如何在不过度声称的情况下找到研究空白

要点

• 研究空白是对当前证据所能证实的结果的限制，而不仅仅是发表数量少。

• 应通过多个数据库、最近的综述、注册表、灰色文献和引文追踪来测试候选者的差距。

• 人口或地点的新颖性只有在改变适用性、解释、实施或决策时才重要。

• 拟议的研究设计必须能够减少已确定的不确定性。

• 人工智能可以提出候选缺口，但不能保证新颖性或完整覆盖。

什么算作研究空白？

差距是研究或实践决策需要的内容与现有证据当前可以确定的内容之间的合理不匹配。它不仅仅是一个论文数量很少的主题、从一篇文章中复制的局限性或现有研究的流行变体。

常见间隙类型

步骤 1：定义差距背后的决策

写下一项新的研究可以让某人理解或决定什么。 “我的城市读书少”是薄弱的。 “现有研究并未表明干预措施在资源有限且人员配置不同的公共诊所中是否可行”解释了为什么背景很重要。

第 2 步：进行足够广泛的搜索以挑战您的假设

搜索多个相关数据库、最近的综述、注册表、论文和灰色文献。使用向后和向前的引用追踪。包括总体、构造和方法的同义词。记录查询和日期。 Cochrane Handbook, Chapter 4 支持系统评价环境中记录的多源检索；应用相同的透明度原则，而不会将探索性差距搜索错误地标记为系统性的。

使用实时如何查找研究论文 工作流程进行数据库发现和验证，并使用AI 文献检索工具 组织候选来源。差距声明不应仅依赖于 Acade 或任何单一检索系统。你的目标部分是否定的：尝试找到可以使所提出的差距无效的研究。

步骤 3：构建证据图

不要仅仅依赖作者的“未来研究”部分。这些建议可能是通用的、战略性的或过时的。将它们与实际证据模式进行比较。

文献综述矩阵为此证据图提供了可重用的结构，而如何综合文献则解释了如何评估矛盾而不扁平化它们。

步骤 4：生成多个候选解释

假设结果冲突。候选解释可能包括人口、暴露定义、结果时间、样本选择、混杂调整、实施保真度或机会。只有当新设计能够区分合理的解释时，矛盾才会成为可信的差距。

步骤 5：对候选人差距进行评分

每个评分范围为 0-2：

该分数是一种编辑辅助工具，而不是经过验证的科学仪器。

步骤 6：编写有界间隙语句

使用这个结构：

现有研究已在[研究背景]中建立了[支持模式]。
然而，关于[具体未知]的证据仍然有限/不一致，
特别是对于[人群/背景/方法]。这很重要，因为[后果]。
使用[可行设计/证据]的研究可以测试[特定关系或
解释]。

完整的说明性示例

主题： 睡前智能手机使用和大学生睡眠。这里的所有证据记录都是假设的。

证据图：横断面调查表明存在关联；一项简短的日记研究表明，与工作量相关的变化；小型宵禁试点确定了可行性，但没有有效性。

错误的说法：“没有人研究过智能手机的使用和学生睡眠。”

更好的候选人差距：“现有的说明性研究将睡前智能手机的使用与本科生的睡眠联系起来，但它们提供的关于人内时间顺序以及学术工作量是否会改变这种关系的证据有限。一项针对学期不同时间点的预先登记的纵向日记研究可以测试在测量工作量时，每晚使用智能手机的变化是否先于睡眠的变化。”

为什么它更强：它承认先前的证据，指出确切的不确定性，将设计与不确定性联系起来，并避免声称具有全球新颖性。

步骤 7：提交前验证

• 使用替代术语重新运行搜索。

• 检查新出版和正在出版的作品。

• 搜索相关注册表，例如

  ClinicalTrials.gov

  ，以及正在进行或未发表研究的论文和其他来源。

• 使用

  灰色文献指南

  记录制作者站点、版本、注册表和停止规则。

• 请图书馆员或信息专家审查覆盖范围。

• 询问主题专家是否存在实质性差距。

• 询问方法学家所提出的设计是否可以回答这个问题。

• 确认道德、数据访问、样本可行性和分析专业知识。当通过证据综合方法找出差距时，请查阅当前的方法来源，例如

  JBI Manual for Evidence Synthesis

  ，而不是假设一个通用映射程序适合每种评审类型。

Acade 如何支持差距发展

Acade 可以帮助搜索文献、按人群/方法/发现/局限性组织来源、比较研究、生成思维导图、完善研究问题以及支持研究设计和写作。产生的差距是一种用于验证的假设，而不是全球新颖性的证据。检查来源、最近的工作、术语、可行性和专家判断。

一旦差距通过验证，实时研究问题生成器 就可以支持从差距陈述到候选问题的过渡，并且当预期任务是探索性或以经验为中心时，定性研究指南 可以提供帮助。

使用 Acade 将经过验证的证据图转变为候选研究问题。

研究空白清单

• [ ] 声明受主题、人群、背景、方法和日期的限制。

• [ ] 搜索并记录了多种源类型。

• [ ] 尝试否认该差距后仍然存在。

• [ ] 它的重要性超出了地理或人口统计方面的新颖性。

• [ ] 可行的设计可以减少不确定性。

• [ ] 替代解释已被认可。

• [ ] 该声明在没有非凡证据的情况下不会使用“没有研究”。

• [ ] 主题、方法、道德和访问限制均由人工检查。

常见问题

研究空白与研究问题相同吗？

不。问题是激发探究的问题；问题是激发探究的问题。差距是现有证据所能确定的具体限制。

一篇论文可以证明研究空白吗？

很少。一篇论文可以推荐一位候选人，但验证需要更广泛、最新的搜索和独立判断。

新人口会自动产生缺口吗？

否。请解释为什么现有证据可能不适用，以及新群体解决了哪些随之而来的不确定性。

在哪里可以找到论文中的差距陈述？

介绍、限制、讨论和综述结论可以提出这些主张，但您必须根据更新和更广泛的证据来检验这些主张。

AI能否找到原创研究空白？

人工智能可以比较提供的证据并提出候选人。不能保证新颖性或完整覆盖；研究人员必须验证该主张和可行性。

结论

合理的研究空白是一种经过验证的、后果性的、可研究的不确定性，而不是声称什么都不存在。告诉 Acade 您的问题、证据图、约束条件和可行方法，然后要求其提出有界候选者供专家评审：继续与 Acade 合作。

权威来源

• Cochrane Handbook, Chapter 4

• JBI Manual for Evidence Synthesis

• ClinicalTrials.gov