合理 vs 不合理的提问
DeepEvidence 需要完整的问句才能正常工作。一个孤立的医学术语（疾病名、药品名、检验指标）不是问题，系统无法从中推断你真正想要的答案。
| # | 示例输入 | 评级 | 原因 |
|---|---|---|---|
| 01 | 阿司匹林 | ✗ 较差 | 只是一个药品名，根本不是问题。AI 无从判断你想问剂量、适应证、不良反应还是其它。 |
| 02 | 阿司匹林能否与 PD-1 类药物联用？ | ✓ 推荐 | 指明了两个药物以及核心问题（联用），系统可据此检索药物相互作用文献。 |
| 03 | 患者在服用阿司匹林，下周要手术，什么时候应该停药？ | ✓ 推荐 | 提供了临床场景（术前）与具体用药，并明确目标（停药时机），便于返回基于指南的答案。 |
| 04 | 糖尿病 | ✗ 较差 | 一个疾病名本身并不包含任何问题。是问诊断？治疗？并发症？系统无法猜测。 |
| 05 | 2 型糖尿病合并心力衰竭患者，应优先选择 SGLT-2 抑制剂还是二甲双胍？ | ✓ 推荐 | 指明了患者特征（2 型糖尿病 + 心衰）、比较药物以及决策问题（优先级），是标准的临床问题格式。 |
| 06 | 肌钙蛋白 | ✗ 较差 | 一个孤立的检验指标。是问正常范围？升高的临床意义？动态监测？需要写出你真正想问的问题。 |
| 07 | 急性胸痛患者初次肌钙蛋白正常，3 小时复查升高，是否需要立即介入？ | ✓ 推荐 | 描述了完整的临床场景与指标动态变化，并提出决策问题，系统可精准匹配 NSTEMI 相关指南。 |
核心原则：名词不是问题，句子才是
每次输入都应包含：谁（患者特征）·什么情况（场景 / 用药 / 检验）·具体问题（你到底想知道什么）。
清晰 vs 模糊的问题
即使是完整的句子，如果缺少关键信息也会过于模糊。一个清晰的问题应包含患者年龄、合并症与具体数值等背景，让系统找到最相关的证据。
✗ 模糊问题（答案会很通用）
❓ 阿司匹林怎么吃？
系统只能给一个通用剂量范围，临床价值有限。
❓ 抗生素怎么选？
❓ 高血压怎么治？
✓ 清晰问题（系统可给出精准、有循证依据的答案）
✅ 65 岁患者，因心血管二级预防服用阿司匹林，推荐剂量是多少？
✅ 65 岁患者，因心血管二级预防服用阿司匹林，合并慢性肾病（eGFR 45 mL/min/1.73m²），剂量是否需要调整？
✅ 社区获得性肺炎，住院患者，PORT III 级，无青霉素过敏史，一线抗菌方案是什么？
PICO 框架 — 构建清晰临床问题的金标准
P
Patient 患者
患者特征：年龄、性别、
合并症、检验数值
I
Intervention 干预
干预：药物、操作、
剂量、疗程
C
Comparison 对照
对照（可选）：
另一种药物或不治疗
O
Outcome 结局
结局：生存率、
不良反应、剂量调整
DeepEvidence ≠ 通用 LLM
请不要把 DeepEvidence 当作 ChatGPT、文心一言之类的通用 AI 来用。它们在设计目标、机制和适用场景上有根本差异。
无需角色设定
DeepEvidence 内置了循证医学知识体系，角色设定不会提升也不会影响答案质量，只是徒增冗余。
不联网，不做全网文献检索
系统只在精选的高质量医学文献知识库内检索，刻意避开低质量来源，防止错误信息进入答案。
不会编造文献（无幻觉）
基于 RAG 架构，答案来自真实文献片段，而不是模型的"凭空想象"。
专注医学，不是通用聊天
非医学问题会降低效率，质量也不会比通用大模型更好。
| 维度 | 通用 LLM （如 ChatGPT） | DeepEvidence |
|---|---|---|
| 知识来源 | 训练数据（截止固定） | 实时检索医学文献数据库 |
| 是否需要角色设定 | 有时有用 | ❌ 无效，无需设置 |
| 联网检索 | 部分版本支持 | ❌ 不联网（防幻觉设计） |
| 引用文献 | 可能是编造的 | ✅ 可追溯到真实文献 |
| 临床诊断推理 | 一般，缺乏证据深度 | ✅ 专门优化 |
| 医学知识质控 | 无筛选 | ✅ 仅采用高质量来源 |
| 通用写作 / 聊天 | ✅ 强 | ❌ 非目标 |
DeepEvidence 能做什么？
以下场景都可以直接提问，无需说明自己的身份或背景。
临床诊断与鉴别诊断
输入症状、体征与检验结果，获得系统化的鉴别诊断清单与推理。
例：38 岁女性，关节痛、颊部红斑、ANA 阳性，应考虑哪些鉴别诊断？
药物使用与剂量
适应证、禁忌证、肝肾功能不全的剂量调整，以及最佳给药途径和时机。
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
联用时的相互作用机制、临床意义与处理建议。
例：华法林与氟康唑联用时，PT/INR 会如何变化？
治疗方案与指南
依据最新指南的一线 / 二线治疗，以及阶梯式策略。
例：HFrEF 患者（EF 35%）的标准药物治疗方案是什么？
医学量表与评分
CHA₂DS₂-VASc、MELD、APACHE、Wells、CURB-65 等评分的解读。
例：房颤患者 CHA₂DS₂-VASc 评分 3 分，是否需要抗凝？
罕见病与遗传病
罕见病的诊断标准、遗传方式、基因检测建议与当前治疗方案。
例：儿童出现发作性共济失调，需要考虑哪些罕见病？
药物不良反应与毒性
常见 / 罕见不良反应、毒性监测与处理流程。
例：免疫检查点抑制剂相关性肺炎如何分级和管理？
检验与检查结果解读
检验指标的临床意义、参考范围、影响因素与后续处理。
例：BNP 明显升高但超声心动图正常，应考虑哪些情况？
医学史与基础机制
疾病机制、病理生理与医学历史背景。
例：Framingham 研究对心血管疾病预防的主要贡献是什么？
进阶技巧：获得更精准的答案
给具体数值，不要用描述性语言
✗ 肾功能不好
✓ eGFR 28 mL/min/1.73m²（CKD 4 期）
列出当前所有用药
✗ 患者在吃几种药
✓ 当前用药：华法林 3 mg/d、地高辛 0.125 mg/d、呋塞米 20 mg/d
明确说出你的决策目标
✗ 关于这个患者……
✓ 我需要决定：现在启动抗凝，还是等复查再说？
把复杂问题拆成追问
当问题包含多个决策点时，先问主问题，拿到答案再追问。
✓ 先问：一线药物是什么？→ 再问：肾功能不全时如何调整剂量？
注明特殊人群状态
妊娠、哺乳、高龄（>80 岁）、儿童、免疫抑制等都会影响推荐方案。
✓ 患者妊娠 28 周，合并甲亢，可以用哪些抗甲状腺药物？
注明地区 / 资源场景（可选）
如果需要中国指南，或基层医院资源受限，请说明。
✓ 在没有 CRRT 的基层医院，如何处理这个患者的急性肾衰？
使用过程中常见的误区
误区 1：把 DeepEvidence 当搜索引擎用
搜索引擎返回链接列表；DeepEvidence 返回的是综合后的循证答案。请用完整问句，不要用关键词搜索。
误区 2：期望它替代临床判断
DeepEvidence 提供的是循证参考；最终的临床决策必须由执业医师结合具体患者做出。系统不承担医疗责任。
误区 3：以为提示词越长越好
不需要大段铺垫，只要包含关键患者信息 + 清晰的问题。两三句话就足以获得高质量答案。
误区 4：用它直接生成面向患者的文案
答案是面向医生的专业医学语言，不适合直接给普通患者。患者宣教材料请用通用 AI 做语言转换。