合理提问 vs 不合理提问
DeepEvidence 需要接收完整的问题句子才能工作。单独的医学名词（疾病名、药物名、检验指标）不是问题，系统无法从中推断您真正需要什么。
| # | 示例输入 | 评价 | 原因分析 |
|---|---|---|---|
| 01 | 阿司匹林 | ✗ 差 | 仅提供一个药物名词，不构成任何问题。AI 无法判断您想问剂量、适应症、副作用还是其他内容。 |
| 02 | 阿司匹林能与 PD-1 药物一起使用吗？ | ✓ 好 | 明确提出了两种药物，并指出疑问核心（相互作用），系统可据此检索药物相互作用文献。 |
| 03 | 病人正在服用阿司匹林，计划下周手术，什么时间停药？ | ✓ 好 | 提供了临床场景（术前）、具体用药情况，问题目标清晰（停药时机），有助于获得指南推荐答案。 |
| 04 | 糖尿病 | ✗ 差 | 疾病名词本身不含任何疑问。DiagnosiS？Treatment？Complications？系统无法猜测。 |
| 05 | 2 型糖尿病合并心衰患者，SGLT-2 抑制剂是否优先于二甲双胍？ | ✓ 好 | 明确了患者特征（2 型糖尿病 + 心衰）、比较的药物，以及决策问题（优先级），是标准的临床问题格式。 |
| 06 | 肌钙蛋白 | ✗ 差 | 单一检验指标名词。正常range？升高意义？如何动态监测？——您需要明确问出您的疑惑。 |
| 07 | 急性胸痛患者，首次肌钙蛋白正常，但 3 小时后复查升高，需要立即导管室吗？ | ✓ 好 | 描述了完整临床场景，检验动态变化，提出了决策问题，系统可准确匹配 NSTEMI 相关指南。 |
核心原则：名词不是问题，句子才是
每次输入请确保包含：谁（患者特征）· 什么情况（背景/用药/检验）· 具体疑问（您真正想知道的）。
清晰提问 vs 模糊提问
即使是一个完整的句子，也可能因为缺乏关键信息而过于模糊。清晰的提问应当包含患者年龄、合并症、具体指标等背景，帮助系统定位到最相关的循证证据。
✗ 模糊提问（答案将泛泛而谈）
❓ 阿司匹林怎么吃？
系统只能给出笼统的剂量范围，临床实用性极低。
❓ 抗生素如何选择？
❓ 高血压怎么治？
✓ 清晰提问（系统可给出精准循证答案）
✅ 65 岁老人，使用阿司匹林进行心血管二级预防，推荐剂量是多少？
✅ 65 岁老人，使用阿司匹林进行心血管二级预防，合并慢性肾病（eGFR 45 mL/min/1.73m²），是否需要调整剂量？
✅ 社区获得性肺炎，住院患者，PORT 评分 III 级，无青霉素过敏，首选抗菌方案是什么？
PICO 框架 — 构建清晰临床问题的黄金标准
P
Patient
患者特征：年龄、性别、
合并症、检验值
I
Intervention
干预措施：药物、手术、
剂量、疗程
C
Comparison
对比方案（可选）：
另一种药物或不治疗
O
Outcome
关注结局：生存率、
不良反应、剂量调整
DeepEvidence ≠ 通用 LLM 模型
请不要按使用 ChatGPT / 文心一言等通用 AI 的习惯来使用 DeepEvidence。两者的设计目标、工作原理和最适用场景有本质区别。
无需设定角色
DeepEvidence 已内置循证医学知识体系，角色提示词不会改善也不会影响答案质量，属于无效冗余。
不联网 · 不检索全网文献
系统仅检索经过筛选的高质量医学文献知识库，有意回避低质量来源，防止错误信息进入答案。
不会捏造文献（幻觉）
基于 RAG 架构，答案来源于真实文献片段，而非模型凭空生成。
专注医学 · 非通用对话
非医学问题会降低系统效率，且质量不如专用通用语言模型。
| 维度 | 通用 LLM (如ChatGPT) | DeepEvidence |
|---|---|---|
| 知识来源 | 训练数据（截止日期固定） | 实时从医学文献库检索 |
| 需要设定角色 | 有时有效 | ❌ 无效，无需添加 |
| 联网搜索 | 部分版本支持 | ❌ 不联网（防幻觉设计） |
| 引用文献 | 可能捏造 | ✅ 真实文献溯源 |
| 临床诊断推理 | 一般，缺循证深度 | ✅ 专项优化 |
| 医学知识质量控制 | 无过滤 | ✅ 仅高质量来源 |
| 通用写作/对话 | ✅ 擅长 | ❌ 非设计用途 |
DeepEvidence 能做什么？
以下领域均可直接提问，无需额外说明身份或背景。
临床诊断 & 鉴别诊断
输入症状、体征、检验结果，获得系统性鉴别诊断清单及诊断思路。
例：38岁女性，关节痛+蝶形红斑+ANA阳性，需要鉴别哪些疾病？
药物使用 & 剂量
适应症、禁忌症、肝肾功能不全剂量调整、最优给药途径与时间。
例：肾移植患者使用他克莫司，如何根据血药浓度调整剂量？
药物相互作用
多药联用时的相互作用机制、临床意义及处理建议。
例：华法林与氟康唑联用，PT/INR 会产生哪些变化？
治疗方案 & 指南推荐
最新指南推荐的一线/二线治疗，分级治疗策略。
例：HFrEF（EF 35%）患者的标准药物治疗方案是什么？
医学量表 & 评分公式
CHA₂DS₂-VASc、MELD、APACHE、Wells、CURB-65 等各类评分解读。
例：CHA₂DS₂-VASc 评分 3 分的房颤患者，需要抗凝吗？
罕见病 & 遗传病
罕见病的诊断标准、遗传模式、基因检测建议及现有治疗。
例：儿童出现发作性共济失调，需要考虑哪些罕见病？
药物副作用 & 毒性
常见/罕见不良反应、毒性监测指标及处理流程。
例：免疫检查点抑制剂引起的免疫相关性肺炎如何分级处理？
检验检查解读
实验室指标的临床意义、参考范围、影响因素及后续处理。
例：BNP 显著升高但超声心动图正常，需要考虑哪些情况？
医学史 & 基础机制
疾病发病机制、病理生理、医学历史背景。
例：Framingham 研究对心血管疾病预防的主要贡献是什么？
进阶技巧：让答案更精准
提供具体数值而非描述性语言
✗ 肾功能不好
✓ eGFR 28 mL/min/1.73m²（CKD Stage 4）
列出所有当前用药
✗ 病人在吃几种药
✓ 正在服用：华法林 3mg/d、地高辛 0.125mg/d、呋塞米 20mg/d
明确您的决策目标
✗ 关于这个患者……
✓ 我需要决定：是否立即开始抗凝？还是等待复查后再决定？
可拆分复杂问题逐步追问
当问题涉及多个决策点时，先问最主要的问题，收到答案后再追问下一步。
✓ 先问：首选药物是什么？→ 再问：该药在肾功能不全时剂量如何调整？
告知患者特殊人群状态
妊娠、哺乳、老年（>80岁）、儿童、免疫抑制等，会影响推荐方案。
✓ 患者妊娠 28 周，合并甲亢，可以用哪些抗甲状腺药物？
说明地域 / 医疗资源背景（可选）
如需符合中国指南，或基层医院资源有限，可明确指出。
✓ 基层医院，无 CRRT 设备，该患者急性肾衰如何管理？
使用时的常见误区
误区 1：把 DeepEvidence 当搜索引擎
搜索引擎返回链接列表，DeepEvidence 返回经过综合分析的循证答案。请用完整问题而非关键词搜索方式使用。
误区 2：期望它代替临床判断
DeepEvidence 提供循证参考，最终临床决策必须由具备执业资质的医生结合患者具体情况综合判断，系统不承担医疗责任。
误区 3：认为越长的提示词越好
不必填写大量铺垫性文字，只需包含患者关键信息 + 明确问题，两三句话即可获得高质量答案。
误区 4：用于面向患者的解释文案生成
系统答案为专业医学语言，适合医生阅读，不适合直接复制给普通患者。如需患者教育材料，请使用通用 AI 做语言转化。