缺失数据报告助手
将数据清理流程写成 STROBE 段落
描述
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（逐案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离），即可生成一段学术表述，可直接插入论文的“数据预处理”部分。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用逐案删除），系统会明确指出。适合希望快速、准确撰写数据预处理部分的研究生，以及开展问卷或临床数据分析的研究人员。
相关技能
查看全部
STROBE 方法写作助手
根据您的横断面、队列或病例对照研究设计，以及您输入的参与者选择方法、变量、样本量依据和统计方法，生成完整的 Methods 和 Results 初稿，并隐含涵盖 STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）清单中的全部 22 项内容。文末还会提供映射表，显示每个段落对应的 STROBE 条目，便于回应期刊“请完成 STROBE 清单”的要求。针对观察性研究，它会避免使用因果性表述（使用“与……相关”而非“导致”），并明确讨论偏倚和混杂因素的来源。适用于流行病学、公共卫生和临床研究领域的学术人员。
Meta分析完整报告撰写
根据你的Meta分析统计结果（合并效应量、I²、Q、τ²、发表偏倚指标），生成符合PRISMA 2020和《Cochrane手册》的完整方法、结果与局限性文本。它不会误读I²值（包括将其表述为“方差百分比”的情况），也会避免夸大的因果表述，使用“研究结果与……一致”等谨慎措辞，而不是“证据证明……”。最后，它还会提供至少3个审稿人可能提出的问题，并附上相应的答辩句式。适合希望在投稿前加强方法部分的Meta分析论文作者。它不会做什么：不会根据原始数据进行统计计算（你必须已有R、RevMan或CMA的输出）；它只会将你的结果转换并解读为学术文本。
PRISMA 2020流程图写作助手
为开展系统综述的研究者生成符合PRISMA 2020规范的流程图文本和方案段落。输入数据库筛选数量（识别 → 筛选 → 资格评估 → 纳入）后，它会检查数字是否一致，并生成能够应对审稿人“为什么流程图中丢失了这么多记录？”这一问题的文本。它还会将纳入和排除标准转换为PICO/PECO格式的表格。适用于：研究生、学术研究人员，以及期刊编辑对系统综述/Meta分析论文进行预审的场景。如果检测到数字不一致（例如纳入数量 > 资格评估数量），它会明确指出，而不会默默更正。
缺失数据报告助手
将数据清理流程写成 STROBE 段落
描述
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（逐案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离），即可生成一段学术表述，可直接插入论文的“数据预处理”部分。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用逐案删除），系统会明确指出。适合希望快速、准确撰写数据预处理部分的研究生，以及开展问卷或临床数据分析的研究人员。
相关技能
查看全部STROBE 方法写作助手
根据您的横断面、队列或病例对照研究设计，以及您输入的参与者选择方法、变量、样本量依据和统计方法，生成完整的 Methods 和 Results 初稿，并隐含涵盖 STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）清单中的全部 22 项内容。文末还会提供映射表，显示每个段落对应的 STROBE 条目，便于回应期刊“请完成 STROBE 清单”的要求。针对观察性研究，它会避免使用因果性表述（使用“与……相关”而非“导致”），并明确讨论偏倚和混杂因素的来源。适用于流行病学、公共卫生和临床研究领域的学术人员。
Meta分析完整报告撰写
根据你的Meta分析统计结果（合并效应量、I²、Q、τ²、发表偏倚指标），生成符合PRISMA 2020和《Cochrane手册》的完整方法、结果与局限性文本。它不会误读I²值（包括将其表述为“方差百分比”的情况），也会避免夸大的因果表述，使用“研究结果与……一致”等谨慎措辞，而不是“证据证明……”。最后，它还会提供至少3个审稿人可能提出的问题，并附上相应的答辩句式。适合希望在投稿前加强方法部分的Meta分析论文作者。它不会做什么：不会根据原始数据进行统计计算（你必须已有R、RevMan或CMA的输出）；它只会将你的结果转换并解读为学术文本。
PRISMA 2020流程图写作助手
为开展系统综述的研究者生成符合PRISMA 2020规范的流程图文本和方案段落。输入数据库筛选数量（识别 → 筛选 → 资格评估 → 纳入）后，它会检查数字是否一致，并生成能够应对审稿人“为什么流程图中丢失了这么多记录？”这一问题的文本。它还会将纳入和排除标准转换为PICO/PECO格式的表格。适用于：研究生、学术研究人员，以及期刊编辑对系统综述/Meta分析论文进行预审的场景。如果检测到数字不一致（例如纳入数量 > 资格评估数量），它会明确指出，而不会默默更正。
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。