CONSORT 2010 完整報告撰寫器
從 RCT 資料產生符合 CONSORT 的報告
描述
根據您的隨機對照試驗（RCT）資料——包括隨機分派方法、盲法狀態、檢定力分析、CONSORT 流程圖人數（screened/randomized/allocated/analyzed），以及 ITT/PP 分析方法——產生符合 CONSORT 2010 25 項條目的完整摘要＋方法＋結果草稿。絕不混淆 ITT/PP 的區分；並檢查流程圖人數的一致性（randomized ≥ allocated ≥ followed-up ≥ analyzed）。此外，會預先找出期刊審稿人經常提出的至少 4 項質疑（例如「為什麼未報告 ITT 分析」、「是否測試過盲法成功與否」、「是否存在 outcome switching」），並為每項質疑提供可用於回應的辯護句。專為臨床研究人員，以及在醫學、護理或藥學領域執行 RCT、希望在投稿前確認研究方法嚴謹性的學術工作者設計。
相關技能
查看全部
CONSORT 2010 報告撰寫器
根據您的隨機對照試驗（RCT）資料——包括隨機分派方法、盲法狀態、檢定力分析、CONSORT 流程圖數字（篩選／隨機分派／分配／分析），以及 ITT／PP 分析方式——產出符合 CONSORT 2010 全部 25 項要求的完整摘要＋方法＋結果初稿。不會混淆 ITT 與 PP，並會檢查流程圖數字的一致性（隨機分派 ≥ 分配 ≥ 完成追蹤 ≥ 納入分析）。此外，還會預先指出期刊審稿人常提出的至少 4 項疑問（例如「為何未報告 ITT 分析」、「是否檢驗過盲法是否成功」、「是否變更過結局指標」），並為每項疑問建議一段回應說法。專為進行 RCT 的醫學、護理與藥學臨床研究人員設計，協助您在投稿期刊前提升方法學嚴謹度。本工具不會進行統計分析或產生資料——只會將您已有的結果轉換為符合 CONSORT 標準的報告。
熵權-TOPSIS-ML＋審稿質疑
根據熵權法＋TOPSIS 排序＋ML 分類器（XGBoost、Random Forest、Lojistik Regresyon 等）的輸出，產生完整的〈方法〉＋〈結果〉報告。依 Hosmer & Lemeshow 標準正確解讀 AUC；若訓練集與測試集的表現差異較大，也會明確指出過度擬合（overfitting）風險。此外，預先辨識期刊審稿人常提出的至少 4 項質疑（例如「如何處理類別不平衡」、「未使用外部驗證集」），並為每項質疑提供答辯句。適用對象：從事健康資訊學、臨床風險預測或混合式多準則決策（ÇKKV）-ML 方法研究的研究者，以及在投稿期刊前希望確認方法穩健性的人員。
PRISMA 2020 流程圖撰寫器
為進行系統性文獻回顧的研究人員，產生符合 PRISMA 2020 checklist 的流程圖文字與研究流程段落。輸入資料庫檢索數據（identification → screening → eligibility → included）後，它會檢查數字是否一致，並產生一段可用來回應審稿人「為什麼你的流程圖排除了這麼多文獻？」的說明文字。此外，也能將您的納入／排除標準整理成 PICO／PECO 格式的表格。此技能適合撰寫系統性文獻回顧或統合分析的研究生與學者，也適合期刊編輯進行初步檢查。若偵測到數字不一致（例如 included > eligibility），它會明確指出問題，不會在未告知的情況下自行修正。
CONSORT 2010 完整報告撰寫器
從 RCT 資料產生符合 CONSORT 的報告
描述
根據您的隨機對照試驗（RCT）資料——包括隨機分派方法、盲法狀態、檢定力分析、CONSORT 流程圖人數（screened/randomized/allocated/analyzed），以及 ITT/PP 分析方法——產生符合 CONSORT 2010 25 項條目的完整摘要＋方法＋結果草稿。絕不混淆 ITT/PP 的區分；並檢查流程圖人數的一致性（randomized ≥ allocated ≥ followed-up ≥ analyzed）。此外，會預先找出期刊審稿人經常提出的至少 4 項質疑（例如「為什麼未報告 ITT 分析」、「是否測試過盲法成功與否」、「是否存在 outcome switching」），並為每項質疑提供可用於回應的辯護句。專為臨床研究人員，以及在醫學、護理或藥學領域執行 RCT、希望在投稿前確認研究方法嚴謹性的學術工作者設計。
相關技能
查看全部CONSORT 2010 報告撰寫器
根據您的隨機對照試驗（RCT）資料——包括隨機分派方法、盲法狀態、檢定力分析、CONSORT 流程圖數字（篩選／隨機分派／分配／分析），以及 ITT／PP 分析方式——產出符合 CONSORT 2010 全部 25 項要求的完整摘要＋方法＋結果初稿。不會混淆 ITT 與 PP，並會檢查流程圖數字的一致性（隨機分派 ≥ 分配 ≥ 完成追蹤 ≥ 納入分析）。此外，還會預先指出期刊審稿人常提出的至少 4 項疑問（例如「為何未報告 ITT 分析」、「是否檢驗過盲法是否成功」、「是否變更過結局指標」），並為每項疑問建議一段回應說法。專為進行 RCT 的醫學、護理與藥學臨床研究人員設計，協助您在投稿期刊前提升方法學嚴謹度。本工具不會進行統計分析或產生資料——只會將您已有的結果轉換為符合 CONSORT 標準的報告。
熵權-TOPSIS-ML＋審稿質疑
根據熵權法＋TOPSIS 排序＋ML 分類器（XGBoost、Random Forest、Lojistik Regresyon 等）的輸出，產生完整的〈方法〉＋〈結果〉報告。依 Hosmer & Lemeshow 標準正確解讀 AUC；若訓練集與測試集的表現差異較大，也會明確指出過度擬合（overfitting）風險。此外，預先辨識期刊審稿人常提出的至少 4 項質疑（例如「如何處理類別不平衡」、「未使用外部驗證集」），並為每項質疑提供答辯句。適用對象：從事健康資訊學、臨床風險預測或混合式多準則決策（ÇKKV）-ML 方法研究的研究者，以及在投稿期刊前希望確認方法穩健性的人員。
PRISMA 2020 流程圖撰寫器
為進行系統性文獻回顧的研究人員，產生符合 PRISMA 2020 checklist 的流程圖文字與研究流程段落。輸入資料庫檢索數據（identification → screening → eligibility → included）後，它會檢查數字是否一致，並產生一段可用來回應審稿人「為什麼你的流程圖排除了這麼多文獻？」的說明文字。此外，也能將您的納入／排除標準整理成 PICO／PECO 格式的表格。此技能適合撰寫系統性文獻回顧或統合分析的研究生與學者，也適合期刊編輯進行初步檢查。若偵測到數字不一致（例如 included > eligibility），它會明確指出問題，不會在未告知的情況下自行修正。
發現下一個適合你的技能
繼續探索更多精選 AI 技能，用於研究、創作和日常工作。