシビリティ（色覚多様性への配慮、高いコントラスト）を確保します。
• 出力を figures/ ディレクトリに保存します。

図式を追加する場面：

• システマティックレビュー用の PRISMA フロー図
• 文献検索戦略のフローチャート
• テーマ別統合の図
• 研究上のギャップを可視化するマップ
• 引用ネットワーク図
• 概念的フレームワークの図
• 可視化によって理解しやすくなる複雑な概念

図式の作成方法について詳しくは、scientific-schematics スキルのドキュメントを参照してください。

---

基本ワークフロー

文献レビューは 7 つのフェーズで構成されます。コマンドとテンプレートを含む詳しい説明は、 references/core_workflow.md に記載されています。

1. 計画とスコープ設定 — 問い、採用基準と除外基準、対象範囲を定めます。
2. 体系的な文献検索 — 検索クエリを記録しながら、複数のデータベースを検索します。
3. スクリーニングと選定 — タイトルと抄録を確認した後、全文をスクリーニングし、PRISMA フロー図用の件数を記録します。
4. データ抽出と品質評価 — 構造化されたデータ抽出を行い、バイアスリスクまたは品質を評価します。
5. 統合と分析 — 研究全体を通じて、テーマ別または定量的な統合を行います。
6. 引用の検証 — すべての引用を実際の情報源と照合します。
7. 文書の生成 — 完全な参考文献一覧を含むレビューをまとめます。

検索式と検索日を、作業を進めながらすべて記録してください。検索を再現できないレビューは、体系的とはいえません。データベース別の検索ガイダンスと引用スタイルについては references/search_and_citation.md を、全工程を実施したレビュー例については references/example_workflow.md を参照してください。

ベストプラクティス

検索戦略

1. まず parallel-web を使う：専門データベースを検索する前に、学術ドメインを指定して parallel-cli search を実行し、幅広く初期検索します
2. 複数のデータベースを使う（最低3つ）：包括的に網羅するためです。parallel-web は1つのソースとして数えます
3. プレプリントサーバーを含める：未発表の最新の研究成果を取り込めます
4. すべてを記録する：再現性を確保するため、検索文字列、日付、結果件数を記録します。parallel-cli の出力はすべて sources/ に保存します
5. 試行して改善する：予備検索を実施し、結果を確認して検索語を調整します
6. 被引用数で並べ替える：可能な場合は、影響力の大きい研究を先に確認できるよう、検索結果を被引用数順に並べ替えます
7. parallel-cli extract を使う：検索で見つかった有望な URL から全文を取得し、全文スクリーニングの前に関連性を確認します

スクリーニングと選定

1. 複数のデータベースを使う（最低3つ）：包括的に網羅するためです
2. プレプリントサーバーを含める：未発表の最新の研究成果を取り込めます
3. すべてを記録する：再現性を確保するため、検索文字列、日付、結果件数を記録します
4. 試行して改善する：予備検索を実施し、結果を確認して検索語を調整します

スクリーニングと選定

1. 明確な基準を使う：スクリーニングの前に、採用基準と除外基準を記録します
2. 体系的にスクリーニングする：タイトル → 要旨 → 全文の順に確認します
3. 除外理由を記録する：研究を除外した理由を記録します
4. 二重スクリーニングを検討する：システマティックレビューでは、2人のレビュアーが独立してスクリーニングします

統合

1. テーマごとに整理する：個々の研究ごとではなく、テーマごとにまとめます
2. 複数の研究を統合する：比較・対照し、パターンを特定します
3. 批判的に評価する：エビデンスの質と一貫性を評価します
4. ギャップを特定する：不足している点や研究が十分でない点を記します

品質と再現性

1. 研究の質を評価する：適切な品質評価ツールを使います
2. すべての引用を検証する：verify_citations.py スクリプトを実行します
3. 方法論を記録する：他の人が再現できるだけの詳細を記載します
4. ガイドラインに従う：システマティックレビューでは PRISMA を使います

執筆

1. 客観的に記述する：エビデンスを公正に提示し、限界も認めます
2. 体系的に記述する：構造化されたテンプレートに従います
3. 具体的に記述する：得られる場合は、数値、統計、効果量を含めます
4. 明確に記述する：わかりやすい見出し、論理的な流れ、テーマごとの構成を用います

よくある避けるべき落とし穴

1. 単一データベースでの検索：関連論文を見落とすため、必ず複数のデータベースを検索します
2. 検索内容を記録しない：レビューの再現性が損なわれるため、すべての検索を記録します
3. 研究ごとの要約：統合が不十分になります。代わりにテーマごとに整理します
4. 引用を検証しない：誤りにつながるため、必ず verify_citations.py を実行します
5. 検索範囲が広すぎる：無関係な結果が何千件も表示されるため、具体的な用語で絞り込みます
6. 検索範囲が狭すぎる：関連論文を見落とすため、同義語や関連用語を含めます
7. プレプリントを無視する：最新の研究成果を見落とすため、bioRxiv、medRxiv、arXiv を含めます
8. 品質評価を行わない：すべてのエビデンスを同等に扱ってしまうため、品質を評価して報告します
9. 出版バイアス：肯定的な結果だけが発表される可能性があるため、潜在的なバイアスに言及します
10. 検索が古い：分野の変化が速いため、検索日を明記します

他のスキルとの連携

このスキルは、他の科学系スキルとシームレスに連携します。

ウェブ検索と抽出（parallel-web スキル — PRIMARY）

• parallel-cli search：ドメインで絞り込める、学術分野および一般ウェブの幅広い検索です。初期調査、論文の発見、引用をたどる検索、補足検索に使用します
• parallel-cli extract：論文の URL、学術誌のウェブサイト、プレプリントサーバーから全文を取得します。要旨の確認、参考文献リストの抽出、論文の詳細の検証に使用します
• parallel-cli search --include-domains：学術ドメイン（arxiv.org、pubmed、nature.com など）を対象とした検索です

データベースアクセススキル

• gget：PubMed、bioRxiv、COSMIC、AlphaFold、Ensembl、UniProt
• bioservices：ChEMBL、KEGG、Reactome、UniProt、PubChem
• datacommons-client：人口統計、経済、健康統計

分析スキル

• pydeseq2：RNA-seq の差次的発現解析（方法セクション向け）
• scanpy：シングルセル解析（方法セクション向け）
• anndata：シングルセルデータ（方法セクション向け）
• biopython：配列解析（背景セクション向け）

可視化スキル

• matplotlib：レビュー用の図やプロットを生成
• seaborn：統計的な可視化

執筆スキル

• brand-guidelines：PDF に機関のブランドガイドラインを適用
• internal-comms：レビューを対象読者に合わせて調整
• venue-templates：出版用レビューを準備する際に、掲載先固有の執筆スタイルガイドを参照

掲載先固有の執筆スタイル

特定のジャーナル向けに文献レビューを作成する際は、venue-templates スキルを参照して執筆スタイルの指針を確認してください。

• venue_writing_styles.md：掲載先ごとのスタイルを比較した総合ガイド
• nature_science_style.md：Nature／Science の流れるような要旨スタイルと、ストーリー性を重視した構成
• cell_press_style.md：Cell Press のグラフィカルアブストラクトとハイライト形式
• medical_journal_styles.md：NEJM／Lancet／JAMA の構造化抄録と PRISMA 準拠

これらのガイドは、対象となる掲載先の期待に合わせて、レビューの文体、要旨の形式、構成を調整するのに役立ちます。

リソース

同梱リソース

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
• scripts/generate_pdf.py：Markdown をプロフェッショナルな PDF に変換
• scripts/search_databases.py：検索結果を処理、重複排除、書式設定

参考資料：

• references/citation_styles.md：詳細な引用書式ガイド（APA、Nature、Vancouver、Chicago、IEEE）
• references/database_strategies.md：包括的なデータベース検索戦略

アセット：

• assets/review_template.md：すべてのセクションを含む文献レビューの完全なテンプレート

外部リソース

ガイドライン：

• PRISMA（システマティックレビュー）：http://www.prisma-statement.org/
• Cochrane Handbook：https://training.cochrane.org/handbook
• AMSTAR 2（レビューの質）：https://amstar.ca/

ツール：

• MeSH Browser：https://meshb.nlm.nih.gov/search
• PubMed Advanced Search：https://pubmed.ncbi.nlm.nih.gov/advanced/
• ブール検索ガイド：https://www.ncbi.nlm.nih.gov/books/NBK3827/

引用スタイル：

• APA Style：https://apastyle.apa.org/
• Nature Portfolio：https://www.nature.com/nature-portfolio/editorial-policies/reporting-standards
• NLM/Vancouver：https://www.nlm.nih.gov/bsd/uniform_requirements.html

依存関係

必須 CLI ツール

# parallel-cli (PRIMARY — for web search and URL extraction)
curl -fsSL https://parallel.ai/install.sh | bash
# Or: uv tool install "parallel-web-tools[cli]"
# Authenticate: parallel-cli auth

必須 Python パッケージ

uv pip install requests  # For citation verification

必須システムツール

# For PDF generation
brew install pandoc  # macOS
apt-get install pandoc  # Linux

# For LaTeX (PDF generation)
brew install --cask mactex  # macOS
apt-get install texlive-xetex  # Linux

依存関係を確認：

python scripts/generate_pdf.py --check-deps

概要

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. Parallel-web を活用した検索：parallel-cli search を使用して、学術分野の絞り込みを行いながら、幅広い学術文献を迅速に検索
3. 複数データベースの統合：既存の科学系スキル（gget、bioservices、datacommons-client）を活用
4. 引用の検証：正確性と信頼性を確保
5. プロフェッショナルな出力：Markdown および PDF 形式
6. 包括的なガイダンス：レビューの全プロセスを網羅
7. 品質保証：検証および妥当性確認ツールを使用
8. 再現性：詳細な文書化要件を通じて確保

学術基準を満たし、あらゆる分野の最新知識を包括的に統合した、徹底的かつ厳密な文献レビューを実施してください。

エージェントの作業手順

1. 環境を確認します。 調査の質問、データベース、期間、採用基準を確認します。
2. 入力を特定します。 データまたはユーザーから、形式、識別子、パラメーターを確認します。結果に影響する値を推測せず、確認してください。
3. まず小規模に実行します。 1つのデータベースで絞り込んだクエリを使って検索し、結果が関連していることを確認します。
4. 上記の指示と参考情報を使って、タスク全体を実行します。
5. 結果を検証します。 すべての参考文献について、解決可能な識別子を持つ実際のレコードから取得したことを確認し、件数と検索文字列を記録します。
6. 報告します。 実行した内容（バージョン、コマンド、パラメーター）、確認した内容、未確定の事項を明記します。

次の事態が発生した場合	対応
API がレート制限を適用する、またはエラーを返す	待機して再試行する、バッチサイズを小さくする、またはデータベースを切り替え、欠落について報告します。
この手順にある関数、フラグ、エンドポイントがインストール済みバージョンにない	インストール済みバージョンのドキュメント（help()、--help、公式ドキュメント）を確認して調整し、ユーザーに伝えます。API を決して捏造しないでください。
必須の入力、識別子、パラメーターが曖昧	ユーザーに確認するか、実行前に仮定を明示します。

誠実性に関するルール

• 結果、パラメーター、識別子、引用、統計を決して捏造しないでください。実行または検証できないことがある場合は、明確に伝えます。
• 取得していない論文を要約しないでください。記憶に基づいて引用しないでください。
• ここに記載されたバージョン固有の情報は古くなっている可能性があるため、インストール済みバージョンの公式ドキュメントで確認してください。
• 金銭がかかる操作、共有 GPU またはクラウドのクォータを消費する操作、個人データまたは患者データを扱う操作、取り消せない操作を行う前に確認してください。

関連スキル

• systematic-review-prisma：PRISMA 2020 の基準に沿って、システマティックレビューとメタ分析を計画、実施、報告します。
• citation-management：OpenAlex、PubMed、Google Scholar を検索し、CrossRef、PubMed、ar…を介して DOI、PMID、PMCID、arXiv ID、URL からメタデータを抽出します。
• paper-lookup：18 の学術 API を検索し、論文、プレプリント、引用、オープンアクセスの全文、リポジトリのレコード、ジャーナルの OA 状況を取得します。