Полный отчёт по CONSORT 2010
Создаёт отчёт по RCT по CONSORT
Описание
На основе данных рандомизированного контролируемого исследования (RCT) — метода рандомизации, сведений о маскировании, анализа мощности, численности участников на этапах CONSORT (screened/randomized/allocated/analyzed) и подхода к анализу ITT/PP — создаёт полный черновик разделов «Аннотация + Методы + Результаты» в соответствии с 25 пунктами CONSORT 2010. Никогда не смешивает ITT и PP; проверяет согласованность чисел на блок-схеме (randomized ≥ allocated ≥ followed-up ≥ analyzed). Кроме того, заранее выявляет как минимум 4 возражения, которые часто выдвигают рецензенты медицинских журналов (например, «почему не представлен анализ ITT», «проверялась ли успешность маскирования», «была ли замена исходов»), и предлагает для каждого формулировку ответа. Предназначен для клинических исследователей, а также учёных, проводящих RCT в области медицины, сестринского дела и фармации и стремящихся обеспечить методологическую надёжность исследования перед подачей статьи в журнал.
Похожие скиллы
Посмотреть все
Автор отчёта CONSORT 2010
На основе данных рандомизированного контролируемого исследования (РКИ) — метода рандомизации, статуса ослепления, анализа статистической мощности, чисел на этапах схемы CONSORT (прошли скрининг/рандомизированы/распределены/проанализированы) и подхода к анализу ITT/PP — создаёт полный черновик разделов «Аннотация», «Методы» и «Результаты», соответствующий всем 25 пунктам CONSORT 2010. Он не смешивает ITT и PP, а также проверяет согласованность чисел на схеме исследования (рандомизированы ≥ распределены ≥ наблюдались до конца исследования ≥ проанализированы). Кроме того, он заранее выявляет как минимум 4 возражения, которые часто выдвигают рецензенты журналов (например, «почему не представлен анализ ITT», «проверялась ли эффективность ослепления», «не было ли изменения исходов») и предлагает для каждого защитную формулировку. Предназначен для клинических исследователей в медицине, сестринском деле и фармации, проводящих РКИ и стремящихся обеспечить методологическую строгость до подачи статьи в журнал. Чего он не делает: не выполняет статистический анализ и не генерирует данные — он только преобразует уже имеющиеся результаты в отчёт по стандарту CONSORT.
Энтропия-TOPSIS-ML: ответы
Создаёт полный отчёт по разделам «Методы» и «Результаты» на основе энтропийного взвешивания, ранжирования TOPSIS и результатов классификаторов ML (XGBoost, Random Forest, логистическая регрессия и др.). Корректно интерпретирует AUC (по критериям Hosmer & Lemeshow) и явно указывает на риск переобучения (overfitting), если разница между результатами на обучающей и тестовой выборках велика. Также заранее выявляет как минимум 4 типичных возражения журнальных рецензентов (например, «как учитывался дисбаланс классов» или «почему не использовался набор данных для внешней валидации») и предлагает защитную формулировку для каждого. Подходит исследователям в области медицинской информатики, прогнозирования клинических рисков и гибридной методологии многокритериального принятия решений и ML, которым нужна проверка надёжности методов перед подачей статьи в журнал.
Автор схем PRISMA 2020
Создаёт текст для схемы и абзац протокола в соответствии с чек-листом PRISMA 2020 для исследователей, выполняющих систематические обзоры. Введите числа найденных записей в базах данных (identification → screening → eligibility → included) — навык проверит их согласованность и подготовит обоснованный текст в ответ на вопрос рецензента: «Почему в вашей схеме так много записей было исключено?» Кроме того, критерии включения и исключения будут преобразованы в таблицу в формате PICO/PECO. Навык подходит аспирантам и исследователям, пишущим систематические обзоры и метаанализы, а также редакторам журналов для предварительной проверки. При обнаружении числовых несоответствий (например, included > eligibility) он явно укажет на них и не станет незаметно исправлять данные.
Полный отчёт по CONSORT 2010
Создаёт отчёт по RCT по CONSORT
Описание
На основе данных рандомизированного контролируемого исследования (RCT) — метода рандомизации, сведений о маскировании, анализа мощности, численности участников на этапах CONSORT (screened/randomized/allocated/analyzed) и подхода к анализу ITT/PP — создаёт полный черновик разделов «Аннотация + Методы + Результаты» в соответствии с 25 пунктами CONSORT 2010. Никогда не смешивает ITT и PP; проверяет согласованность чисел на блок-схеме (randomized ≥ allocated ≥ followed-up ≥ analyzed). Кроме того, заранее выявляет как минимум 4 возражения, которые часто выдвигают рецензенты медицинских журналов (например, «почему не представлен анализ ITT», «проверялась ли успешность маскирования», «была ли замена исходов»), и предлагает для каждого формулировку ответа. Предназначен для клинических исследователей, а также учёных, проводящих RCT в области медицины, сестринского дела и фармации и стремящихся обеспечить методологическую надёжность исследования перед подачей статьи в журнал.
Похожие скиллы
Посмотреть всеАвтор отчёта CONSORT 2010
На основе данных рандомизированного контролируемого исследования (РКИ) — метода рандомизации, статуса ослепления, анализа статистической мощности, чисел на этапах схемы CONSORT (прошли скрининг/рандомизированы/распределены/проанализированы) и подхода к анализу ITT/PP — создаёт полный черновик разделов «Аннотация», «Методы» и «Результаты», соответствующий всем 25 пунктам CONSORT 2010. Он не смешивает ITT и PP, а также проверяет согласованность чисел на схеме исследования (рандомизированы ≥ распределены ≥ наблюдались до конца исследования ≥ проанализированы). Кроме того, он заранее выявляет как минимум 4 возражения, которые часто выдвигают рецензенты журналов (например, «почему не представлен анализ ITT», «проверялась ли эффективность ослепления», «не было ли изменения исходов») и предлагает для каждого защитную формулировку. Предназначен для клинических исследователей в медицине, сестринском деле и фармации, проводящих РКИ и стремящихся обеспечить методологическую строгость до подачи статьи в журнал. Чего он не делает: не выполняет статистический анализ и не генерирует данные — он только преобразует уже имеющиеся результаты в отчёт по стандарту CONSORT.
Энтропия-TOPSIS-ML: ответы
Создаёт полный отчёт по разделам «Методы» и «Результаты» на основе энтропийного взвешивания, ранжирования TOPSIS и результатов классификаторов ML (XGBoost, Random Forest, логистическая регрессия и др.). Корректно интерпретирует AUC (по критериям Hosmer & Lemeshow) и явно указывает на риск переобучения (overfitting), если разница между результатами на обучающей и тестовой выборках велика. Также заранее выявляет как минимум 4 типичных возражения журнальных рецензентов (например, «как учитывался дисбаланс классов» или «почему не использовался набор данных для внешней валидации») и предлагает защитную формулировку для каждого. Подходит исследователям в области медицинской информатики, прогнозирования клинических рисков и гибридной методологии многокритериального принятия решений и ML, которым нужна проверка надёжности методов перед подачей статьи в журнал.
Автор схем PRISMA 2020
Создаёт текст для схемы и абзац протокола в соответствии с чек-листом PRISMA 2020 для исследователей, выполняющих систематические обзоры. Введите числа найденных записей в базах данных (identification → screening → eligibility → included) — навык проверит их согласованность и подготовит обоснованный текст в ответ на вопрос рецензента: «Почему в вашей схеме так много записей было исключено?» Кроме того, критерии включения и исключения будут преобразованы в таблицу в формате PICO/PECO. Навык подходит аспирантам и исследователям, пишущим систематические обзоры и метаанализы, а также редакторам журналов для предварительной проверки. При обнаружении числовых несоответствий (например, included > eligibility) он явно укажет на них и не станет незаметно исправлять данные.
Найди свой следующий любимый скилл
Изучи больше отобранных AI-скиллов для исследований, творчества и повседневной работы.