CONSORT 2010 Vollbericht
Erstellt CONSORT-konforme RCT-Berichte
Beschreibung
Erstellt aus Ihren Daten randomisierter kontrollierter Studien (RCTs) – darunter Randomisierungsmethode, Verblindungsstatus, Power-Analyse und CONSORT-Flussdiagrammzahlen (screened/randomized/allocated/analyzed) sowie der ITT-/PP-Analyseansatz – einen vollständigen Entwurf für Zusammenfassung, Methoden und Ergebnisse gemäß den 25 Punkten von CONSORT 2010. Verwechselt ITT und PP niemals und prüft die Konsistenz der Zahlen im Flussdiagramm (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Erkennt außerdem mindestens 4 Einwände, die Gutachter von Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“, „Gab es einen Wechsel der Zielvariable?“), vorab und schlägt für jeden eine Formulierung zur Verteidigung vor. Entwickelt für klinische Forschende sowie Wissenschaftlerinnen und Wissenschaftler, die RCTs in Medizin, Pflege oder Pharmazie durchführen und vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten.
Ähnliche Fähigkeiten
Alle anzeigen
CONSORT-2010-Bericht
Aus Ihren Daten einer randomisierten kontrollierten Studie (RCT) – Randomisierungsmethode, Verblindungsstatus, Power-Analyse, CONSORT-Flusszahlen (gescreent/randomisiert/zugeteilt/analysiert) sowie ITT-/PP-Analyseansatz – erstellt es einen vollständigen Entwurf für Abstract, Methoden und Ergebnisse, der allen 25 Punkten von CONSORT 2010 entspricht. Es verwechselt ITT und PP nie und prüft die Konsistenz der Flussdiagrammzahlen (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Außerdem identifiziert es vorab mindestens 4 Einwände, die Gutachter in Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“ oder „Wurden Endpunkte gewechselt?“), und schlägt für jeden eine Formulierung zur Entgegnung vor. Entwickelt für klinisch Forschende in Medizin, Pflege und Pharmazie, die vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten. Was es nicht tut: Es führt keine statistischen Analysen durch und generiert keine Daten – es wandelt lediglich bereits vorliegende Ergebnisse in einen CONSORT-konformen Bericht um.
Entropie-TOPSIS-ML + Einwände
Erstellt aus Ihren Ergebnissen der Entropiegewichtung, TOPSIS-Rangfolge und ML-Klassifikatoren (XGBoost, Random Forest, logistische Regression usw.) einen vollständigen Bericht zu Methoden und Ergebnissen. Interpretiert AUC-Werte korrekt (nach den Kriterien von Hosmer & Lemeshow) und weist ausdrücklich auf das Risiko einer Überanpassung (Overfitting) hin, wenn der Leistungsunterschied zwischen Training und Test groß ist. Erkennt außerdem im Voraus mindestens 4 Einwände, die von Zeitschriftengutachtern häufig vorgebracht werden (z. B. „Wie wurde mit dem Klassenungleichgewicht umgegangen?“ oder „Warum wurde kein externes Validierungsset verwendet?“), und liefert für jeden eine passende Antwortformulierung. Geeignet für Forschende in der Gesundheitsinformatik, der klinischen Risikoprognose oder der hybriden MCDM-ML-Methodik sowie für alle, die vor der Einreichung bei einer Zeitschrift methodische Robustheit sicherstellen möchten.
PRISMA-2020-Flussdiagramm
Erstellt für Forschende, die systematische Reviews durchführen, einen mit der PRISMA-2020-Checkliste konformen Flussdiagrammtext und einen Absatz für das Protokoll. Wenn Sie die Zahlen Ihrer Datenbanksuche (identification → screening → eligibility → included) eingeben, prüft das Skill ihre Konsistenz und erstellt einen nachvollziehbar begründeten Text für die Frage des Gutachters: „Warum weist Ihr Flussdiagramm so viele Verluste auf?“ Außerdem wandelt es Ihre Ein- und Ausschlusskriterien in eine Tabelle im PICO-/PECO-Format um. Dieses Skill eignet sich für: Studierende im Aufbaustudium, die systematische Reviews oder Metaanalysen verfassen, sowie für eine Vorabprüfung durch Zeitschriftenredaktionen. Wenn es numerische Unstimmigkeiten feststellt (z. B. included > eligibility), weist es ausdrücklich darauf hin und korrigiert sie nicht stillschweigend.
CONSORT 2010 Vollbericht
Erstellt CONSORT-konforme RCT-Berichte
Beschreibung
Erstellt aus Ihren Daten randomisierter kontrollierter Studien (RCTs) – darunter Randomisierungsmethode, Verblindungsstatus, Power-Analyse und CONSORT-Flussdiagrammzahlen (screened/randomized/allocated/analyzed) sowie der ITT-/PP-Analyseansatz – einen vollständigen Entwurf für Zusammenfassung, Methoden und Ergebnisse gemäß den 25 Punkten von CONSORT 2010. Verwechselt ITT und PP niemals und prüft die Konsistenz der Zahlen im Flussdiagramm (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Erkennt außerdem mindestens 4 Einwände, die Gutachter von Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“, „Gab es einen Wechsel der Zielvariable?“), vorab und schlägt für jeden eine Formulierung zur Verteidigung vor. Entwickelt für klinische Forschende sowie Wissenschaftlerinnen und Wissenschaftler, die RCTs in Medizin, Pflege oder Pharmazie durchführen und vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten.
Ähnliche Fähigkeiten
Alle anzeigenCONSORT-2010-Bericht
Aus Ihren Daten einer randomisierten kontrollierten Studie (RCT) – Randomisierungsmethode, Verblindungsstatus, Power-Analyse, CONSORT-Flusszahlen (gescreent/randomisiert/zugeteilt/analysiert) sowie ITT-/PP-Analyseansatz – erstellt es einen vollständigen Entwurf für Abstract, Methoden und Ergebnisse, der allen 25 Punkten von CONSORT 2010 entspricht. Es verwechselt ITT und PP nie und prüft die Konsistenz der Flussdiagrammzahlen (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Außerdem identifiziert es vorab mindestens 4 Einwände, die Gutachter in Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“ oder „Wurden Endpunkte gewechselt?“), und schlägt für jeden eine Formulierung zur Entgegnung vor. Entwickelt für klinisch Forschende in Medizin, Pflege und Pharmazie, die vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten. Was es nicht tut: Es führt keine statistischen Analysen durch und generiert keine Daten – es wandelt lediglich bereits vorliegende Ergebnisse in einen CONSORT-konformen Bericht um.
Entropie-TOPSIS-ML + Einwände
Erstellt aus Ihren Ergebnissen der Entropiegewichtung, TOPSIS-Rangfolge und ML-Klassifikatoren (XGBoost, Random Forest, logistische Regression usw.) einen vollständigen Bericht zu Methoden und Ergebnissen. Interpretiert AUC-Werte korrekt (nach den Kriterien von Hosmer & Lemeshow) und weist ausdrücklich auf das Risiko einer Überanpassung (Overfitting) hin, wenn der Leistungsunterschied zwischen Training und Test groß ist. Erkennt außerdem im Voraus mindestens 4 Einwände, die von Zeitschriftengutachtern häufig vorgebracht werden (z. B. „Wie wurde mit dem Klassenungleichgewicht umgegangen?“ oder „Warum wurde kein externes Validierungsset verwendet?“), und liefert für jeden eine passende Antwortformulierung. Geeignet für Forschende in der Gesundheitsinformatik, der klinischen Risikoprognose oder der hybriden MCDM-ML-Methodik sowie für alle, die vor der Einreichung bei einer Zeitschrift methodische Robustheit sicherstellen möchten.
PRISMA-2020-Flussdiagramm
Erstellt für Forschende, die systematische Reviews durchführen, einen mit der PRISMA-2020-Checkliste konformen Flussdiagrammtext und einen Absatz für das Protokoll. Wenn Sie die Zahlen Ihrer Datenbanksuche (identification → screening → eligibility → included) eingeben, prüft das Skill ihre Konsistenz und erstellt einen nachvollziehbar begründeten Text für die Frage des Gutachters: „Warum weist Ihr Flussdiagramm so viele Verluste auf?“ Außerdem wandelt es Ihre Ein- und Ausschlusskriterien in eine Tabelle im PICO-/PECO-Format um. Dieses Skill eignet sich für: Studierende im Aufbaustudium, die systematische Reviews oder Metaanalysen verfassen, sowie für eine Vorabprüfung durch Zeitschriftenredaktionen. Wenn es numerische Unstimmigkeiten feststellt (z. B. included > eligibility), weist es ausdrücklich darauf hin und korrigiert sie nicht stillschweigend.
Finde deine nächste Lieblingsfähigkeit
Entdecke weitere kuratierte KI-Fähigkeiten für Recherche, Kreativität und den Arbeitsalltag.