系統評價可為臨床實踐和醫療衛生決策提供重要證據支持。但在系統評價的制作過程中，文獻篩選和數據提取是非常耗時的工作步驟。自然語言處理（NLP），作為計算機科學和人工智能的研究方向之一，可加速系統評價中的文獻篩選和數據提取過程。本文回顧了系統評價對快速文獻篩選和數據提取的需求；介紹了 NLP 的發展歷程和機器學習類型，系統整理了現有可用于系統評價初篩、全文篩選和數據提取過程的 NLP 工具；討論了現有 NLP 在系統評價領域應用時存在的問題，并對其未來發展提出了展望。
目的建立缺血性腦卒中中成藥綜合評價指標體系，確定體系內各指標權重，為中成藥有效性、安全性和經濟性綜合評價提供參考依據。方法通過兩輪Delphi專家咨詢構建缺血性腦卒中中成藥綜合評價指標體系，并采用層次分析法賦予各級指標權重。結果兩輪咨詢的專家積極系數分別是92.59%和96.00%，專家權威系數均大于0.70，總體指標的專家協調系數分別是0.224和0.370（P<0.001）。建立了缺血性腦卒中中成藥綜合評價三級指標體系，其中一級指標3個，分別是有效性、安全性和經濟性，二級指標15個，三級指標33個。采用層次分析法確定的一級指標權重分別為0.626 4、0.301 2和0.072 4。結論本研究建立了缺血性腦卒中中成藥有效性、安全性和經濟性綜合評價指標體系，為綜合評價治療缺血性腦卒中中成藥提供了基礎和依據。該指標體系對缺血性腦卒中臨床試驗設計、系統評價開展、臨床實踐指南制訂等如何選擇結局指標均具有重要意義。