pubmed-paper-exploration

---

name: pubmed-paper-exploration description: Deep exploration from a key paper. Triggers: 這篇論文的相關研究, 誰引用這篇, 類似文章, related articles, citation tree, paper exploration

論文深度探索

描述

從一篇關鍵論文出發，探索引用網絡和相關研究，適合深入了解某個領域或追蹤研究發展脈絡。

觸發條件

• 「這篇文章的相關研究」
• 「有誰引用這篇？」
• 「類似的文章」
• 「這個領域的發展脈絡」
• 提供 PMID 或論文標題

---

探索方向

                    ┌──────────────────┐
                    │   Key Paper      │
                    │   PMID: 12345    │
                    └────────┬─────────┘
                             │
          ┌──────────────────┼──────────────────┐
          │                  │                  │
          ▼                  ▼                  ▼
    ┌───────────┐     ┌───────────┐     ┌───────────┐
    │ References │     │  Related  │     │  Citing   │
    │   (過去)   │     │  (相似)   │     │  (未來)   │
    └───────────┘     └───────────┘     └───────────┘

工具	用途	時間軸
fetch_article_details	取得參考文獻列表	← 過去（這篇引用誰）
find_related_articles	PubMed 演算法找相似文章	↔ 相似（主題接近）
find_citing_articles	找引用這篇的論文	→ 未來（誰引用這篇）

---

探索工具

1. 取得論文詳情與參考文獻

fetch_article_details(pmids="30217674")

回傳：

{
  "articles": [{
    "pmid": "30217674",
    "title": "Remimazolam versus midazolam...",
    "abstract": "...",
    "authors": ["Doi M", "Hirata N", "..."],
    "journal": "Anesthesiology",
    "pub_date": "2020 Jan",
    "mesh_terms": ["Benzodiazepines", "Conscious Sedation", "..."],
    "references": ["12345678", "87654321", "..."]  // ← 這篇引用的論文
  }]
}

---

2. 找相關文章（PubMed Similar Articles）

find_related_articles(pmid="30217674", limit=10)

這使用 PubMed 的 Related Articles 演算法，基於：

• MeSH 詞彙相似度
• 標題/摘要的詞彙重疊
• 引用模式

回傳：

{
  "source_pmid": "30217674",
  "related_articles": [
    {
      "pmid": "33105432",
      "title": "Efficacy of remimazolam versus...",
      "journal": "Br J Anaesth",
      "relevance_score": 0.95
    },
    // ...
  ]
}

---

3. 找引用文章（Citation Tracking）

find_citing_articles(pmid="30217674", limit=20)

回傳：

{
  "source_pmid": "30217674",
  "citing_articles": [
    {
      "pmid": "35678901",
      "title": "Real-world experience with remimazolam...",
      "pub_date": "2023",
      "is_review": false
    },
    // ...
  ],
  "total_citations": 156
}

重要: 引用追蹤可找到：

• 後續驗證研究
• 系統性回顧
• 臨床指引更新

---

建立引用樹（Citation Tree）

從一篇種子論文開始，逐層探索引用網絡：

第一層：直接相關

# 並行呼叫
find_related_articles(pmid="30217674", limit=5)    # 相似文章
find_citing_articles(pmid="30217674", limit=10)    # 引用文章

第二層：擴展到重要引用

# 對第一層的重要論文再次探索
for important_pmid in ["35678901", "34567890"]:
    find_citing_articles(pmid=important_pmid, limit=5)

---

跨來源探索

Europe PMC（歐洲版 PubMed，更多全文）

search_europe_pmc(query="remimazolam", limit=20)
get_europe_pmc_citations(pmid="30217674")  # 引用資料

CORE（開放取用全文庫）

find_in_core(title="Remimazolam versus midazolam for procedural sedation")
# → 找到後可取得全文
get_core_fulltext(core_id="12345678")

Semantic Scholar（學術知識圖譜）

search_semantic_scholar(query="remimazolam sedation", limit=10)
get_semantic_scholar_paper(paper_id="...")  # 包含影響力指標

---

完整探索範例

情境：研究 remimazolam 的臨床應用發展

# Step 1: 找到種子論文（關鍵臨床試驗）
results = search_literature(
    query="remimazolam randomized controlled trial",
    article_type="Clinical Trial",
    limit=5
)
seed_pmid = results["articles"][0]["pmid"]  # 假設是 30217674

# Step 2: 取得完整資訊
details = fetch_article_details(pmids=seed_pmid)

# Step 3: 三方向探索（並行）
related = find_related_articles(pmid=seed_pmid, limit=10)
citing = find_citing_articles(pmid=seed_pmid, limit=20)

# Step 4: 識別重要論文
# - 在 related 和 citing 都出現的 → 核心文獻
# - citing 中標記為 review 的 → 綜述文章
# - citing 中最近發表的 → 最新進展

# Step 5: 深入重要論文
important_pmids = ["35678901", "34567890", "33456789"]
for pmid in important_pmids:
    fetch_article_details(pmids=pmid)

---

研究脈絡重建

縱向時間軸

2015 ──┬── Phase 1 trial (safety)
       │
2017 ──┼── Phase 2 trial (dosing)
       │
2019 ──┼── Phase 3 RCT (efficacy) ← 種子論文
       │
2020 ──┼── Systematic review
       │
2021 ──┼── Real-world studies
       │
2022 ──┼── Guideline recommendations
       │
2023 ──┴── Current best evidence

如何建立：

# 1. 從種子論文取得參考文獻（向過去追溯）
details = fetch_article_details(pmids="30217674")
past_papers = details["articles"][0]["references"]

# 2. 從種子論文找引用（向未來追蹤）
citing = find_citing_articles(pmid="30217674", limit=50)
future_papers = [a["pmid"] for a in citing["citing_articles"]]

# 3. 合併並按時間排序
all_pmids = past_papers + ["30217674"] + future_papers
all_details = fetch_article_details(pmids=",".join(all_pmids))
# 按 pub_date 排序即可得到時間軸

---

小技巧

1. 找到領域的 Landmark Paper

# 搜尋高引用的綜述文章
search_literature(
    query="remimazolam review",
    article_type="Review",
    strategy="most_cited"
)

2. 追蹤最新進展

# 最近引用種子論文的研究
citing = find_citing_articles(pmid="30217674", limit=50)
recent = [a for a in citing["citing_articles"] if a["pub_date"] >= "2023"]

3. 找爭議或相反結論

在 related articles 中找標題含 "versus", "comparison", "no difference" 的論文