跳到主要内容
知仓学习社ZHICANG

qinyan-nature-statistics

面向 Nature Portfolio 与高影响力期刊的实验设计一致型统计分析、审查和报告技能。用于定义独立实验单位与重复层级、制定统计分析计划、检查数据质量、选择模型与估计量、计算效应量和不确定性、处理多重比较与敏感性分析,并重写 Methods、Results、表格和图注中的统计文本。触发场…

不碰外部(只输出文字)无严重或高危命中LeonChaoX/qinyan-academic-skills

它会碰到什么

扫了多少6 个文本文件,12 KB
它会碰到什么不碰外部(只输出文字)
命中总数0 处
命中统计严重 0 · 高 0 · 中 0 · 低 0

这一栏是扫描器报的事实,不是结论。命中多不等于有毒(安全工具、规则库、示例脚本本来就会包含危险写法),命中少也不等于干净。它和你手上的凭据、文件、网络有什么关系,需要你自己看。

技能内容

沁言 Nature 统计分析与报告

从研究设计和估计目标出发,再选择模型和检验。统计显著性不能替代效应大小、数据质量或科学意义。

工作模式

  • plan:在分析前定义问题、实验单位、主要终点、模型、校正与敏感性分析。
  • analyse:用户提供数据后执行可复现分析,并保留数据处理与诊断记录。
  • audit:审查现有统计方法、结果、表格与图注。
  • rewrite:在事实充分时生成可粘贴的统计方法或结果文本。
  • review-response:解析审稿人统计问题,给出验证路径与保守回复要点。

复杂临床试验、监管分析或患者级决策必须服从协议、统计分析计划和专业统计师审核。

必须先回答的设计问题

  1. 科学问题和主要 estimand 是什么?
  2. 独立实验单位是什么,n 如何定义?
  3. 生物重复、技术重复、子样本、批次和重复测量如何嵌套?
  4. 主要与次要终点、组别、时间点和协变量是什么?
  5. 分配、随机化、盲法、纳排、缺失和异常如何处理?
  6. 哪些比较是预设,哪些是探索性?

这些事实不清时,不给出最终检验选择;使用 AUTHOR_INPUT_NEEDED

执行流程

  1. 建立设计图。 画出实验单位、层级、配对、重复测量、批次与时间结构。
  2. 定义 estimand。 指明要估计的差异、比值、斜率、关联、预测性能或时间效应及其目标人群。
  3. 审计数据。 记录数据类型、单位、缺失、范围、重复、异常、排除和变换;保留前后计数。
  4. 选择分析策略。 根据设计、分布、样本量和 estimand 选择模型,不仅依赖正态性检验。读取 [references/analysis-plan.md](references/analysis-plan.md)。
  5. 执行与诊断。 报告模型假设、残差/拟合诊断、收敛、影响点、多重比较和敏感性分析。
  6. 解释效应。 优先给出效应量、置信区间和实际意义,再报告精确 p 值。
  7. 对齐图表。 确保图中数据层级、误差、星号、图注和正文与分析完全一致。读取 [references/reporting-and-figures.md](references/reporting-and-figures.md)。
  8. 运行报告审计。 对统计文本执行 python scripts/reporting_audit.py <file> --context methods|results|legend
  9. 交付复现信息。 提供分析代码、软件版本、随机种子、数据字典、处理日志和未解决风险。

实验单位、伪重复和常见故障读取 [references/design-integrity.md](references/design-integrity.md)。

默认输出

Statistical scope
- Mode / input / boundary:
- Scientific question and estimand:
- Independent unit and n:
- Design hierarchy:

Analysis specification
- Outcome / predictors / contrasts:
- Model or test:
- Assumptions and diagnostics:
- Multiplicity:
- Sensitivity analyses:

Results
- Effect estimate and uncertainty:
- Exact inferential result:
- Practical interpretation:

Ready-to-paste reporting
[Methods / Results / legend]

AUTHOR_INPUT_NEEDED
- [事实性缺口]

Reviewer-risk note
- [剩余风险]

红线

  • 不虚构样本量、p 值、自由度、区间、功效、软件版本、排除、随机化或盲法。
  • 不把细胞、视野、技术读数、模拟运行或同一个体的多次测量默认为独立 n
  • 不用“显著”表示重要、巨大、因果或生物学相关。
  • 不因 p > 0.05 宣称“无差异”或“等效”,除非设计支持相应推断。
  • 不用组内显著/不显著差异推断组间交互。
  • 不通过删除数据、改变终点或尝试多个模型后只报告最佳结果来追求显著性。
  • 不把探索性分析包装成预设确认性分析。

资料路由

| 任务 | 读取 |

|---|---|

| 实验单位、嵌套、重复测量、伪重复、缺失与排除 | references/design-integrity.md |

| estimand、模型选择、诊断、效应量、多重比较与敏感性 | references/analysis-plan.md |

| Methods、Results、表格、图注和统计图形报告 | references/reporting-and-figures.md |

想直接用这个技能?

本站把开放许可(MIT / Apache 等)的技能按仓库打包整理到网盘,点一下转存到你自己的网盘,不用一个个从 GitHub 拉。许可未声明的技能只给原始仓库链接,不打包。

它属于哪个仓库

星标★ 899
本站分层T2
该仓技能数187
原文件路径skills/沁言学术skills/qinyan-nature-statistics/SKILL.md

同一个仓库里的其他技能

看这个仓库的全部 187 个技能