统计分析与结果解释

推荐流程

1. 明确主要结局、次要结局、组别/配对关系和分析单位。
2. 检查缺失、异常值、重复记录和分布，但不要只靠正态性检验选方法。
3. 预先写明缺失值策略、多重比较策略、显著性水平和效应量。
4. 冻结分析计划后，用确定性 Python 引擎计算。
5. 同时解释点估计、置信区间、效应大小、统计不确定性和临床意义。

语言模型能做什么

统计研究助手可以解释方法、指出需要补充的研究信息、帮助组织报告文字；它不能重算数值，也不能自动改写已冻结的分析计划。

当前可自动计算的常见方法

工作台覆盖描述统计、独立/配对/多组比较、McNemar、Cochran Q、分类关联、Cohen κ、连续测量 ICC、Pearson/Spearman、重复测量 Friedman、诊断准确性、ROC/AUC、多变量线性/Logistic/Poisson 回归、两组 Kaplan–Meier/Log-rank，以及两独立均数或率的初步样本量规划。结果同时保留样本量、缺失、效应量或调整后估计、置信区间、诊断提示和图表。

导入数据时怎样避免选错列

1. 优先使用去标识化的 CSV、TSV、TXT 或 XLSX。
2. 核对系统显示的行数、列数、重复行和文件 SHA。
3. 逐项确认分析字段与文件列的映射；系统只做候选匹配。
4. 确认缺失处理和多重性策略后再冻结分析计划。