Tiefgründige und verlässliche Forschung im Bereich Bio/Medizin
Anwendungsszenarien: Durchführung einer Rechercherunde biologischer/biomedizinischer Fachliteratur und Bereitstellung detaillierter und zuverlässiger Ergebnisse für die Nutzer. 1. Nach Eingabe einer Suchanfrage analysiert das System die Frage und die Schlüsselwörter. 2. Literaturrecherche über öffentliche und reproduzierbare Datenquellen. 3. Entfernung von Duplikaten, Stratifizierung, Klassifizierung und Sortierung der Suchergebnisse. 4. Anzeige von anklickbaren Textzitaten in der Antwort. 5. Auflistung der vollständigen Literaturinformationen am Ende des Dokuments und Kennzeichnung der Quellen mit öffentlich recherchierbaren Quellen; falls eine hochsichere Verifizierung nicht möglich ist, erfolgt die Kennzeichnung als „zu verifizieren“ oder „nicht gefunden“.
Featured by
YouMind
Why we love this skill
Diese Fähigkeit dient als verlässlicher Leitfaden für die biomedizinische Forschung und gewährleistet durch strukturierte Recherchen, mehrstufige Literatursichtung und strenge Überprüfungen des Impact Factors (IF) hochpräzise und überprüfbare Forschungsinformationen.
Anweisungen
Der Kern dieses Prozesses besteht darin: Zunächst werden mithilfe mehrerer Abfragen reproduzierbare erste Screenings in PubMed/NCBI E-Utilities durchgeführt. Anschließend wird PMID zur Deduplizierung und Bewertung der Abstract-Evidenz verwendet. Nur eine kleine Anzahl wichtiger Dokumente wird in die PMC/BioC-Volltextprüfung aufgenommen. Zitate im Text müssen anklickbar sein. Vollständige bibliografische Angaben müssen am Ende des Artikels aufgeführt sein. Der Impact Factor (IF) kann nur konservativ anhand öffentlich zugänglicher Quellen überprüft werden und es kann nicht davon ausgegangen werden, dass JCR oder lokale Datenbanken vorhanden sind. Treffer mit geringer Konfidenz dürfen nicht als endgültige Ergebnisse behandelt werden.
1. Vorverarbeitung nach dem Start einer Suche durch einen Benutzer
1.1 Analysieren Sie zunächst die Frage des Benutzers.
Nach Eingang der Frage eines Nutzers wird die natürlichsprachliche Frage zunächst in strukturierte Elemente zerlegt.
Muss identifiziert werden:
• Forschungsthemen: Gene, Proteine, Medikamente, Kanäle, Zelltypen, Gewebe, Krankheiten und Modelle.
• Biologische Systeme: Menschen, Mäuse, Ratten, Zebrafische, Organoide, Netzhaut, Gehirnregionen, Zelllinien usw.
• Beziehungstypen: Expression, Regulation, Funktion, Mechanismus, Phänotyp, Tod, Überleben, Behandlung, Toxizität, Entwicklung, Degeneration usw.
• Anforderungen an die Nachweise: Ob direkte Nachweise, mechanistische Nachweise, Volltextnachweise, Diagramme, Dosierungsparameter und experimentelle Methoden erforderlich sind.
• Zeitlicher Rahmen: unbegrenzte Zeit, die letzten 5 Jahre, das letzte Jahr, die neuesten Entwicklungen und klassische Literatur.
• Ausgabetypen: Kurzantwort, repräsentative Literatur, Zusammenfassung der Übersicht, Vorschläge für die Versuchsplanung, Evidenztabelle, Mechanismusdiagramm.
Beispiel:
Benutzerproblem:
"Bitte helfen Sie mir, Literatur zum Thema Absterben von retinalen Organoiden zu finden."
Strukturierte Zerlegung (Beispiel):
• Kernmodelle: Retina-Organoid, Retina-Organoid, aus hPSCs gewonnenes Retina-Organoid, Optikusbecher-Organoid.
• Phänotyp: Zelltod, Apoptose, Degeneration, Überlebensverlust, Stress, Nekrose.
• Verwandte Zellen: Photorezeptor, Zapfen, Stäbchen, retinale Ganglienzelle, Müller-Glia.
• Mögliche Mechanismen: oxidativer Stress, ER-Stress, mitochondriale Dysfunktion, Hypoxie, Entzündung, Ferroptose, Nekroptose.
• Evidenzziele: Priorisieren Sie Originalstudien, die Zelltod/Apoptose/Degeneration in humanen oder tierischen retinalen Organoiden direkt beobachten; suchen Sie anschließend nach Literatur zu indirekten Mechanismen.
1.2 Prinzipien der Keyword-Segmentierung (Beispiel)
Schreiben Sie nicht nur eine Suchanfrage. Bereiten Sie mindestens drei Kategorien von Begriffen für jedes Konzept vor.
Kategorie 1: Präzise Wörter.
• retinales Organoid
• Retina-Organoid
• menschliches retinales Organoid
• Von hPSC abgeleitetes Netzhautorganoid
• iPSC-abgeleitetes retinales Organoid
Die zweite Kategorie: Synonyme und Hyperonyme.
• Augenbecher-Organoid
• 3D-Retinakultur
• aus Stammzellen gewonnene Netzhaut
• Netzhautdifferenzierung
• Netzhautgewebemodell
Die dritte Kategorie: Mechanismus- und phänotypische Begriffe.
• Apoptose
• Zelltod
• Degeneration
• Überleben
• Stress
• oxidativer Stress
• ER-Stress
• mitochondriale Dysfunktion
• Hypoxie
• Nekroptose
• Ferroptose
Wenn der Benutzer den Zelltyp angibt, fügen Sie Folgendes hinzu:
• Fotorezeptor
• Kegel
• Stab
• retinale Ganglienzelle
• Müller-Glia
• Bipolarzelle
• Amakrinzelle
Wenn der Benutzer die Art oder den Ursprung angibt, fügen Sie Folgendes hinzu:
• menschlich
• Maus
• Ratte
• Zebrafisch
• hESC
• iPSC
• pluripotente Stammzelle
1.3 Generieren hierarchischer Suchanfragen
Generieren Sie mindestens 3–6 Suchanfragen. Jede Suchanfrage entspricht einem Suchziel.
Erste Ebene: Direkte Beweisbeschaffung.
Dient dazu, Literatur zu finden, die direkt zum Zielmodell und Zielphänotyp passt.
```Text
("Retina-Organoid" ODER "Retina-Organoid" ODER "menschliches Retina-Organoid") UND (Apoptose ODER "Zelltod" ODER Degeneration)
```
Zweite Ebene: Erweiterter Modellabruf.
Dient dazu, Literatur zu erfassen, in der der Autor zwar nicht den präzisen Begriff „retinales Organoid“ verwendet, dieser aber tatsächlich relevant ist.
```Text
("optisches Cup-Organoid" ODER "3D-Retinakultur" ODER "aus Stammzellen gewonnene Retina") UND (Überleben ODER Apoptose ODER Stress)
```
Dritte Ebene: Mechanismusspezifische Suche.
Wird verwendet, um spezifische Signalwege oder Mechanismen zu überprüfen.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND ("Oxidativer Stress" ODER "ER-Stress" ODER Hypoxie ODER Mitochondrien")
```
Vierte Ebene: Zelltypspezifische Suche.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Photorezeptor ODER Zapfen ODER Stäbchen ODER "Retina-Ganglienzelle") UND (Tod ODER Apoptose ODER Degeneration)
```
Fünfte Ebene: Abruf des Krankheitsmodells.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Krankheit ODER Degeneration ODER Dystrophie ODER Retinitis ODER Glaukom)
```
Sechste Ebene: Überprüfung/Hintergrundsuche.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Überprüfung ODER Protokoll ODER Modell)
```
2. Welche Methoden und Websites wurden für die Suche verwendet?
2.1 Bevorzugt: PubMed / NCBI E-Utilities
PubMed ist das bevorzugte Tool zur Suche in biomedizinischer Literatur. Verwenden Sie nicht standardmäßig das Scraping von PubMed-Seiten, sondern die NCBI E-Utilities API.
2.1.1 ESearch: Abrufen der PMID mithilfe einer Abfrage
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
```
Parameter:
```Text
db=pubmed
Suchbegriff=
retmode=json
retmax=20
sort=relevanz
```
Sie können auch nach Zeit sortieren:
```Text
sort=pub+date
```
Beispiel:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=(%22retinal%20organoid%22%20OR%20%22retina%20organoid%22)%20AND%20(apoptosis%20OR%20%22cell%20death%22)&retmode=json&retmax=20&sort=relevance
```
Lesen Sie aus der Rückgabe:
```Text
esearchresult.idlist
```
Dies ist die PMID-Liste.
2.1.2 Zusammenfassung: Beschaffung von Literaturmetadaten
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
```
Parameter:
```Text
db=pubmed
id=PMID1,PMID2,PMID3
retmode=json
```
Extrahierte Felder:
• PMID
• Titel
• vollständiger Zeitschriftenname
• Abkürzung der Quelle/Zeitschrift
• Veröffentlichungsdatum
• Autoren
• DOI und PMCID in Artikel-IDs
• Band, Ausgabe, Seiten
2.1.3 EFetch: Abrufen von Zusammenfassungs- und XML-Details
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi
```
Parameter:
```Text
db=pubmed
id=PMID1,PMID2
retmode=xml
rettype=abstract
```
Extrahierte Felder:
• Artikeltitel
• AbstractText
• Zeitschriftentitel
• ISO-Abkürzung
• ISSN / eISSN
• Veröffentlichungsdatum
• DOI
• PMCID
• MeSH-Begriffe
2.1.4 Strategie für den Batch-Abruf
Empfohlene Vorgehensweise:
1. Rufen Sie ESearch für jede Abfrage auf.
2. Wählen Sie für jede Suchanfrage die ersten 5 bis 20 Ergebnisse aus.
3. Alle PMIDs zusammenführen.
4. Verwenden Sie PMID, um Duplikate zu entfernen.
5. Verwenden Sie ESummary / EFetch, um Metadaten und abstrakte Daten in Batches abzurufen.
6. Lesen Sie in der ersten Sichtungsphase nur die Metadaten und die Zusammenfassung; beginnen Sie nicht mit dem Lesen des Volltextes.
────────────────
2.2 Zweite Phase: Vollständige Überprüfung der PMC/BioC-Dokumente
Der vollständige Text wird nur in folgenden Fällen aufgenommen:
• Die Nutzer bitten darum, den vollständigen Text sorgfältig zu lesen.
• Der Abstract reicht nicht aus, um den Mechanismus zu bestimmen.
• Erfordert Diagramme, experimentelle Methoden, Konzentrationen, Dosierungen, IC50, EC50, Kd und Ki.
• Eine kleine Anzahl wichtiger PMIDs wurde identifiziert und muss von Fall zu Fall überprüft werden.
2.2.1 PMID zu PMCID
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/pmc/utils/idconv/v1.0/?ids=
```
Wird PMCID zurückgegeben, bedeutet dies, dass PMC möglicherweise über einen offenen Volltext verfügt.
2.2.2 BioC-JSON priorisieren
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/
```
Vorteile: Hochstrukturiert, geeignet zum Extrahieren von Haupttextabschnitten.
2.2.3 PMC XML verwenden, wenn BioC nicht verfügbar ist
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/pmc/articles/
```
Beim Extrahieren des Haupttextes überspringen:
• Referenzen
• Bibliographie
• Danksagungen
• Autorenbeiträge
• konkurrierende Interessen
Die vollständige Textprüfung muss ein Abbruchkriterium enthalten:
• Jedes Dokument wird nur einmal gescannt.
• Standardmäßig werden nur Absätze extrahiert, die sich auf die Frage beziehen.
• Wenn das Zielfeld nicht übereinstimmt, markieren Sie es als „Keine direkten Beweise gefunden“.
• Vermeiden Sie das wiederholte Auslesen von Schlüsselwörtern.
────────────────
2.3 bioRxiv / medRxiv
Dient als Ergänzung zu den neuesten Preprints.
Sie können die offizielle API verwenden:
```Text
https://api.biorxiv.org/details/biorxiv/YYYY-MM-DD/YYYY-MM-DD
https://api.biorxiv.org/details/medrxiv/YYYY-MM-DD/YYYY-MM-DD
```
Sie können ergänzend auch eine normale Suche verwenden:
```Text
Website: biorxiv.org Retinale Organoid-Apoptose
Website:medrxiv.org Retina-Organoid-Degeneration
```
Vorabdrucke müssen gekennzeichnet werden:
```Text
Dies ist ein Preprint und wurde noch nicht von Fachkollegen begutachtet.
```
────────────────
2.4 Crossref/OpenAlex/Unpaywall
Wird verwendet, um DOI, Adresse für den offenen Volltext und Publikationsinformationen zu vervollständigen.
Crossref:
```Text
https://api.crossref.org/works?query.title=
```
OpenAlex:
```Text
https://api.openalex.org/works?search=
```
Unpaywall:
```Text
https://api.unpaywall.org/v2/
```
verwenden:
• DOI-Abschluss.
• OA PDF-Linksuche.
• Überprüfung des Zeitschriftennamens.
• Überprüfung des Veröffentlichungsjahres.
────────────────
2.5 Verlagsseite
Greifen Sie nur dann auf die Seite des Herausgebers zu, wenn die API-Informationen nicht ausreichen.
Zugriffsregeln:
• Jede Publisher-URL wird nur einmal ausprobiert.
• Sollten Sie auf CAPTCHAs, Anmeldebarrieren, Cloudflare-Meldungen, Zugriff verweigerte Meldungen oder institutionelle Zugriffsbarrieren stoßen, brechen Sie den Vorgang sofort ab.
• Vermeiden Sie wiederholtes Aktualisieren, Ändern des Pfades innerhalb derselben Website oder Warten in einer Schleife.
• Verwenden Sie PubMed, PMC, Crossref, OpenAlex, Unpaywall und DOI-Metadaten als Fallback.
3. Wie man Informationen nach dem Abruf organisiert
3.1 Eine einheitliche Datensatzstruktur einrichten
Alle Dokumente werden zu einem einheitlichen Datensatz zusammengefasst.
Felder:
```Text
pmid
doi
pmcid
Titel
Autoren
Zeitschrift
Journalabkürzung
issn
eissn
Jahr
Abstrakt
Abfragequelle
Evidenzniveau
Beweis-Tags
Papiertyp
URL
```
3.2 Duplikatsentfernung
Priorität:
1. PMID-Deduplizierung.
2. Verwenden Sie DOI, um Duplikate zu entfernen, falls PMID nicht verfügbar ist.
3. Falls kein DOI vorhanden ist, verwenden Sie lower(title) + year + first_author, um Duplikate zu entfernen.
Behalte die query_source bei, die beim ersten Mal aufgerufen wurde, und protokolliere, welche Abfragen das Dokument getroffen haben.
3.3 Klassifizierung von Beweismitteln
Es ist notwendig zu unterscheiden:
Direkte Beweise:
Die Zielspezies, das Gewebe, der Zelltyp, das Modell und die Behandlungsbedingungen sind direkt aufeinander abgestimmt.
Indirekte Beweise:
Angrenzende Systeme, ähnliche Modelle und ähnliche Mechanismen werden unterstützt, es handelt sich dabei jedoch nicht um direkte Systeme zur Lösung von Benutzerproblemen.
Es wurden keine direkten Beweise gefunden:
Lediglich Hintergrundinformationen, Spekulationen, Rezensionen oder verwandte Modelle sind zu finden; direkte experimentelle Ergebnisse liegen nicht vor.
3.4 Dokumententypkennzeichnung
Zumindest Folgendes sollte beachtet werden:
• Originalforschung
• Rezension
• Protokoll
• Vorabdruck
• Datensatz/Ressource
• klinische Studie
• Methodenpapier
3.5 Sortierregeln
Empfohlene Sortierung:
1. Originalforschung mit direkten Beweisen.
2. Forschung zu Schlüsselmechanismen.
3. Neueste wichtige Forschungsergebnisse.
4. Klassische Grundlagenstudien.
5. Hochwertige Rezension.
6. Indirekte Beweise.
Sortieren Sie nicht allein nach dem Impact-Faktor (IF). Der IF ist ein Indikator auf Zeitschriftenebene und sagt nichts über die Qualität eines einzelnen Artikels aus.
4. Wie man Zitate in einer Antwort strukturiert
4.1 Format für Textzitate
Alle Textzitate müssen anklickbar sein.
Format:
```Markdown
[[1. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
```
Beispiel:
```Markdown
Frühere Studien haben in humanen retinalen Organoiden einen mit dem Entwicklungsstadium zusammenhängenden Photorezeptorstress und eine Degeneration beobachtet [[1. **Cell Stem Cell**, 2019]](https://pubmed.ncbi.nlm.nih.gov/xxxxxxx/).
```
Schreiben Sie es nicht so:
```Text
[1]
(PMID: xxxxx)
Siehe Referenz 1
```
4.2 Empfohlene Antwortstruktur
Erster Absatz: Direkte Schlussfolgerung.
```Text
Fazit: Es liegen zwar einschlägige Berichte vor, die direkten Beweise konzentrieren sich jedoch hauptsächlich auf...; direkte Beweise bezüglich... fehlen noch.
```
Zweiter Absatz: Klassifizierung der Beweismittel.
```Text
Direkte Beweise:
- Referenz A: ...
Indirekte Beweise:
- Referenz B: ...
Es wurden keine direkten Beweise gefunden:
- In dieser Runde nicht gefunden...
```
Dritter Absatz: Zusammenfassung des Mechanismus.
Nach Themen gruppieren, zum Beispiel:
• Apoptose-/Caspase-Signalweg
• oxidativer Stress
• mitochondriale Dysfunktion
• ER-Stress
• Hypoxie/metabolischer Stress
• Entzündung
• Entwicklungsdiskrepanz
Vierter Absatz: Forschungslücke.
Geben Sie klar an, bei welchen Punkten es an direkten Beweisen mangelt.
Fünfter Absatz: Inspiration aus dem Experiment.
Falls der Benutzer ein Versuchsdesign benötigt, geben Sie bitte den Marker, den Test, den Zeitpunkt und die Kontrollgruppe an.
5. Vollständiges Literaturverzeichnis am Ende des Artikels
Wird im Text eine bestimmte Quelle zitiert, muss am Ende des Artikels eine vollständige Liste beigefügt werden.
Format:
```Markdown
## Vollständige Liste der Referenzinformationen
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=X,Qn}*
2. Wang X et al., **Zeitschriftenname** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *{IF=Wird noch geprüft}*
```
Autorenformat:
• 1–3 Autoren: Alle auflisten.
• Mehr als 3 Autoren: Erstautor et al.
Die PMID / DOI / URL muss anklickbar sein.
6. IF-Verifizierung und -Kennzeichnung
6.1 Zunächst wollen wir die praktischen Grenzen von IF-Abfragen erläutern.
Normalerweise stammt der offizielle Journal Impact Factor aus den Clarivate Journal Citation Reports (JCR). Da externe Dienstleister in der Regel jedoch weder über ein Clarivate/JCR-Konto noch über eine lokale JCR-Tabelle verfügen, sollten Sie ihn nicht auf diesem Weg überprüfen.
```
6.2 Praktische Methoden zur Anwendung der IF-Fertigkeit
Hauptroute:
1. Falls es sich bei der Eingabe um eine PMID handelt, verwenden Sie zunächst die NCBI E-Utilities, um PubMed-Metadaten zu erhalten.
- Vollständigen Zeitschriftennamen abrufen. - Quell-/ISO-Abkürzung abrufen. - ISSN/eISSN abrufen. - Zusatzfelder wie Titel, Jahr und DOI abrufen.
2. Verwenden Sie die öffentlich verfügbare mobile JSON-Schnittstelle iikx/iscience, um Zeitschriften abzufragen.
Such-API:
```Text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=
```
Details zur API:
```Text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=
```
3. Führen Sie eine konservative Suche in den Suchergebnissen durch.
- Priorisiert exakte Übereinstimmungen mit normalisierten Zeitschriftentiteln. - Priorisiert außerdem exakte Übereinstimmungen mit Abkürzungen. - Geht bei kurzen und allgemeinen Begriffen besonders vorsichtig vor. - Akzeptiert keine offensichtlichen Teilstring-Abweichungen, wie z. B. die Verwechslung von „Nature“ mit der Reihe „Nature Reviews“. - Gibt bei instabilen Übereinstimmungen mehrdeutige oder nicht gefundene Ergebnisse zurück, anstatt zu raten.
4. Falls PubMed eine Abkürzung angibt, versuchen Sie, diese mithilfe des NLM-Katalogs in den vollständigen Namen oder einen alternativen Titel umzuwandeln.
Die Suchoberfläche des NLM-Katalogs bleibt NCBI E-Utilities:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=[Titelabkürzung]&retmode=xml&retmax=1
```
Verwenden Sie anschließend ESummary, um den Titel / alternativen Titel zu erhalten.
5. Lesen Sie die detaillierten Ergebnisse von iikx:
- Impact-Faktor. - IF-Jahr. - JCR-Quartil. - CAS/CAS-Quartil (falls zutreffend). - Quell-URL. - Konfidenzintervall der Übereinstimmung.
6. Geben Sie das IF-Jahr nicht im Haupttext an; verwenden Sie stattdessen kompakte Anmerkungen.
Die abschließende Anmerkung sollte lediglich Folgendes lauten:
```Text
*{IF=X,Qn}*
```
Falls es fehlschlägt:
```Text
*{IF=Überprüfung ausstehend}*
```
oder:
```Text
*{IF=Nicht erkannt}*
```
6.3 Spezifische Schritte
Führen Sie für jedes Dokument die folgende Vorgehensweise durch.
Schritt 1: Den Namen der Zeitschrift für die Suche vorbereiten.
Priorisieren Sie den Abruf von Metadaten aus PubMed:
```Text
Vollständiger Zeitschriftenname
ISO-Abkürzung / Quelle
ISSN
eISSN
```
Falls nur eine DOI verfügbar ist, verwenden Sie zunächst Crossref oder OpenAlex, um den Namen der Zeitschrift zu ermitteln.
Crossref:
```Text
https://api.crossref.org/works/
```
OpenAlex:
```Text
https://api.openalex.org/works/https://doi.org/
```
Schritt 2: Standardisierung der Zeitschriftennamen.
Standardisierungsregeln:
• Alles kleingeschrieben.
• HTML-Entschlüsselung.
• Ersetzen Sie & durch und.
• Entfernen Sie die Interpunktion.
• Mehrere Leerzeichen kombinieren.
• Beim Vergleichen kann man auch die Kurzform verwenden, bei der alle Leerzeichen entfernt werden.
Beispiel-Pseudocode:
Python
import re, html
def norm(s):
s = html.unescape(s or '').lower()
s = re.sub(r'&', ' and ', s)
s = re.sub(r'[^a-z0-9]+', ' ', s)
return re.sub(r'\s+', ' ', s).strip()
def compact(s):
return norm(s).replace(' ', '')
```
Schritt 3: Abfrage der iikx-Suchschnittstelle.
```Text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=
```
Es wird empfohlen, einen User-Agent festzulegen, zum Beispiel:
```Text
Mozilla/5.0
```
Wenn auf der ersten Seite keine exakte Übereinstimmung gefunden wird, können Sie eine begrenzte Anzahl von Seiten durchblättern, zum Beispiel bis zu 8 Seiten.
Die Parameter für das Umblättern sind üblicherweise:
```Text
Seite=2
Seite=3
```
Schritt 4: Wählen Sie Kandidaten aus den Suchergebnissen aus.
Kandidatenfelder umfassen typischerweise:
```Text
Ausweis
Klassen-ID
Titel
Kleiner Titel
IF oder IF2024
zky2020
URL
```
Matching-Regeln:
• Wenn compact(query) == compact(candidate.title), akzeptiere.
• Wenn norm(query) == norm(candidate.title), akzeptiere.
• Wenn compact(query) == compact(candidate.smalltitle), akzeptiere.
• Wenn norm(query) == norm(candidate.smalltitle), akzeptiere.
• Eine Teilzeichenkette wird nur akzeptiert, wenn die Abfrage lang genug und eindeutig ist.
• Seien Sie besonders vorsichtig mit kurzen Wörtern wie Natur, Wissenschaft, Zelle, Gehirn, Sehen und Netzhaut.
Schritt 5: Falls keine Übereinstimmung gefunden wird, verwenden Sie die erweiterte Abkürzung aus dem NLM-Katalog.
In PubMed lautet die Quelle beispielsweise:
```Text
Freie Radikale Biol Med
```
Sie können Folgendes überprüfen:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=Free%20Radic%20Biol%20Med%5BTitle%20Abbreviation%5D&retmode=xml&retmax=1
```
Nachdem Sie die NLM-Katalog-ID erhalten haben, verwenden Sie sie wie folgt:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=nlmcatalog&id=
```
Lesen:
```Text
Titel
Alternativer Titel
```
Verwenden Sie dann diese vollständigen Namen, um nach iikx zu suchen.
Schritt 6: Überprüfen Sie die iikx-Details-Oberfläche.
Wenn die Suchergebnisse Folgendes enthalten:
```Text
id=
classid=
```
Anruf:
```Text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=
```
Aus dem Detail lesen:
```Text
IF2024, IF2023, IF2022 ...
WENN
zky2020 oder andere JCR-Quartilsfelder
jcr22 / jcr12 oder Partitionsfeld
issn
eissn
Titel
Kleiner Titel
Kategorie
```
Schritt 7: Wählen Sie die neueste IF-Anweisung aus.
Durchsuchen Sie die zurückgegebenen Felder nach allen Vorkommen des folgenden Formulars:
```Text
IF20xx
```
Zum Beispiel:
```Text
IF2024
IF2023
IF2022
```
Wählen Sie das Jahr mit der größten signifikanten Ziffer.
Falls IF20xx nicht vorhanden ist, versuchen Sie Folgendes zu lesen:
```Text
WENN
if_value
```
Wird kein gültiger Wert gefunden, wird er als nicht erkannt markiert.
Schritt 8: Konfidenzniveau und Bezeichnung ausgeben.
Wenn der genaue Titel/die Abkürzung übereinstimmt und die Detailabfrage ein gültiges Ergebnis liefert:
```Text
*{IF=X,Qn}*
```
Wenn der Ausgang des Spiels ungewiss ist:
```Text
*{IF=Überprüfung ausstehend}*
```
Wenn die öffentliche API keine Ergebnisse liefert:
```Text
*{IF=Nicht erkannt}*
```
6.4 IF-Anmerkungsformat
Festes Format:
```Text
*{IF=X,Qn}*
```
Beispiel:
```Markdown
Smith J et al., **Neuron** (2020), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=15.0, Q1}*
```
Beachten:
• Das JCR-Jahr wird nicht innerhalb der IF-Anmerkung angegeben.
• Schreiben Sie nicht "2024 JCR IF".
• Schreiben Sie nicht "JCR 2024".
• Lediglich das Erscheinungsjahr wird beibehalten.
• Wenn die IF-Funktion 0,0 oder null ist, eine instabile Quelle oder eine instabile Übereinstimmung aufweist, wird die Zahl nicht angezeigt.
6.5 Standardbehandlung für IF-Prüffehler
Nicht raten.
Verwenden Sie nicht den Namen der Zeitschrift, um die Nummern einzutragen.
Verwenden Sie keine großen Modelle, um IF-Anweisungen auswendig zu lernen und auszufüllen.
Im Fehlerfall sind nur drei Zustände zulässig:
```Text
*{IF=Überprüfung ausstehend}*
```
Verwendungszweck:
• Die Suchergebnisse sind ungenau.
Es gibt mehrere ähnliche Zeitschriften.
• Es wurde lediglich die Abkürzung gefunden, der vollständige Name konnte nicht bestätigt werden.
• Die von öffentlich zugänglichen Quellen zurückgegebenen IF-Werte sind fragwürdig.
```Text
*{IF=Nicht erkannt}*
```
Verwendungszweck:
• Die öffentliche Schnittstelle lieferte keine Ergebnisse.
• Die Zeitschrift ist nicht im SCI/JCR gelistet.
• Die neue Ausgabe enthält noch kein IF.
```Text
*{IF=Nicht öffentlich überprüfbar}*
```
Verwendungszweck:
• Der Benutzer benötigt einen offiziellen JCR, aber der aktuelle Agent verfügt nicht über Clarivate/JCR-Berechtigungen.
7. Abschließende Selbstcheckliste
Muss vor dem Versand geprüft werden:
• Sollten die Kernfragen des Nutzers zuerst beantwortet werden?
• Ob zwischen direkten Beweisen, indirekten Beweisen und dem Fehlen direkter Beweise unterschieden werden soll.
• Sind alle Textzitate anklickbar?
• Gibt es am Ende des Artikels eine vollständige Liste der verwendeten Quellen?
• Enthält jedes Dokument eine IF-Kennzeichnung (Eingabe/Ausgabe) oder eine Kennzeichnung, die auf eine ausstehende Überprüfung/Nichterkennung hinweist?
• Ob die PMID/DOI/URL anklickbar ist.
• Wird dabei vermieden, Gesamtergebnisse über das Gewebe durch Schlussfolgerungen über spezifische Zelltypen zu ersetzen?
• Wird dadurch vermieden, dass die Aktivierung/Phosphorylierung durch eine Erhöhung der Gesamtexpression ersetzt wird?
• Ob ein Preprint angegeben werden soll.
• Werden die Suchgrenzen festgelegt?
• WENN es nicht auf Erinnerung oder Vermutungen beruhte.
8. Reproduzierbarer Pseudocode
Python
queries = build_queries(user_question)
all_pmids = []
für Abfrage in Abfragen:
pmids = ncbi_esearch(query, retmax=20, sort='relevance')
all_pmids.extend(pmids)
pmids = deduplicate_keep_order(all_pmids)
metadata = ncbi_esummary(pmids)
abstracts = ncbi_efetch_abstract(pmids)
records = merge_metadata_and_abstracts(metadata, abstracts)
records = tag_evidence(records, user_question)
Datensätze = rank_records(Datensätze)
ausgewählt = select_top_records(records)
falls Volltext benötigt wird:
für Datensatz in selected_key_records:
pmcid = idconv_pmid_to_pmcid(record.pmid)
if pmcid:
record.fulltext = fetch_bioc_or_pmc_xml(pmcid)
Für Datensätze in der Auswahl:
journal_query = record.full_journal_name or record.journal_abbrev
if_result = lookup_if_public_iikx(journal_query)
if_result.confident:
record.if_annotation = f'*{IF={if_result.if_value},{if_result.quartile}}*'
elif if_result.ambiguous:
record.if_annotation = '*{IF=Pending Verification}*'
anders:
record.if_annotation = '*{IF=Nicht erkannt}*'
Antwort = zusammengesetzte_Antwort(
Abschluss
Evidenzgruppen,
klickbare_Zitate im Fließtext,
vollständige Referenzliste mit Wenn
)
```
9. Empfohlene Vorlage für die endgültige Lieferung
```Markdown
abschließend:
...
Evidenzgrad:
Direkte Beweise:
- ……[[1. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
Indirekte Beweise:
- …[[2. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
Es wurden keine direkten Beweise gefunden:
- ……
Mechanismusübersicht:
1. ……
2. ……
Suchgrenzen:
Diese Suchrunde umfasste hauptsächlich PubMed, PMC, BioC und bioRxiv. Die erste Sichtung erfolgte anhand von Metadaten und Abstracts, wobei nur die wichtigsten Dokumente einer Volltextprüfung unterzogen wurden. Die IF-Annotationen basierten auf öffentlich zugänglichen Quellen; Dokumente, die nicht mit hoher Sicherheit zugeordnet werden konnten, wurden als „Verifizierung ausstehend“ oder „Nicht gefunden“ gekennzeichnet.
Vollständige Liste der Literaturinformationen:
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=X,Q1}*
2. Wang X et al., **Zeitschriftenname** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *{IF=Wird noch geprüft}*
```
Related Skills
View allEchoes Pro – Erfassen, dekodieren und teilen Sie Ihre YouMind-Gedankenprozesse.
Jeden Tag speicherst, markierst, schreibst und denkst du in YouMind. Diese Aktionen mögen zufällig erscheinen, doch sie bergen zugrundeliegende Themen. Echo hilft dir, diese zu erkennen. Eine dreistufige Analysefunktion dringt Schicht für Schicht tiefer vor: ⚡ Kontraintuitive Entdeckung – Du denkst, du tust A, tust aber tatsächlich B. 🌊 Auswirkungen zweiter Ordnung – Was du heute säst, wird in 6 Monaten wachsen. 💎 Grundprinzipien – Entferne alle Äußerlichkeiten und bewahre nur diesen einen Satz: Für dich selbst ist es mentale Archäologie. Für andere ist es eine Geschichte, die berührt. Mit einem Klick wechselst du zwischen verschiedenen Freigabemodi: Personenwechsel, Szenenvervollständigung, Terminologieübersetzung. Ausgabe auf Twitter, Xiaohongshu, WeChat-Offizielle-Accounts und Videoskripte. Bei kontinuierlicher Nutzung merkt sich Echo deine thematischen Fäden. Dein digitales Leben hallt jeden Tag wider. Echo hilft dir, es festzuhalten, zu verstärken und zu teilen.
Assistent zum Verfassen horizontaler Forschungsberichte für Regierung und Unternehmen v5.0
Dies ist ein umfassender Berichtsassistent, der speziell für Forschungsprojekte im öffentlichen und privaten Sektor entwickelt wurde. Die aktualisierte fünfte Generation kann Berichte mit über 30.000 Wörtern erstellen. Zu den Kernfunktionen gehören die Recherche vorhandener Literatur, die Kontextanalyse, die Überarbeitung von standardisierten Texten und Logik, die vierstufige, zweiseitige Verifizierung von Tiefe und Vollständigkeit des Artikels sowie die automatische Generierung authentischer Referenzen für wichtige Daten, Richtlinien und Fallstudien am Ende des Artikels und von Anmerkungen im Text. Der Assistent integriert einen natürlichen, akademischen Schreibstil, der KI-generierte Artefakte eliminiert, jegliche Spuren von KI-generiertem Schreiben beseitigt und so ein hohes akademisches Niveau gewährleistet.
Bohai Petty Official's Mind Analyzer
Dieses Buch nutzt fünf Denkmodelle und zehn Entscheidungsheuristiken aus dem Ansatz von „Bohai Xiaoli“ (ein Pseudonym) zur tiefgreifenden Problemanalyse. Es verwirft oberflächliche Darstellungen und dringt zur zugrundeliegenden Logik vor. Für die Berechnung wird ein Kosten-Nutzen-Modell verwendet. Informationslücken werden identifiziert, die Authentizität überprüft und strukturelle Beschränkungen berücksichtigt. Das Ergebnis umfasst eine dreistufige logische Dekonstruktion, eine Kosten-Nutzen-Analyse und konkrete Handlungsempfehlungen – alles in einem dialogischen und kritischen Stil, der an „Bohai Xiaoli“ erinnert. Es eignet sich für Szenarien wie Geschäftsentscheidungen, Dilemmata am Arbeitsplatz, strategische Entscheidungen und historische Analysen.
Tiefgründige und verlässliche Forschung im Bereich Bio/Medizin
Anwendungsszenarien: Durchführung einer Rechercherunde biologischer/biomedizinischer Fachliteratur und Bereitstellung detaillierter und zuverlässiger Ergebnisse für die Nutzer. 1. Nach Eingabe einer Suchanfrage analysiert das System die Frage und die Schlüsselwörter. 2. Literaturrecherche über öffentliche und reproduzierbare Datenquellen. 3. Entfernung von Duplikaten, Stratifizierung, Klassifizierung und Sortierung der Suchergebnisse. 4. Anzeige von anklickbaren Textzitaten in der Antwort. 5. Auflistung der vollständigen Literaturinformationen am Ende des Dokuments und Kennzeichnung der Quellen mit öffentlich recherchierbaren Quellen; falls eine hochsichere Verifizierung nicht möglich ist, erfolgt die Kennzeichnung als „zu verifizieren“ oder „nicht gefunden“.
Featured by
YouMind
Why we love this skill
Diese Fähigkeit dient als verlässlicher Leitfaden für die biomedizinische Forschung und gewährleistet durch strukturierte Recherchen, mehrstufige Literatursichtung und strenge Überprüfungen des Impact Factors (IF) hochpräzise und überprüfbare Forschungsinformationen.
Anweisungen
Der Kern dieses Prozesses besteht darin: Zunächst werden mithilfe mehrerer Abfragen reproduzierbare erste Screenings in PubMed/NCBI E-Utilities durchgeführt. Anschließend wird PMID zur Deduplizierung und Bewertung der Abstract-Evidenz verwendet. Nur eine kleine Anzahl wichtiger Dokumente wird in die PMC/BioC-Volltextprüfung aufgenommen. Zitate im Text müssen anklickbar sein. Vollständige bibliografische Angaben müssen am Ende des Artikels aufgeführt sein. Der Impact Factor (IF) kann nur konservativ anhand öffentlich zugänglicher Quellen überprüft werden und es kann nicht davon ausgegangen werden, dass JCR oder lokale Datenbanken vorhanden sind. Treffer mit geringer Konfidenz dürfen nicht als endgültige Ergebnisse behandelt werden.
1. Vorverarbeitung nach dem Start einer Suche durch einen Benutzer
1.1 Analysieren Sie zunächst die Frage des Benutzers.
Nach Eingang der Frage eines Nutzers wird die natürlichsprachliche Frage zunächst in strukturierte Elemente zerlegt.
Muss identifiziert werden:
• Forschungsthemen: Gene, Proteine, Medikamente, Kanäle, Zelltypen, Gewebe, Krankheiten und Modelle.
• Biologische Systeme: Menschen, Mäuse, Ratten, Zebrafische, Organoide, Netzhaut, Gehirnregionen, Zelllinien usw.
• Beziehungstypen: Expression, Regulation, Funktion, Mechanismus, Phänotyp, Tod, Überleben, Behandlung, Toxizität, Entwicklung, Degeneration usw.
• Anforderungen an die Nachweise: Ob direkte Nachweise, mechanistische Nachweise, Volltextnachweise, Diagramme, Dosierungsparameter und experimentelle Methoden erforderlich sind.
• Zeitlicher Rahmen: unbegrenzte Zeit, die letzten 5 Jahre, das letzte Jahr, die neuesten Entwicklungen und klassische Literatur.
• Ausgabetypen: Kurzantwort, repräsentative Literatur, Zusammenfassung der Übersicht, Vorschläge für die Versuchsplanung, Evidenztabelle, Mechanismusdiagramm.
Beispiel:
Benutzerproblem:
"Bitte helfen Sie mir, Literatur zum Thema Absterben von retinalen Organoiden zu finden."
Strukturierte Zerlegung (Beispiel):
• Kernmodelle: Retina-Organoid, Retina-Organoid, aus hPSCs gewonnenes Retina-Organoid, Optikusbecher-Organoid.
• Phänotyp: Zelltod, Apoptose, Degeneration, Überlebensverlust, Stress, Nekrose.
• Verwandte Zellen: Photorezeptor, Zapfen, Stäbchen, retinale Ganglienzelle, Müller-Glia.
• Mögliche Mechanismen: oxidativer Stress, ER-Stress, mitochondriale Dysfunktion, Hypoxie, Entzündung, Ferroptose, Nekroptose.
• Evidenzziele: Priorisieren Sie Originalstudien, die Zelltod/Apoptose/Degeneration in humanen oder tierischen retinalen Organoiden direkt beobachten; suchen Sie anschließend nach Literatur zu indirekten Mechanismen.
1.2 Prinzipien der Keyword-Segmentierung (Beispiel)
Schreiben Sie nicht nur eine Suchanfrage. Bereiten Sie mindestens drei Kategorien von Begriffen für jedes Konzept vor.
Kategorie 1: Präzise Wörter.
• retinales Organoid
• Retina-Organoid
• menschliches retinales Organoid
• Von hPSC abgeleitetes Netzhautorganoid
• iPSC-abgeleitetes retinales Organoid
Die zweite Kategorie: Synonyme und Hyperonyme.
• Augenbecher-Organoid
• 3D-Retinakultur
• aus Stammzellen gewonnene Netzhaut
• Netzhautdifferenzierung
• Netzhautgewebemodell
Die dritte Kategorie: Mechanismus- und phänotypische Begriffe.
• Apoptose
• Zelltod
• Degeneration
• Überleben
• Stress
• oxidativer Stress
• ER-Stress
• mitochondriale Dysfunktion
• Hypoxie
• Nekroptose
• Ferroptose
Wenn der Benutzer den Zelltyp angibt, fügen Sie Folgendes hinzu:
• Fotorezeptor
• Kegel
• Stab
• retinale Ganglienzelle
• Müller-Glia
• Bipolarzelle
• Amakrinzelle
Wenn der Benutzer die Art oder den Ursprung angibt, fügen Sie Folgendes hinzu:
• menschlich
• Maus
• Ratte
• Zebrafisch
• hESC
• iPSC
• pluripotente Stammzelle
1.3 Generieren hierarchischer Suchanfragen
Generieren Sie mindestens 3–6 Suchanfragen. Jede Suchanfrage entspricht einem Suchziel.
Erste Ebene: Direkte Beweisbeschaffung.
Dient dazu, Literatur zu finden, die direkt zum Zielmodell und Zielphänotyp passt.
```Text
("Retina-Organoid" ODER "Retina-Organoid" ODER "menschliches Retina-Organoid") UND (Apoptose ODER "Zelltod" ODER Degeneration)
```
Zweite Ebene: Erweiterter Modellabruf.
Dient dazu, Literatur zu erfassen, in der der Autor zwar nicht den präzisen Begriff „retinales Organoid“ verwendet, dieser aber tatsächlich relevant ist.
```Text
("optisches Cup-Organoid" ODER "3D-Retinakultur" ODER "aus Stammzellen gewonnene Retina") UND (Überleben ODER Apoptose ODER Stress)
```
Dritte Ebene: Mechanismusspezifische Suche.
Wird verwendet, um spezifische Signalwege oder Mechanismen zu überprüfen.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND ("Oxidativer Stress" ODER "ER-Stress" ODER Hypoxie ODER Mitochondrien")
```
Vierte Ebene: Zelltypspezifische Suche.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Photorezeptor ODER Zapfen ODER Stäbchen ODER "Retina-Ganglienzelle") UND (Tod ODER Apoptose ODER Degeneration)
```
Fünfte Ebene: Abruf des Krankheitsmodells.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Krankheit ODER Degeneration ODER Dystrophie ODER Retinitis ODER Glaukom)
```
Sechste Ebene: Überprüfung/Hintergrundsuche.
```Text
("Retina-Organoid" ODER "Retina-Organoid") UND (Überprüfung ODER Protokoll ODER Modell)
```
2. Welche Methoden und Websites wurden für die Suche verwendet?
2.1 Bevorzugt: PubMed / NCBI E-Utilities
PubMed ist das bevorzugte Tool zur Suche in biomedizinischer Literatur. Verwenden Sie nicht standardmäßig das Scraping von PubMed-Seiten, sondern die NCBI E-Utilities API.
2.1.1 ESearch: Abrufen der PMID mithilfe einer Abfrage
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
```
Parameter:
```Text
db=pubmed
Suchbegriff=
retmode=json
retmax=20
sort=relevanz
```
Sie können auch nach Zeit sortieren:
```Text
sort=pub+date
```
Beispiel:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=(%22retinal%20organoid%22%20OR%20%22retina%20organoid%22)%20AND%20(apoptosis%20OR%20%22cell%20death%22)&retmode=json&retmax=20&sort=relevance
```
Lesen Sie aus der Rückgabe:
```Text
esearchresult.idlist
```
Dies ist die PMID-Liste.
2.1.2 Zusammenfassung: Beschaffung von Literaturmetadaten
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
```
Parameter:
```Text
db=pubmed
id=PMID1,PMID2,PMID3
retmode=json
```
Extrahierte Felder:
• PMID
• Titel
• vollständiger Zeitschriftenname
• Abkürzung der Quelle/Zeitschrift
• Veröffentlichungsdatum
• Autoren
• DOI und PMCID in Artikel-IDs
• Band, Ausgabe, Seiten
2.1.3 EFetch: Abrufen von Zusammenfassungs- und XML-Details
Schnittstelle:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi
```
Parameter:
```Text
db=pubmed
id=PMID1,PMID2
retmode=xml
rettype=abstract
```
Extrahierte Felder:
• Artikeltitel
• AbstractText
• Zeitschriftentitel
• ISO-Abkürzung
• ISSN / eISSN
• Veröffentlichungsdatum
• DOI
• PMCID
• MeSH-Begriffe
2.1.4 Strategie für den Batch-Abruf
Empfohlene Vorgehensweise:
1. Rufen Sie ESearch für jede Abfrage auf.
2. Wählen Sie für jede Suchanfrage die ersten 5 bis 20 Ergebnisse aus.
3. Alle PMIDs zusammenführen.
4. Verwenden Sie PMID, um Duplikate zu entfernen.
5. Verwenden Sie ESummary / EFetch, um Metadaten und abstrakte Daten in Batches abzurufen.
6. Lesen Sie in der ersten Sichtungsphase nur die Metadaten und die Zusammenfassung; beginnen Sie nicht mit dem Lesen des Volltextes.
────────────────
2.2 Zweite Phase: Vollständige Überprüfung der PMC/BioC-Dokumente
Der vollständige Text wird nur in folgenden Fällen aufgenommen:
• Die Nutzer bitten darum, den vollständigen Text sorgfältig zu lesen.
• Der Abstract reicht nicht aus, um den Mechanismus zu bestimmen.
• Erfordert Diagramme, experimentelle Methoden, Konzentrationen, Dosierungen, IC50, EC50, Kd und Ki.
• Eine kleine Anzahl wichtiger PMIDs wurde identifiziert und muss von Fall zu Fall überprüft werden.
2.2.1 PMID zu PMCID
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/pmc/utils/idconv/v1.0/?ids=
```
Wird PMCID zurückgegeben, bedeutet dies, dass PMC möglicherweise über einen offenen Volltext verfügt.
2.2.2 BioC-JSON priorisieren
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/research/bionlp/RESTful/pmcoa.cgi/BioC_json/
```
Vorteile: Hochstrukturiert, geeignet zum Extrahieren von Haupttextabschnitten.
2.2.3 PMC XML verwenden, wenn BioC nicht verfügbar ist
Schnittstelle:
```Text
https://www.ncbi.nlm.nih.gov/pmc/articles/
```
Beim Extrahieren des Haupttextes überspringen:
• Referenzen
• Bibliographie
• Danksagungen
• Autorenbeiträge
• konkurrierende Interessen
Die vollständige Textprüfung muss ein Abbruchkriterium enthalten:
• Jedes Dokument wird nur einmal gescannt.
• Standardmäßig werden nur Absätze extrahiert, die sich auf die Frage beziehen.
• Wenn das Zielfeld nicht übereinstimmt, markieren Sie es als „Keine direkten Beweise gefunden“.
• Vermeiden Sie das wiederholte Auslesen von Schlüsselwörtern.
────────────────
2.3 bioRxiv / medRxiv
Dient als Ergänzung zu den neuesten Preprints.
Sie können die offizielle API verwenden:
```Text
https://api.biorxiv.org/details/biorxiv/YYYY-MM-DD/YYYY-MM-DD
https://api.biorxiv.org/details/medrxiv/YYYY-MM-DD/YYYY-MM-DD
```
Sie können ergänzend auch eine normale Suche verwenden:
```Text
Website: biorxiv.org Retinale Organoid-Apoptose
Website:medrxiv.org Retina-Organoid-Degeneration
```
Vorabdrucke müssen gekennzeichnet werden:
```Text
Dies ist ein Preprint und wurde noch nicht von Fachkollegen begutachtet.
```
────────────────
2.4 Crossref/OpenAlex/Unpaywall
Wird verwendet, um DOI, Adresse für den offenen Volltext und Publikationsinformationen zu vervollständigen.
Crossref:
```Text
https://api.crossref.org/works?query.title=
```
OpenAlex:
```Text
https://api.openalex.org/works?search=
```
Unpaywall:
```Text
https://api.unpaywall.org/v2/
```
verwenden:
• DOI-Abschluss.
• OA PDF-Linksuche.
• Überprüfung des Zeitschriftennamens.
• Überprüfung des Veröffentlichungsjahres.
────────────────
2.5 Verlagsseite
Greifen Sie nur dann auf die Seite des Herausgebers zu, wenn die API-Informationen nicht ausreichen.
Zugriffsregeln:
• Jede Publisher-URL wird nur einmal ausprobiert.
• Sollten Sie auf CAPTCHAs, Anmeldebarrieren, Cloudflare-Meldungen, Zugriff verweigerte Meldungen oder institutionelle Zugriffsbarrieren stoßen, brechen Sie den Vorgang sofort ab.
• Vermeiden Sie wiederholtes Aktualisieren, Ändern des Pfades innerhalb derselben Website oder Warten in einer Schleife.
• Verwenden Sie PubMed, PMC, Crossref, OpenAlex, Unpaywall und DOI-Metadaten als Fallback.
3. Wie man Informationen nach dem Abruf organisiert
3.1 Eine einheitliche Datensatzstruktur einrichten
Alle Dokumente werden zu einem einheitlichen Datensatz zusammengefasst.
Felder:
```Text
pmid
doi
pmcid
Titel
Autoren
Zeitschrift
Journalabkürzung
issn
eissn
Jahr
Abstrakt
Abfragequelle
Evidenzniveau
Beweis-Tags
Papiertyp
URL
```
3.2 Duplikatsentfernung
Priorität:
1. PMID-Deduplizierung.
2. Verwenden Sie DOI, um Duplikate zu entfernen, falls PMID nicht verfügbar ist.
3. Falls kein DOI vorhanden ist, verwenden Sie lower(title) + year + first_author, um Duplikate zu entfernen.
Behalte die query_source bei, die beim ersten Mal aufgerufen wurde, und protokolliere, welche Abfragen das Dokument getroffen haben.
3.3 Klassifizierung von Beweismitteln
Es ist notwendig zu unterscheiden:
Direkte Beweise:
Die Zielspezies, das Gewebe, der Zelltyp, das Modell und die Behandlungsbedingungen sind direkt aufeinander abgestimmt.
Indirekte Beweise:
Angrenzende Systeme, ähnliche Modelle und ähnliche Mechanismen werden unterstützt, es handelt sich dabei jedoch nicht um direkte Systeme zur Lösung von Benutzerproblemen.
Es wurden keine direkten Beweise gefunden:
Lediglich Hintergrundinformationen, Spekulationen, Rezensionen oder verwandte Modelle sind zu finden; direkte experimentelle Ergebnisse liegen nicht vor.
3.4 Dokumententypkennzeichnung
Zumindest Folgendes sollte beachtet werden:
• Originalforschung
• Rezension
• Protokoll
• Vorabdruck
• Datensatz/Ressource
• klinische Studie
• Methodenpapier
3.5 Sortierregeln
Empfohlene Sortierung:
1. Originalforschung mit direkten Beweisen.
2. Forschung zu Schlüsselmechanismen.
3. Neueste wichtige Forschungsergebnisse.
4. Klassische Grundlagenstudien.
5. Hochwertige Rezension.
6. Indirekte Beweise.
Sortieren Sie nicht allein nach dem Impact-Faktor (IF). Der IF ist ein Indikator auf Zeitschriftenebene und sagt nichts über die Qualität eines einzelnen Artikels aus.
4. Wie man Zitate in einer Antwort strukturiert
4.1 Format für Textzitate
Alle Textzitate müssen anklickbar sein.
Format:
```Markdown
[[1. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
```
Beispiel:
```Markdown
Frühere Studien haben in humanen retinalen Organoiden einen mit dem Entwicklungsstadium zusammenhängenden Photorezeptorstress und eine Degeneration beobachtet [[1. **Cell Stem Cell**, 2019]](https://pubmed.ncbi.nlm.nih.gov/xxxxxxx/).
```
Schreiben Sie es nicht so:
```Text
[1]
(PMID: xxxxx)
Siehe Referenz 1
```
4.2 Empfohlene Antwortstruktur
Erster Absatz: Direkte Schlussfolgerung.
```Text
Fazit: Es liegen zwar einschlägige Berichte vor, die direkten Beweise konzentrieren sich jedoch hauptsächlich auf...; direkte Beweise bezüglich... fehlen noch.
```
Zweiter Absatz: Klassifizierung der Beweismittel.
```Text
Direkte Beweise:
- Referenz A: ...
Indirekte Beweise:
- Referenz B: ...
Es wurden keine direkten Beweise gefunden:
- In dieser Runde nicht gefunden...
```
Dritter Absatz: Zusammenfassung des Mechanismus.
Nach Themen gruppieren, zum Beispiel:
• Apoptose-/Caspase-Signalweg
• oxidativer Stress
• mitochondriale Dysfunktion
• ER-Stress
• Hypoxie/metabolischer Stress
• Entzündung
• Entwicklungsdiskrepanz
Vierter Absatz: Forschungslücke.
Geben Sie klar an, bei welchen Punkten es an direkten Beweisen mangelt.
Fünfter Absatz: Inspiration aus dem Experiment.
Falls der Benutzer ein Versuchsdesign benötigt, geben Sie bitte den Marker, den Test, den Zeitpunkt und die Kontrollgruppe an.
5. Vollständiges Literaturverzeichnis am Ende des Artikels
Wird im Text eine bestimmte Quelle zitiert, muss am Ende des Artikels eine vollständige Liste beigefügt werden.
Format:
```Markdown
## Vollständige Liste der Referenzinformationen
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=X,Qn}*
2. Wang X et al., **Zeitschriftenname** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *{IF=Wird noch geprüft}*
```
Autorenformat:
• 1–3 Autoren: Alle auflisten.
• Mehr als 3 Autoren: Erstautor et al.
Die PMID / DOI / URL muss anklickbar sein.
6. IF-Verifizierung und -Kennzeichnung
6.1 Zunächst wollen wir die praktischen Grenzen von IF-Abfragen erläutern.
Normalerweise stammt der offizielle Journal Impact Factor aus den Clarivate Journal Citation Reports (JCR). Da externe Dienstleister in der Regel jedoch weder über ein Clarivate/JCR-Konto noch über eine lokale JCR-Tabelle verfügen, sollten Sie ihn nicht auf diesem Weg überprüfen.
```
6.2 Praktische Methoden zur Anwendung der IF-Fertigkeit
Hauptroute:
1. Falls es sich bei der Eingabe um eine PMID handelt, verwenden Sie zunächst die NCBI E-Utilities, um PubMed-Metadaten zu erhalten.
- Vollständigen Zeitschriftennamen abrufen. - Quell-/ISO-Abkürzung abrufen. - ISSN/eISSN abrufen. - Zusatzfelder wie Titel, Jahr und DOI abrufen.
2. Verwenden Sie die öffentlich verfügbare mobile JSON-Schnittstelle iikx/iscience, um Zeitschriften abzufragen.
Such-API:
```Text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=
```
Details zur API:
```Text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=
```
3. Führen Sie eine konservative Suche in den Suchergebnissen durch.
- Priorisiert exakte Übereinstimmungen mit normalisierten Zeitschriftentiteln. - Priorisiert außerdem exakte Übereinstimmungen mit Abkürzungen. - Geht bei kurzen und allgemeinen Begriffen besonders vorsichtig vor. - Akzeptiert keine offensichtlichen Teilstring-Abweichungen, wie z. B. die Verwechslung von „Nature“ mit der Reihe „Nature Reviews“. - Gibt bei instabilen Übereinstimmungen mehrdeutige oder nicht gefundene Ergebnisse zurück, anstatt zu raten.
4. Falls PubMed eine Abkürzung angibt, versuchen Sie, diese mithilfe des NLM-Katalogs in den vollständigen Namen oder einen alternativen Titel umzuwandeln.
Die Suchoberfläche des NLM-Katalogs bleibt NCBI E-Utilities:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=[Titelabkürzung]&retmode=xml&retmax=1
```
Verwenden Sie anschließend ESummary, um den Titel / alternativen Titel zu erhalten.
5. Lesen Sie die detaillierten Ergebnisse von iikx:
- Impact-Faktor. - IF-Jahr. - JCR-Quartil. - CAS/CAS-Quartil (falls zutreffend). - Quell-URL. - Konfidenzintervall der Übereinstimmung.
6. Geben Sie das IF-Jahr nicht im Haupttext an; verwenden Sie stattdessen kompakte Anmerkungen.
Die abschließende Anmerkung sollte lediglich Folgendes lauten:
```Text
*{IF=X,Qn}*
```
Falls es fehlschlägt:
```Text
*{IF=Überprüfung ausstehend}*
```
oder:
```Text
*{IF=Nicht erkannt}*
```
6.3 Spezifische Schritte
Führen Sie für jedes Dokument die folgende Vorgehensweise durch.
Schritt 1: Den Namen der Zeitschrift für die Suche vorbereiten.
Priorisieren Sie den Abruf von Metadaten aus PubMed:
```Text
Vollständiger Zeitschriftenname
ISO-Abkürzung / Quelle
ISSN
eISSN
```
Falls nur eine DOI verfügbar ist, verwenden Sie zunächst Crossref oder OpenAlex, um den Namen der Zeitschrift zu ermitteln.
Crossref:
```Text
https://api.crossref.org/works/
```
OpenAlex:
```Text
https://api.openalex.org/works/https://doi.org/
```
Schritt 2: Standardisierung der Zeitschriftennamen.
Standardisierungsregeln:
• Alles kleingeschrieben.
• HTML-Entschlüsselung.
• Ersetzen Sie & durch und.
• Entfernen Sie die Interpunktion.
• Mehrere Leerzeichen kombinieren.
• Beim Vergleichen kann man auch die Kurzform verwenden, bei der alle Leerzeichen entfernt werden.
Beispiel-Pseudocode:
Python
import re, html
def norm(s):
s = html.unescape(s or '').lower()
s = re.sub(r'&', ' and ', s)
s = re.sub(r'[^a-z0-9]+', ' ', s)
return re.sub(r'\s+', ' ', s).strip()
def compact(s):
return norm(s).replace(' ', '')
```
Schritt 3: Abfrage der iikx-Suchschnittstelle.
```Text
https://m.iikx.com/api/restfull/?m=sci&c=index&a=info&keyword=
```
Es wird empfohlen, einen User-Agent festzulegen, zum Beispiel:
```Text
Mozilla/5.0
```
Wenn auf der ersten Seite keine exakte Übereinstimmung gefunden wird, können Sie eine begrenzte Anzahl von Seiten durchblättern, zum Beispiel bis zu 8 Seiten.
Die Parameter für das Umblättern sind üblicherweise:
```Text
Seite=2
Seite=3
```
Schritt 4: Wählen Sie Kandidaten aus den Suchergebnissen aus.
Kandidatenfelder umfassen typischerweise:
```Text
Ausweis
Klassen-ID
Titel
Kleiner Titel
IF oder IF2024
zky2020
URL
```
Matching-Regeln:
• Wenn compact(query) == compact(candidate.title), akzeptiere.
• Wenn norm(query) == norm(candidate.title), akzeptiere.
• Wenn compact(query) == compact(candidate.smalltitle), akzeptiere.
• Wenn norm(query) == norm(candidate.smalltitle), akzeptiere.
• Eine Teilzeichenkette wird nur akzeptiert, wenn die Abfrage lang genug und eindeutig ist.
• Seien Sie besonders vorsichtig mit kurzen Wörtern wie Natur, Wissenschaft, Zelle, Gehirn, Sehen und Netzhaut.
Schritt 5: Falls keine Übereinstimmung gefunden wird, verwenden Sie die erweiterte Abkürzung aus dem NLM-Katalog.
In PubMed lautet die Quelle beispielsweise:
```Text
Freie Radikale Biol Med
```
Sie können Folgendes überprüfen:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nlmcatalog&term=Free%20Radic%20Biol%20Med%5BTitle%20Abbreviation%5D&retmode=xml&retmax=1
```
Nachdem Sie die NLM-Katalog-ID erhalten haben, verwenden Sie sie wie folgt:
```Text
https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=nlmcatalog&id=
```
Lesen:
```Text
Titel
Alternativer Titel
```
Verwenden Sie dann diese vollständigen Namen, um nach iikx zu suchen.
Schritt 6: Überprüfen Sie die iikx-Details-Oberfläche.
Wenn die Suchergebnisse Folgendes enthalten:
```Text
id=
classid=
```
Anruf:
```Text
https://m.iikx.com/api/restfull/?m=sci/index/detail&id=
```
Aus dem Detail lesen:
```Text
IF2024, IF2023, IF2022 ...
WENN
zky2020 oder andere JCR-Quartilsfelder
jcr22 / jcr12 oder Partitionsfeld
issn
eissn
Titel
Kleiner Titel
Kategorie
```
Schritt 7: Wählen Sie die neueste IF-Anweisung aus.
Durchsuchen Sie die zurückgegebenen Felder nach allen Vorkommen des folgenden Formulars:
```Text
IF20xx
```
Zum Beispiel:
```Text
IF2024
IF2023
IF2022
```
Wählen Sie das Jahr mit der größten signifikanten Ziffer.
Falls IF20xx nicht vorhanden ist, versuchen Sie Folgendes zu lesen:
```Text
WENN
if_value
```
Wird kein gültiger Wert gefunden, wird er als nicht erkannt markiert.
Schritt 8: Konfidenzniveau und Bezeichnung ausgeben.
Wenn der genaue Titel/die Abkürzung übereinstimmt und die Detailabfrage ein gültiges Ergebnis liefert:
```Text
*{IF=X,Qn}*
```
Wenn der Ausgang des Spiels ungewiss ist:
```Text
*{IF=Überprüfung ausstehend}*
```
Wenn die öffentliche API keine Ergebnisse liefert:
```Text
*{IF=Nicht erkannt}*
```
6.4 IF-Anmerkungsformat
Festes Format:
```Text
*{IF=X,Qn}*
```
Beispiel:
```Markdown
Smith J et al., **Neuron** (2020), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=15.0, Q1}*
```
Beachten:
• Das JCR-Jahr wird nicht innerhalb der IF-Anmerkung angegeben.
• Schreiben Sie nicht "2024 JCR IF".
• Schreiben Sie nicht "JCR 2024".
• Lediglich das Erscheinungsjahr wird beibehalten.
• Wenn die IF-Funktion 0,0 oder null ist, eine instabile Quelle oder eine instabile Übereinstimmung aufweist, wird die Zahl nicht angezeigt.
6.5 Standardbehandlung für IF-Prüffehler
Nicht raten.
Verwenden Sie nicht den Namen der Zeitschrift, um die Nummern einzutragen.
Verwenden Sie keine großen Modelle, um IF-Anweisungen auswendig zu lernen und auszufüllen.
Im Fehlerfall sind nur drei Zustände zulässig:
```Text
*{IF=Überprüfung ausstehend}*
```
Verwendungszweck:
• Die Suchergebnisse sind ungenau.
Es gibt mehrere ähnliche Zeitschriften.
• Es wurde lediglich die Abkürzung gefunden, der vollständige Name konnte nicht bestätigt werden.
• Die von öffentlich zugänglichen Quellen zurückgegebenen IF-Werte sind fragwürdig.
```Text
*{IF=Nicht erkannt}*
```
Verwendungszweck:
• Die öffentliche Schnittstelle lieferte keine Ergebnisse.
• Die Zeitschrift ist nicht im SCI/JCR gelistet.
• Die neue Ausgabe enthält noch kein IF.
```Text
*{IF=Nicht öffentlich überprüfbar}*
```
Verwendungszweck:
• Der Benutzer benötigt einen offiziellen JCR, aber der aktuelle Agent verfügt nicht über Clarivate/JCR-Berechtigungen.
7. Abschließende Selbstcheckliste
Muss vor dem Versand geprüft werden:
• Sollten die Kernfragen des Nutzers zuerst beantwortet werden?
• Ob zwischen direkten Beweisen, indirekten Beweisen und dem Fehlen direkter Beweise unterschieden werden soll.
• Sind alle Textzitate anklickbar?
• Gibt es am Ende des Artikels eine vollständige Liste der verwendeten Quellen?
• Enthält jedes Dokument eine IF-Kennzeichnung (Eingabe/Ausgabe) oder eine Kennzeichnung, die auf eine ausstehende Überprüfung/Nichterkennung hinweist?
• Ob die PMID/DOI/URL anklickbar ist.
• Wird dabei vermieden, Gesamtergebnisse über das Gewebe durch Schlussfolgerungen über spezifische Zelltypen zu ersetzen?
• Wird dadurch vermieden, dass die Aktivierung/Phosphorylierung durch eine Erhöhung der Gesamtexpression ersetzt wird?
• Ob ein Preprint angegeben werden soll.
• Werden die Suchgrenzen festgelegt?
• WENN es nicht auf Erinnerung oder Vermutungen beruhte.
8. Reproduzierbarer Pseudocode
Python
queries = build_queries(user_question)
all_pmids = []
für Abfrage in Abfragen:
pmids = ncbi_esearch(query, retmax=20, sort='relevance')
all_pmids.extend(pmids)
pmids = deduplicate_keep_order(all_pmids)
metadata = ncbi_esummary(pmids)
abstracts = ncbi_efetch_abstract(pmids)
records = merge_metadata_and_abstracts(metadata, abstracts)
records = tag_evidence(records, user_question)
Datensätze = rank_records(Datensätze)
ausgewählt = select_top_records(records)
falls Volltext benötigt wird:
für Datensatz in selected_key_records:
pmcid = idconv_pmid_to_pmcid(record.pmid)
if pmcid:
record.fulltext = fetch_bioc_or_pmc_xml(pmcid)
Für Datensätze in der Auswahl:
journal_query = record.full_journal_name or record.journal_abbrev
if_result = lookup_if_public_iikx(journal_query)
if_result.confident:
record.if_annotation = f'*{IF={if_result.if_value},{if_result.quartile}}*'
elif if_result.ambiguous:
record.if_annotation = '*{IF=Pending Verification}*'
anders:
record.if_annotation = '*{IF=Nicht erkannt}*'
Antwort = zusammengesetzte_Antwort(
Abschluss
Evidenzgruppen,
klickbare_Zitate im Fließtext,
vollständige Referenzliste mit Wenn
)
```
9. Empfohlene Vorlage für die endgültige Lieferung
```Markdown
abschließend:
...
Evidenzgrad:
Direkte Beweise:
- ……[[1. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
Indirekte Beweise:
- …[[2. **Zeitschrift**, Jahr]](https://pubmed.ncbi.nlm.nih.gov/PMID/)
Es wurden keine direkten Beweise gefunden:
- ……
Mechanismusübersicht:
1. ……
2. ……
Suchgrenzen:
Diese Suchrunde umfasste hauptsächlich PubMed, PMC, BioC und bioRxiv. Die erste Sichtung erfolgte anhand von Metadaten und Abstracts, wobei nur die wichtigsten Dokumente einer Volltextprüfung unterzogen wurden. Die IF-Annotationen basierten auf öffentlich zugänglichen Quellen; Dokumente, die nicht mit hoher Sicherheit zugeordnet werden konnten, wurden als „Verifizierung ausstehend“ oder „Nicht gefunden“ gekennzeichnet.
Vollständige Liste der Literaturinformationen:
1. Smith J et al., **Journal Name** (2021), [PMID: 12345678](https://pubmed.ncbi.nlm.nih.gov/12345678/). *{IF=X,Q1}*
2. Wang X et al., **Zeitschriftenname** (2022), [DOI: 10.xxxx/xxxxx](https://doi.org/10.xxxx/xxxxx). *{IF=Wird noch geprüft}*
```
Related Skills
View allEchoes Pro – Erfassen, dekodieren und teilen Sie Ihre YouMind-Gedankenprozesse.
Jeden Tag speicherst, markierst, schreibst und denkst du in YouMind. Diese Aktionen mögen zufällig erscheinen, doch sie bergen zugrundeliegende Themen. Echo hilft dir, diese zu erkennen. Eine dreistufige Analysefunktion dringt Schicht für Schicht tiefer vor: ⚡ Kontraintuitive Entdeckung – Du denkst, du tust A, tust aber tatsächlich B. 🌊 Auswirkungen zweiter Ordnung – Was du heute säst, wird in 6 Monaten wachsen. 💎 Grundprinzipien – Entferne alle Äußerlichkeiten und bewahre nur diesen einen Satz: Für dich selbst ist es mentale Archäologie. Für andere ist es eine Geschichte, die berührt. Mit einem Klick wechselst du zwischen verschiedenen Freigabemodi: Personenwechsel, Szenenvervollständigung, Terminologieübersetzung. Ausgabe auf Twitter, Xiaohongshu, WeChat-Offizielle-Accounts und Videoskripte. Bei kontinuierlicher Nutzung merkt sich Echo deine thematischen Fäden. Dein digitales Leben hallt jeden Tag wider. Echo hilft dir, es festzuhalten, zu verstärken und zu teilen.
Assistent zum Verfassen horizontaler Forschungsberichte für Regierung und Unternehmen v5.0
Dies ist ein umfassender Berichtsassistent, der speziell für Forschungsprojekte im öffentlichen und privaten Sektor entwickelt wurde. Die aktualisierte fünfte Generation kann Berichte mit über 30.000 Wörtern erstellen. Zu den Kernfunktionen gehören die Recherche vorhandener Literatur, die Kontextanalyse, die Überarbeitung von standardisierten Texten und Logik, die vierstufige, zweiseitige Verifizierung von Tiefe und Vollständigkeit des Artikels sowie die automatische Generierung authentischer Referenzen für wichtige Daten, Richtlinien und Fallstudien am Ende des Artikels und von Anmerkungen im Text. Der Assistent integriert einen natürlichen, akademischen Schreibstil, der KI-generierte Artefakte eliminiert, jegliche Spuren von KI-generiertem Schreiben beseitigt und so ein hohes akademisches Niveau gewährleistet.
Bohai Petty Official's Mind Analyzer
Dieses Buch nutzt fünf Denkmodelle und zehn Entscheidungsheuristiken aus dem Ansatz von „Bohai Xiaoli“ (ein Pseudonym) zur tiefgreifenden Problemanalyse. Es verwirft oberflächliche Darstellungen und dringt zur zugrundeliegenden Logik vor. Für die Berechnung wird ein Kosten-Nutzen-Modell verwendet. Informationslücken werden identifiziert, die Authentizität überprüft und strukturelle Beschränkungen berücksichtigt. Das Ergebnis umfasst eine dreistufige logische Dekonstruktion, eine Kosten-Nutzen-Analyse und konkrete Handlungsempfehlungen – alles in einem dialogischen und kritischen Stil, der an „Bohai Xiaoli“ erinnert. Es eignet sich für Szenarien wie Geschäftsentscheidungen, Dilemmata am Arbeitsplatz, strategische Entscheidungen und historische Analysen.
Find your next favorite skill
Explore more curated AI skills for research, creation, and everyday work.