pubmed-pico-search

name	pubmed-pico-search
description	PICO-based clinical question search. Triggers: PICO, 臨床問題, A比B好嗎, treatment comparison, clinical question, 療效比較

PICO 臨床問題搜尋

描述

針對 PICO 格式的臨床問題進行結構化搜尋，自動解析 Population, Intervention, Comparison, Outcome 元素。

觸發條件

• 「A 比 B 好嗎？」、「哪個治療效果更好？」
• 「在...病人中...的效果」
• 「...相比...」、「療效比較」
• 提到 PICO、臨床實證、治療指引

---

PICO 元素說明

元素	英文	說明	範例
P	Population	什麼病人？	ICU 病人、糖尿病患者
I	Intervention	什麼治療？	remimazolam、SGLT2 抑制劑
C	Comparison	比較什麼？	propofol、傳統療法
O	Outcome	什麼結果？	譫妄發生率、死亡率

---

工作流程

┌─────────────────────────────────────────────────────────────┐
│  Step 1: parse_pico(description)                            │
│  → 自動解析臨床問題為 P, I, C, O 元素                        │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│  Step 2: generate_search_queries() × 4 (並行)               │
│  → 每個 PICO 元素分別取得 MeSH + 同義詞                      │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│  Step 3: 組合 Boolean Query                                 │
│  → (P) AND (I) AND (C) AND (O) + filter                    │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│  Step 4: search_literature() + merge                        │
│  → 執行搜尋並合併結果                                        │
└─────────────────────────────────────────────────────────────┘

---

Step 1: 解析 PICO

自然語言問題：

parse_pico(description="remimazolam 在 ICU 鎮靜比 propofol 好嗎？會減少 delirium 嗎？")

回傳：

{
  "pico": {
    "P": "ICU patients",
    "I": "remimazolam",
    "C": "propofol",
    "O": "delirium, sedation outcome"
  },
  "question_type": "therapy",
  "suggested_filter": "therapy[filter]",
  "next_steps": [
    "For each PICO element, call generate_search_queries()",
    "Combine with AND logic",
    "Add therapy[filter] for high evidence"
  ]
}

或者直接提供結構化 PICO：

parse_pico(
    description="",
    p="ICU patients",
    i="remimazolam",
    c="propofol",
    o="delirium"
)

---

Step 2: 擴展每個 PICO 元素（並行！）

# 四個並行呼叫
generate_search_queries(topic="ICU patients")         # → P 材料
generate_search_queries(topic="remimazolam")          # → I 材料
generate_search_queries(topic="propofol")             # → C 材料
generate_search_queries(topic="delirium")             # → O 材料

回傳範例（I 元素）：

{
  "mesh_terms": [{"preferred": "remimazolam [Supplementary Concept]", "synonyms": ["CNS 7056"]}],
  "all_synonyms": ["CNS 7056", "ONO 2745"]
}

---

Step 3: 組合 Boolean Query

高精確度（AND 所有元素）：

("Intensive Care Units"[MeSH] OR ICU[tiab])           # P
AND (remimazolam OR "CNS 7056")                        # I
AND (propofol OR Diprivan)                             # C
AND ("Delirium"[MeSH] OR delirium[tiab])              # O
AND therapy[filter]                                    # Evidence filter

高召回率（放寬 I/C）：

(ICU[tiab])                                            # P
AND (remimazolam OR propofol OR "CNS 7056")           # I OR C
AND (delirium[tiab])                                   # O

---

Step 4: 執行搜尋

# 高精確度查詢
search_literature(
    query='("Intensive Care Units"[MeSH] OR ICU[tiab]) AND (remimazolam) AND (propofol) AND (delirium) AND therapy[filter]',
    limit=50
)

# 高召回率查詢
search_literature(
    query='ICU[tiab] AND (remimazolam OR propofol) AND delirium[tiab]',
    limit=50
)

# 合併結果
merge_search_results(results_json='[[...], [...]]')

---

Clinical Query Filters

根據 question_type 自動建議篩選器：

問題類型	Filter	適用情境
therapy	therapy[filter]	治療效果比較、介入性研究
diagnosis	diagnosis[filter]	診斷工具、篩檢準確度
prognosis	prognosis[filter]	預後因子、存活率預測
etiology	etiology[filter]	危險因子、病因探討

這些是 PubMed 內建的 Clinical Query Filters，可大幅提升證據品質！

---

完整範例：SGLT2 抑制劑與心衰竭

臨床問題：

「在第二型糖尿病合併心衰竭的病人中，SGLT2 抑制劑相比傳統治療，能否減少住院率？」

# Step 1: 解析
pico = parse_pico(
    description="在第二型糖尿病合併心衰竭的病人中，SGLT2 抑制劑相比傳統治療，能否減少住院率？"
)
# P = Type 2 diabetes with heart failure
# I = SGLT2 inhibitors
# C = Traditional therapy
# O = Hospitalization rate

# Step 2: 並行取得各元素的 MeSH
p_materials = generate_search_queries("Type 2 diabetes heart failure")
i_materials = generate_search_queries("SGLT2 inhibitors")
o_materials = generate_search_queries("hospitalization")

# Step 3: 組合查詢
query = '''
("Diabetes Mellitus, Type 2"[MeSH] AND "Heart Failure"[MeSH])
AND ("Sodium-Glucose Transporter 2 Inhibitors"[MeSH] 
     OR empagliflozin OR dapagliflozin OR canagliflozin)
AND ("Hospitalization"[MeSH] OR hospitalization[tiab] OR rehospitalization)
AND therapy[filter]
'''

# Step 4: 搜尋
search_literature(query=query, limit=100, min_year=2018)

---

小技巧

1. 問題類型判斷：

# 治療比較 → therapy
"A 藥比 B 藥好嗎？"

# 診斷準確度 → diagnosis  
"CT 診斷肺癌的敏感度？"

# 預後評估 → prognosis
"這個指數能預測死亡率嗎？"

# 病因研究 → etiology
"抽菸會增加...的風險嗎？"

2. 沒有 Comparison？

有些問題沒有明確的 C 元素，這很正常：

parse_pico(description="COVID-19 病人使用 remdesivir 的效果")
# P = COVID-19 patients
# I = remdesivir
# C = (empty or placebo)
# O = efficacy/outcomes

3. 結果太少？

• 移除 C 元素（只搜 P + I + O）
• 移除 filter（但會降低證據品質）
• 使用 expansion_type="broader"