缺失資料報告助手
將資料清理流程整理成 STROBE 段落
缺失資料報告助手
將資料清理流程整理成 STROBE 段落
展示內容
描述
輸入樣本數、缺失資料比例／模式（MCAR／MAR／MNAR）、缺失資料處理方法（刪除整列、多重插補等），以及離群值檢測方法（Z 分數、IQR、Mahalanobis）後，便能產生可直接插入論文「資料前處理」章節的學術段落。若處理方法與缺失資料模式之間存在方法上的矛盾（例如在 MNAR 模式下使用刪除整列），系統會明確指出。適合想快速且正確撰寫資料前處理章節的問卷／臨床資料分析研究生與研究人員。
為什麼我們推薦這個技能
編輯精選：將繁雜的資料清理決策整理成符合審稿需求的 STROBE 資料前處理段落，並檢查數字一致性、方法假設與統計檢定力影響。
適合對象
適合撰寫問卷或臨床研究中清晰、具方法依據的資料前處理段落之研究生與研究人員。
如何使用此 Skill
提供輸入
提供樣本數、缺失資料比例與模式、缺失資料處理方法、離群值檢測方法與門檻、離群值結果，以及最終分析樣本數。
執行 Skill
助理會將這些資訊整理成可直接用於論文的學術報告，並標示缺失資料模式與處理方法之間明顯的不一致。
查看結果
取得一段資料前處理內容、一句簡短的方法合理性說明，以及最終樣本數可能如何影響統計檢定力的警示。
相關技能
查看全部
研究STROBE 方法撰寫助手
根據您的橫斷面、世代或病例對照研究設計，在您輸入受試者選取方式、變項、樣本數理由與統計方法後，產出完整的研究方法與結果初稿，並涵蓋 STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）檢核表的全部 22 個項目。結尾也會提供對照表，顯示每個段落對應哪些 STROBE 項目，方便回應期刊「請完成 STROBE 檢核表」的要求。此工具會避免使用因果語言（針對觀察性研究使用「與……相關」而非「導致」），並明確討論偏差與混雜的來源。適合流行病學、公共衛生與臨床研究領域的學術研究者使用。
研究Meta 分析報告撰寫器
根據您的 Meta 分析統計結果（合併效應量、I²、Q、tau²、出版偏誤指標），產出符合 PRISMA 2020 與 Cochrane Handbook 的完整方法、結果與限制文字。絕不誤解 I² 數值（包括「變異數百分比」的表述），也會避免過度強烈的因果語言，改用「研究結果與……一致」等謹慎措辭，而不是「證據證明……」。最後還會提供至少 3 個審稿人可能提出的問題，以及相應的答辯句。適合想在投稿前強化方法章節、撰寫 Meta 分析論文的研究人員。本工具不會從原始資料進行統計計算（您必須先備妥 R、RevMan 或 CMA 的輸出結果），只會將您的結果轉換並解讀為學術文字。
研究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 流程數字（篩選／隨機分派／分配／納入分析）以及 ITT／PP 分析方法——產出完整且符合 CONSORT 2010 全部 25 項要求的摘要、方法與結果初稿。它不會混淆 ITT／PP，並會檢查流程圖數字的一致性（隨機分派人數 ≥ 分配人數 ≥ 完成追蹤人數 ≥ 納入分析人數）。此外，它會預先找出期刊審稿人經常提出的至少 4 項質疑（例如：「為什麼沒有報告 ITT 分析？」「是否檢驗盲法是否成功？」「是否更換過結果指標？」），並為每項質疑建議一句答辯文字。適合進行 RCT 的醫學、護理與藥學臨床研究人員，在投稿期刊前提升研究方法的嚴謹性。不適用於：它不會進行統計分析，也不會產生資料——只會將您已有的結果轉換為符合 CONSORT 標準的報告。
資訊
- 版本
- v2
- 更新時間
- 執行點數
- 依實際用量
- 模型
- 自動選擇
- 使用情境
- 寫作與內容研究與分析
- 你將獲得
- 文章
