CONSORT 2010レポート作成
RCTデータから準拠レポートを作成
説明
無作為化比較試験（RCT）のデータ（無作為化の方法、盲検化の状況、検出力分析、CONSORTフローの人数（スクリーニング済み／無作為化／割り付け／解析済み）、ITT／PP解析の方針）から、CONSORT 2010の25項目すべてに準拠した抄録・方法・結果の完全な草稿を作成します。ITTとPPを混同せず、フロー図の人数（無作為化 ≥ 割り付け ≥ 追跡完了 ≥ 解析済み）の整合性を確認します。また、査読者から頻繁に指摘される少なくとも4つの論点（例：「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの変更はあったか」）を事前に特定し、それぞれに対する回答文を提案します。投稿前に方法論の堅牢性を高めたい、医学・看護学・薬学分野でRCTを実施する臨床研究者向けです。対応しないこと：統計解析やデータ生成は行いません。すでに得られている結果をCONSORT標準のレポートに変換するだけです。
関連スキル
すべて表示
メタ分析フルレポート作成
メタ分析の統計情報（統合効果量、I²、Q、tau²、出版バイアスの指標）から、PRISMA 2020およびCochrane Handbookに準拠した「方法＋結果＋限界」の完全な文章を作成します。I²の値（「分散の割合」としての説明を含む）を誤って解釈せず、「エビデンスが〜を実証している」のような断定的な因果表現を避け、「結果は〜と整合的です」のような慎重な表現を用います。最後に、査読者が尋ねる可能性のある質問を少なくとも3つと、それぞれへの回答用の文も提示します。対象：メタ分析論文を執筆しており、投稿前に方法セクションを強化したい研究者。できないこと：生データから統計計算を行うことはできません（R／RevMan／CMAの出力をあらかじめ用意してください）。結果を学術的な文章に変換し、解釈する機能です。
CONSORT 2010 完全報告書作成
無作為化比較試験（RCT）のデータ（無作為化方法、盲検化の状況、検出力分析、CONSORTフローの各人数（screened/randomized/allocated/analyzed）、ITT/PP解析の方針）から、CONSORT 2010の25項目に準拠した「抄録＋方法＋結果」の完全な草稿を作成します。ITTとPPを決して混同せず、フローチャートの人数の整合性（randomized ≥ allocated ≥ followed-up ≥ analyzed）を確認します。また、医学誌の査読者から頻繁に寄せられる少なくとも4つの指摘（「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの切り替えはあったか」など）を事前に特定し、それぞれに対する回答文を提案します。臨床研究者、医学・看護学・薬学分野でRCTを実施し、投稿前に方法論的な妥当性を高めたい研究者向けに設計されています。
Entropy-TOPSIS-ML＋査読反論
エントロピー重み付け、TOPSISランキング、ML分類器（XGBoost、Random Forest、Logistic Regressionなど）の出力から、Methods＋Resultsの完全なレポートを作成します。Hosmer & Lemeshowの基準に基づいてAUCの解釈を適切に分類し、学習データとテストデータの性能差が大きい場合は、過学習のリスクを明示します。さらに、学術誌の査読者が頻繁に指摘する少なくとも4つの懸念（例：「クラス不均衡にはどう対処したか」「外部検証セットを使用していない」）を事前に特定し、それぞれに対する回答文を提案します。学術誌への投稿前に方法論の堅牢性を高めたい、ヘルスインフォマティクス、臨床リスク予測、またはMCDM-ML融合手法に取り組む研究者に適しています。
CONSORT 2010レポート作成
RCTデータから準拠レポートを作成
説明
無作為化比較試験（RCT）のデータ（無作為化の方法、盲検化の状況、検出力分析、CONSORTフローの人数（スクリーニング済み／無作為化／割り付け／解析済み）、ITT／PP解析の方針）から、CONSORT 2010の25項目すべてに準拠した抄録・方法・結果の完全な草稿を作成します。ITTとPPを混同せず、フロー図の人数（無作為化 ≥ 割り付け ≥ 追跡完了 ≥ 解析済み）の整合性を確認します。また、査読者から頻繁に指摘される少なくとも4つの論点（例：「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの変更はあったか」）を事前に特定し、それぞれに対する回答文を提案します。投稿前に方法論の堅牢性を高めたい、医学・看護学・薬学分野でRCTを実施する臨床研究者向けです。対応しないこと：統計解析やデータ生成は行いません。すでに得られている結果をCONSORT標準のレポートに変換するだけです。
関連スキル
すべて表示メタ分析フルレポート作成
メタ分析の統計情報（統合効果量、I²、Q、tau²、出版バイアスの指標）から、PRISMA 2020およびCochrane Handbookに準拠した「方法＋結果＋限界」の完全な文章を作成します。I²の値（「分散の割合」としての説明を含む）を誤って解釈せず、「エビデンスが〜を実証している」のような断定的な因果表現を避け、「結果は〜と整合的です」のような慎重な表現を用います。最後に、査読者が尋ねる可能性のある質問を少なくとも3つと、それぞれへの回答用の文も提示します。対象：メタ分析論文を執筆しており、投稿前に方法セクションを強化したい研究者。できないこと：生データから統計計算を行うことはできません（R／RevMan／CMAの出力をあらかじめ用意してください）。結果を学術的な文章に変換し、解釈する機能です。
CONSORT 2010 完全報告書作成
無作為化比較試験（RCT）のデータ（無作為化方法、盲検化の状況、検出力分析、CONSORTフローの各人数（screened/randomized/allocated/analyzed）、ITT/PP解析の方針）から、CONSORT 2010の25項目に準拠した「抄録＋方法＋結果」の完全な草稿を作成します。ITTとPPを決して混同せず、フローチャートの人数の整合性（randomized ≥ allocated ≥ followed-up ≥ analyzed）を確認します。また、医学誌の査読者から頻繁に寄せられる少なくとも4つの指摘（「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの切り替えはあったか」など）を事前に特定し、それぞれに対する回答文を提案します。臨床研究者、医学・看護学・薬学分野でRCTを実施し、投稿前に方法論的な妥当性を高めたい研究者向けに設計されています。
Entropy-TOPSIS-ML＋査読反論
エントロピー重み付け、TOPSISランキング、ML分類器（XGBoost、Random Forest、Logistic Regressionなど）の出力から、Methods＋Resultsの完全なレポートを作成します。Hosmer & Lemeshowの基準に基づいてAUCの解釈を適切に分類し、学習データとテストデータの性能差が大きい場合は、過学習のリスクを明示します。さらに、学術誌の査読者が頻繁に指摘する少なくとも4つの懸念（例：「クラス不均衡にはどう対処したか」「外部検証セットを使用していない」）を事前に特定し、それぞれに対する回答文を提案します。学術誌への投稿前に方法論の堅牢性を高めたい、ヘルスインフォマティクス、臨床リスク予測、またはMCDM-ML融合手法に取り組む研究者に適しています。
次のお気に入りスキルを見つけよう
リサーチ、制作、日々の作業に役立つ厳選AIスキルをさらに探しましょう。