Literature Review

• Réaliser une Literature Review systématique, une revue de cadrage ou une méta-analyse pour un article de recherche, une thèse ou une demande de subvention.
• Synthétiser l'état actuel des connaissances sur un sujet biomédical, scientifique ou technique à partir de plusieurs bases de données et types de publications.
• Rédiger la section Literature Review d'un manuscrit en ayant besoin de citations vérifiées formatées selon les styles APA, Nature, Vancouver, Chicago ou IEEE.
• Identifier les lacunes de la recherche, les articles fondateurs et les orientations futures dans un domaine en effectuant des recherches simultanément sur les serveurs de prépublication et dans la littérature évaluée par des pairs.

• Vous n'avez besoin que d'un résumé rapide de contexte sur un sujet plutôt que d'une recherche systématique documentée et reproductible — une compétence générale de recherche sur le web peut être suffisante.
• Votre domaine est en dehors des champs biomédical, scientifique ou technique, car les intégrations de bases de données spécialisées (PubMed, bioRxiv, arXiv, etc.) offriront un bénéfice limité.
• Vous n'avez pas besoin de vérification des citations ni d'un fichier PDF en sortie, et souhaitez simplement des notes informelles sur un sujet.

Recherche dans PubMed, bioRxiv, medRxiv, arXiv, Semantic Scholar et bien d'autres via des outils scientifiques intégrés (gget, bioservices, datacommons-client). Une couverture académique web étendue est assurée par la compétence de recherche parallèle (parallel-cli search) avec un filtrage des domaines académiques, garantissant qu'aucune source majeure n'est omise.

Toutes les citations sont vérifiées pour leur exactitude à l'aide de scripts/verify_citations.py, qui extrait les DOI, les résout via CrossRef et récupère les métadonnées faisant autorité. Prend en charge plusieurs styles de citation, notamment APA (7e édition), Nature, Vancouver, Chicago et IEEE.

Convertit les revues complétées du format markdown en PDF à mise en forme professionnelle via scripts/generate_pdf.py, propulsé par pandoc et XeLaTeX. Les options incluent des styles de citation sélectionnables, une table des matières et une numérotation des sections.

Guide la revue à travers la Planification & Cadrage, la Recherche Systématique, le Filtrage & Sélection, l'Extraction des Données & Évaluation de la Qualité, la Synthèse Thématique, la Vérification des Citations et la Génération de Documents — en suivant les meilleures pratiques PRISMA et Cochrane.

scripts/search_databases.py combine les résultats de toutes les bases de données, supprime les doublons par DOI ou par titre, classe les résultats par nombre de citations, et exporte des résultats agrégés et nettoyés en markdown ou en JSON pour le processus de sélection.

S'intègre à la compétence scientific-schematics pour produire des figures de qualité publication, notamment des diagrammes de flux PRISMA, des diagrammes de synthèse thématique et des cadres conceptuels — conviviaux pour les daltoniens et à contraste élevé par défaut.

Un chercheur étudiant la thérapie génique CRISPR pour la drépanocytose utilise la compétence pour effectuer des recherches sur PubMed, bioRxiv et Semantic Scholar avec des termes MeSH et des opérateurs booléens, filtrer des centaines de résultats selon des critères d'inclusion définis par le cadre PICO, extraire des données, évaluer les biais avec l'outil Cochrane Risk of Bias, et produire un PDF conforme aux directives PRISMA avec des citations au format Nature.

Un étudiant diplômé rédigeant une thèse utilise la compétence pour effectuer une recherche multi-bases de données, organiser les résultats de manière thématique plutôt qu'étude par étude, vérifier toutes les citations, et exporter un chapitre formaté en markdown et en PDF prêt à être soumis — comprenant une méthodologie de recherche documentée pour la reproductibilité.

Un chercheur technique passe en revue la littérature sur l'apprentissage automatique en interrogeant arXiv (catégories cs.LG, stat.ML), Semantic Scholar et des sources académiques générales via le web en parallèle, en donnant la priorité aux articles très cités issus des meilleures conférences (NeurIPS, ICML), et en synthétisant les tendances, les benchmarks et les questions de recherche ouvertes.

Une équipe préparant une demande de subvention utilise la compétence pour explorer rapidement un domaine de recherche à travers plusieurs bases de données, identifier les travaux séminaux clés et les lacunes de la recherche, et générer un document de synthèse concis et vérifié par des citations, qui vient appuyer la section de justification scientifique de la proposition.