文章主要内容总结本文聚焦于大型语言模型（LLMs）在元分析数据提取中的实际表现评估，旨在解决从随机对照试验（RCTs）全文中自动提取数据用于元分析的挑战。研究选取了Gemini-2.0-flash、Grok-3、GPT-4o-mini三个LLM，在高血压、糖尿病、骨科三个医学领域，针对统计结果、偏倚风险评估和研究层面特征三类任务，测试了基础提示、自我反思提示、模型集成、定制提示四种提示策略，以探究如何提升提取质量。研究发现，所有模型均表现出高精度，但召回率较低（存在关键信息遗漏）；其中定制提示策略效果最佳，可将召回率提升高达15%。基于此，研究提出了三级使用指南，根据任务复杂性和风险，将数据类型与适当的自动化水平匹配，为现实世界元分析中的数据提取自动化提供了实用建议，平衡了LLM效率与专家监督。文章创新点全面的可行性评估：首次跨多个临床领域（高血压、糖尿病、骨科）、信息类型（统计结果、偏倚风险、研究信息）和任务结构，对LLMs在元分析全文数据提取中的表现进行深入基准测试。模块化性能优化：证实提示专业化和模型输出聚合能带来显著且互补的提升，建立了针对异质元分析任务的模块化提取质量提升策略。稳健的评估方案：设计角色分离的评估流程，避免LLM自评输出，通过盲法、模型无关的比较确保评估的可靠性和无偏性。任务特异性自动化指南：基于实证性能模式，提出元分析信息类型的三级分类（根据自动化适用性和误差容忍度），为何时自动化、何时需审查