CONSORT 2010 报告写作器
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。
相关技能
查看全部
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。
CONSORT 2010完整报告撰写器
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。
Entropy-TOPSIS-ML + 审稿异议
根据你的熵权法 + TOPSIS 排名 + 机器学习分类器（XGBoost、Random Forest、Logistic Regression 等）输出结果，生成完整的 Methods + Results 报告。依据 Hosmer & Lemeshow 标准准确解读 AUC；如果训练集与测试集的性能差距较大，会明确指出过拟合风险。它还会预先识别期刊审稿人经常提出的至少 4 条异议（例如“如何处理类别不平衡”“未使用外部验证集”），并为每条异议建议一句答辩表述。适合健康信息学、临床风险预测或混合 MCDM-ML 方法学领域的研究人员，用于在投稿前提升方法学稳健性。
CONSORT 2010 报告写作器
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。
相关技能
查看全部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。
CONSORT 2010完整报告撰写器
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。
Entropy-TOPSIS-ML + 审稿异议
根据你的熵权法 + TOPSIS 排名 + 机器学习分类器（XGBoost、Random Forest、Logistic Regression 等）输出结果，生成完整的 Methods + Results 报告。依据 Hosmer & Lemeshow 标准准确解读 AUC；如果训练集与测试集的性能差距较大，会明确指出过拟合风险。它还会预先识别期刊审稿人经常提出的至少 4 条异议（例如“如何处理类别不平衡”“未使用外部验证集”），并为每条异议建议一句答辩表述。适合健康信息学、临床风险预测或混合 MCDM-ML 方法学领域的研究人员，用于在投稿前提升方法学稳健性。
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。