CONSORT 2010完整报告撰写器
根据RCT数据生成符合CONSORT的报告
描述
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT流程图中的人数（screened/randomized/allocated/analyzed），以及ITT/PP分析方法——生成符合CONSORT 2010 25项条目的完整摘要、方法和结果草稿。绝不混淆ITT与PP的区别，并检查流程图人数的一致性（randomized ≥ allocated ≥ followed-up ≥ analyzed）。此外，还会预先识别期刊审稿人经常提出的至少4项质疑（例如“为什么未报告ITT分析”“是否检验了盲法的成功情况”“是否存在结局指标切换”等），并为每项质疑提供答辩句式。专为临床研究人员，以及在医学、护理和药学领域开展RCT并希望在投稿前确保方法学严谨性的学者而设计。
相关技能
查看全部
CONSORT 2010 报告写作器
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT 流程图人数（筛选/随机分组/分配/分析）以及 ITT/PP 分析方法——生成完整的摘要 + 方法 + 结果草稿，符合 CONSORT 2010 的全部 25 项要求。它不会混淆 ITT 与 PP，还会检查流程图人数的一致性（随机分组人数 ≥ 分配人数 ≥ 完成随访人数 ≥ 分析人数）。此外，它会预先识别期刊审稿人经常提出的至少 4 个质疑（例如：“为什么没有报告 ITT 分析？”“是否检验了盲法成功？”“是否更换过结局指标？”），并为每个质疑提供一句答辩表述。适用于开展 RCT 的医学、护理和药学临床研究人员，帮助其在投稿前提高方法学严谨性。它不能做什么：不执行统计分析，也不生成数据——只会将您已有的结果转换为符合 CONSORT 标准的报告。
熵-TOPSIS-ML + 审稿异议
根据熵权法加权、TOPSIS 排名和 ML 分类器（XGBoost、Random Forest、逻辑回归等）的输出，生成完整的“方法 + 结果”报告。依据 Hosmer & Lemeshow 标准正确解读 AUC；当训练集与测试集的表现差异较大时，明确指出过拟合风险。此外，还会预先识别期刊审稿人常提出的至少 4 个质疑（例如“如何处理类别不平衡”“未使用外部验证集”），并为每项质疑提供答辩表述。适用人群：从事健康信息学、临床风险预测或混合多准则决策分析（ÇKKV）-ML 方法研究的研究者，以及希望在投稿前验证方法稳健性的人士。
PRISMA 2020 流程图撰写器
为开展系统综述的研究人员生成符合 PRISMA 2020 checklist 的流程图文本和方法部分段落。输入数据库检索数量（identification → screening → eligibility → included）后，它会检查数字是否一致，并生成一段可用于回应审稿人“为什么流程图中会排除这么多记录”的说明。此外，还能将纳入/排除标准转换为 PICO/PECO 格式的表格。适用于撰写系统综述或荟萃分析的研究生，以及供学者和期刊编辑进行初步检查。如果发现数字不一致（例如 included > eligibility），它会明确指出，不会默默替你修正。
CONSORT 2010完整报告撰写器
根据RCT数据生成符合CONSORT的报告
描述
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT流程图中的人数（screened/randomized/allocated/analyzed），以及ITT/PP分析方法——生成符合CONSORT 2010 25项条目的完整摘要、方法和结果草稿。绝不混淆ITT与PP的区别，并检查流程图人数的一致性（randomized ≥ allocated ≥ followed-up ≥ analyzed）。此外，还会预先识别期刊审稿人经常提出的至少4项质疑（例如“为什么未报告ITT分析”“是否检验了盲法的成功情况”“是否存在结局指标切换”等），并为每项质疑提供答辩句式。专为临床研究人员，以及在医学、护理和药学领域开展RCT并希望在投稿前确保方法学严谨性的学者而设计。
相关技能
查看全部CONSORT 2010 报告写作器
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT 流程图人数（筛选/随机分组/分配/分析）以及 ITT/PP 分析方法——生成完整的摘要 + 方法 + 结果草稿，符合 CONSORT 2010 的全部 25 项要求。它不会混淆 ITT 与 PP，还会检查流程图人数的一致性（随机分组人数 ≥ 分配人数 ≥ 完成随访人数 ≥ 分析人数）。此外，它会预先识别期刊审稿人经常提出的至少 4 个质疑（例如：“为什么没有报告 ITT 分析？”“是否检验了盲法成功？”“是否更换过结局指标？”），并为每个质疑提供一句答辩表述。适用于开展 RCT 的医学、护理和药学临床研究人员，帮助其在投稿前提高方法学严谨性。它不能做什么：不执行统计分析，也不生成数据——只会将您已有的结果转换为符合 CONSORT 标准的报告。
熵-TOPSIS-ML + 审稿异议
根据熵权法加权、TOPSIS 排名和 ML 分类器（XGBoost、Random Forest、逻辑回归等）的输出，生成完整的“方法 + 结果”报告。依据 Hosmer & Lemeshow 标准正确解读 AUC；当训练集与测试集的表现差异较大时，明确指出过拟合风险。此外，还会预先识别期刊审稿人常提出的至少 4 个质疑（例如“如何处理类别不平衡”“未使用外部验证集”），并为每项质疑提供答辩表述。适用人群：从事健康信息学、临床风险预测或混合多准则决策分析（ÇKKV）-ML 方法研究的研究者，以及希望在投稿前验证方法稳健性的人士。
PRISMA 2020 流程图撰写器
为开展系统综述的研究人员生成符合 PRISMA 2020 checklist 的流程图文本和方法部分段落。输入数据库检索数量（identification → screening → eligibility → included）后，它会检查数字是否一致，并生成一段可用于回应审稿人“为什么流程图中会排除这么多记录”的说明。此外，还能将纳入/排除标准转换为 PICO/PECO 格式的表格。适用于撰写系统综述或荟萃分析的研究生，以及供学者和期刊编辑进行初步检查。如果发现数字不一致（例如 included > eligibility），它会明确指出，不会默默替你修正。
发现下一个适合你的技能
继续探索更多精选 AI 技能，用于研究、创作和日常工作。