pubmed-database

PubMed 数据库

概述

PubMed 是美国国家医学图书馆的综合数据库，提供对 MEDLINE 和生命科学文献的免费访问。使用布尔运算符、MeSH 词条和字段标签构建高级查询，通过 E-utilities API 以编程方式访问数据，用于系统综述和文献分析。

何时使用此技能

此技能应在以下情况下使用：

• 搜索生物医学或生命科学研究文章
• 使用布尔运算符、字段标签或 MeSH 词条构建复杂搜索查询
• 进行系统性文献综述或元分析
• 通过 E-utilities API 以编程方式访问 PubMed 数据
• 按特定条件查找文章（作者、期刊、出版日期、文章类型）
• 检索引文信息、摘要或全文文章
• 处理 PMID（PubMed ID）或 DOI
• 创建用于文献监测或数据提取的自动化工作流

核心能力

1. 高级搜索查询构建

使用布尔运算符、字段标签和专门语法构建复杂的 PubMed 查询。

基本搜索策略：

• 使用布尔运算符（AND、OR、NOT）组合概念
• 使用字段标签将搜索限制到特定记录部分
• 使用双引号进行短语搜索以精确匹配
• 应用通配符以匹配词条变体
• 使用邻近搜索查找指定距离内的词条

示例查询：

# 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：

• 需要可用字段标签的完整列表
• 需要搜索运算符的详细说明
• 构建复杂的邻近搜索
• 理解自动词条映射行为
• 需要日期范围、通配符或特殊字符的特定语法

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

2. MeSH 词条和受控词表

使用医学主题词（MeSH）在生物医学文献中进行精确、一致的搜索。

MeSH 搜索：

• [mh] 标签搜索 MeSH 词条，并自动包含更窄的词条
• [majr] 标签将结果限制为主题为主要焦点的文章
• 将 MeSH 词条与副标题组合以提高特异性（例如，diabetes mellitus/therapy[mh]）

常见 MeSH 副标题：

• /diagnosis - 诊断方法
• /drug therapy - 药物治疗
• /epidemiology - 疾病模式和流行情况
• /etiology - 疾病病因
• /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. 文章类型和出版筛选

按出版类型、日期、文本可用性和其他属性筛选结果。

出版类型（使用 [pt] 字段标签）：

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

日期筛选：

• 单一年份：2024[dp]
• 日期范围：2020:2024[dp]
• 特定日期：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 进行编程访问

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 - 搜索数据库并检索 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 以进行批处理
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：每秒 3 次请求
• 有 API key：每秒 10 次请求
• 始终包含 User-Agent 请求头

最佳实践：

• 对大型结果集使用历史服务器（usehistory=y）
• 通过 EPost 为多个 UID 实现批量操作
• 在本地缓存结果，以尽量减少冗余调用
• 遵守速率限制，避免服务中断

何时查阅 api_reference.md：

• 需要详细的端点文档
• 需要每个 E-utility 的参数规格
• 构建批量操作或历史服务器工作流
• 了解响应格式（XML、JSON、文本）
• 排查 API 错误或速率限制问题

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

5. 引文匹配与文章检索

使用部分引文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]

引文匹配（通过 ECitMatch API）： 使用期刊名称、年份、卷、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. 系统文献综述

为系统综述和荟萃分析开展全面的文献检索。

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

# 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. 使用字段标签增加精确性
3. 应用日期和出版物类型过滤器
4. 使用高级检索查看查询转换
5. 组合检索历史以构建复杂查询

何时查阅 common_queries.md：

• 需要针对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
• 寻找特定人群的查询模式（儿科、老年医学等）
• 构建特定方法学的检索
• 需要质量过滤器或最佳实践模式

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

7. 检索历史与已保存检索

使用 PubMed 的检索历史和 My NCBI 功能，实现高效的研究工作流。

检索历史（通过高级检索）：

• 最多保留 100 条检索
• 闲置 8 小时后过期
• 使用 # 引用组合之前的检索
• 在执行前预览结果数量

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
• 为新的匹配文章设置电子邮件提醒
• 创建已保存文章的集合
• 按项目或主题组织研究

RSS 订阅源： 为任意检索创建 RSS 订阅源，以监控您感兴趣领域的新出版物。

8. 相关文章与引文发现

查找相关研究并探索引文网络。

相似文章功能： 每篇 PubMed 文章都包含基于以下内容预先计算的相关文章：

• 标题和摘要相似度
• MeSH 词重叠
• 加权算法匹配

使用 ELink 获取相关数据：

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

引文链接：

• LinkOut 到出版商提供的全文
• 指向 PubMed Central 免费文章的链接
• 与相关 NCBI 数据库（GenBank、ClinicalTrials.gov 等）的连接

9. 导出与引文管理

以多种格式导出搜索结果，用于引文管理和进一步分析。

导出格式：

• 适用于参考文献管理工具（Zotero、Mendeley、EndNote）的 .nbib 文件
• AMA、MLA、APA、NLM 引文样式
• 用于数据分析的 CSV
• 用于程序化处理的 XML

剪贴板与集合：

• 剪贴板：最多 500 个条目的临时存储（8 小时过期）
• 集合：通过 My NCBI 账户进行永久存储

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，包括全部九个端点、参数、响应格式和最佳实践。在以下情况查阅：

• 实现程序化 PubMed 访问
• 构造 API 请求
• 理解速率限制和身份验证
• 通过 history server 处理大型数据集
• 排查 API 错误

references/search_syntax.md

PubMed 搜索语法详细指南，包括字段标签、布尔运算符、通配符和特殊字符。在以下情况查阅：

• 构造复杂搜索查询
• 理解自动词语映射
• 使用高级搜索功能（邻近搜索、通配符）
• 应用过滤器和限制条件
• 排查意外搜索结果

references/common_queries.md

针对各种研究场景、疾病类型和方法学的大量示例查询集合。在以下情况查阅：

• 开始新的文献检索
• 需要特定研究领域的模板
• 寻找最佳实践查询模式
• 开展系统综述
• 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。对于简短查询或基本检索，此 SKILL.md 中的信息可能已经足够。对于复杂操作，请查阅相应的参考文件。

常见工作流

工作流 1：基本文献检索

1. 确定关键概念和同义词
2. 使用布尔运算符和字段标签构造查询
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. 导出结果以供分析

工作流 2：系统综述检索

1. 使用 PICO 框架定义研究问题
2. 确定所有相关 MeSH 词和同义词
3. 构造全面的检索策略
4. 检索多个数据库（包括 PubMed）
5. 记录检索策略和日期
6. 导出结果以供筛选和综述

工作流 3：程序化数据提取

1. 设计搜索查询并在 Web 界面中测试
2. 使用 ESearch API 实现检索
3. 对大型结果集使用 history server
4. 使用 EFetch 获取详细记录
5. 解析 XML/JSON 响应
6. 通过缓存将数据存储在本地
7. 实现速率限制和错误处理

工作流 4：引文发现

1. 从已知的相关文章开始
2. 使用 Similar Articles 查找相关工作
3. 检查引用文章（如可用）
4. 探索相关文章的 MeSH 词
5. 基于发现构造新的检索
6. 使用 ELink 查找相关数据库条目

工作流 5：持续文献监测

1. 构造全面的搜索查询
2. 测试并优化查询以提高精确度
3. 将检索保存到 My NCBI 账户
4. 为新匹配项设置电子邮件提醒
5. 创建 RSS 订阅源以供订阅阅读器监测
6. 定期查看新文章

提示与最佳实践

检索策略

• 先宽泛检索，再用字段标签和过滤器缩小范围
• 包含同义词和 MeSH 词以实现全面覆盖
• 使用引号进行精确短语检索
• 在 Advanced Search 中检查 Search Details 以验证查询转换
• 使用检索历史组合多个检索

API 使用

• 获取 API key 以获得更高的速率限制（10 req/sec 对比 3 req/sec）
• 对于结果集超过 500 篇文章的情况，使用 history server
• 实现指数退避以处理速率限制
• 在本地缓存结果以尽量减少冗余请求
• 始终包含描述性的 User-Agent 请求头

质量过滤

• 优先选择系统综述和 meta 分析以获取综合证据
• 使用出版物类型过滤器查找特定的研究设计
• 按日期过滤以获取最新研究
• 视情况应用语言过滤器
• 使用免费全文过滤器以便立即访问

引文管理

• 尽早且频繁地导出，以免丢失搜索结果
• 使用 .nbib 格式以兼容大多数文献管理软件
• 创建 My NCBI 账户以建立永久收藏
• 记录检索策略以确保可复现性
• 使用 Collections 按项目组织研究

局限性与注意事项

数据库覆盖范围

• 主要为生物医学和生命科学文献
• 1975 年之前的文章通常缺少摘要
• 2002 年起提供完整作者姓名
• 提供非英文摘要，但可能默认以英文显示

检索局限性

• 显示结果最多限制为 10,000 条
• 检索历史在 8 小时无活动后过期
• Clipboard 最多保存 500 个条目，8 小时后过期
• 自动词语映射可能产生意外结果

API 注意事项

• 适用速率限制（3-10 次请求/秒）
• 大型查询可能超时（使用 history server）
• 提取详细数据需要解析 XML
• 建议在生产环境中使用 API key

访问限制

• PubMed 提供引文和摘要（不总是提供全文）
• 全文访问取决于出版商、机构访问权限或开放获取状态
• LinkOut 的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 帮助: https://pubmed.ncbi.nlm.nih.gov/help/
• E-utilities 文档: https://www.ncbi.nlm.nih.gov/books/NBK25501/
• NLM 帮助台: 1-888-FIND-NLM (1-888-346-3656)
• 技术支持: vog.hin.mln.ibcn@seitilitue
• 邮件列表: [email protected]