PubMed 主题分批扩展法

PubMed 主题分批扩展法

''结论'': 当 衰老研究种子数据集的最小可复现构成 已有一个高置信 seed CSV 时，继续扩表最稳妥的方式不是一次性穷尽式检索，而是按若干高信噪主题分批抓取 PubMed 候选，再用统一字段（至少 PMID、题名、年份、主题）做归一化。

本轮可复用经验

- 先把不同来源的 CSV 合并，再按 PMID 去重，比先追求“检索完美”更快得到可落盘的扩展表。
- 对扩展表来说，theme 字段是最实用的聚合轴；它能快速把结果切成后续可筛选的主题簇。
- 如果目标是“至少 30 条高置信记录”，可以先输出一个更大的去重集合，再从中抽取 top30 作为对外发布子集。
- 质量检查只需要三个硬指标：无空 PMID、无空题名、无空年份/主题。

适用边界

- 适用于公开文献、以 PMID 为主的生物医学扩展表。
- 不适用于需要全文逐篇人工判定的综述型大清洗。