缺失数据报告助手
将数据清理流程写成 STROBE 段落
缺失数据报告助手
将数据清理流程写成 STROBE 段落
展示内容
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（整案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离）后，它会生成一段学术文字，可直接插入论文的“数据预处理”部分。如果处理方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用整案删除），它会明确指出。适用于希望快速、规范地撰写数据预处理部分的调查或临床数据分析研究生和研究人员。
为什么我们推荐这个技能
编辑精选：将复杂的数据清理决策转化为可供审稿的STROBE数据预处理段落，并检查数值一致性、方法假设与统计效能影响。
适合人群
适合为调查或临床研究撰写清晰、经得起审查的数据预处理部分的研究生和研究人员。
如何使用此 Skill
提供输入
提供样本量、缺失数据比例和模式、缺失数据处理方法、异常值处理方法及阈值、异常值结果，以及最终分析样本量。
运行 Skill
助手将这些信息转换为可直接用于论文的学术报告，并标记缺失数据模式与处理方法之间明显的不一致。
查看结果
获得一段“数据预处理”文字、一句简短的方法选择依据，以及关于最终样本量可能如何影响统计效能的提醒。
相关技能
查看全部
研究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，以及您提供的参与者选择方法、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。文末还会提供对应关系表，标明每个段落对应的STROBE条目，便于回复期刊“请完成STROBE清单”的要求。针对观察性研究，避免使用因果语言（使用“与……相关”而非“导致”），并明确讨论偏倚和混杂因素的来源。适合流行病学、公共卫生和临床研究领域的学术工作者。
研究元分析完整报告撰写
根据你的元分析统计结果（合并效应量、I²、Q、tau²、发表偏倚指标），生成符合 PRISMA 2020 和 Cochrane Handbook 的完整方法、结果和局限性文本。不会误读 I² 值，包括将其表述为“方差百分比”；也避免夸大的因果表述，使用“结果与……一致”等谨慎措辞，而不是“证据证明……”。最后还会提供至少 3 个审稿人可能提出的问题，并附上相应的答辩句。\n\n适用于：准备撰写元分析论文、希望在期刊投稿前完善方法部分的研究者。\n\n不支持的功能：不会根据原始数据执行统计计算（你必须已经拥有 R、RevMan 或 CMA 的输出结果），而是将你的结果转换并解读为学术文本。
研究CONSORT 2010 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 流程图数据（筛选人数/随机分组人数/分配人数/分析人数）以及 ITT/PP 分析方法——生成符合 CONSORT 2010 全部 25 项要求的完整摘要、方法和结果初稿。它不会混淆 ITT 与 PP，并会检查流程图数据的一致性（随机分组人数 ≥ 分配人数 ≥ 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 个问题（例如“为什么没有报告 ITT 分析”“是否检验了盲法成功情况”“是否更换过结局指标”），并为每个问题提供一句答辩建议。适用于开展 RCT 的医学、护理和药学临床研究人员，帮助他们在投稿前增强研究方法的严谨性。它不会进行统计分析或生成数据——只会将您已有的结果转换为符合 CONSORT 标准的报告。
信息
- 版本
- v2
- 更新时间
- 运行积分
- 按实际用量
- 模型
- 自动选择
- 使用场景
- 写作与内容调研与分析
- 你将获得
- 文章
