dyz-med-data-adequacy

在统计分析和论文写作前检查医学数据能否支持计划问题、模型和论断,产出数据充分性报告、异常清单、待临床 确认问题及可接受的分析范围。当用户问“这些数据够不够”“能支持什么结论”或准备分析前需要数据把关时使用; 实际建模交给 dyz-med-analyze,已有统计结果的临床解释交给 dyz-med-interpret,不能据此承诺期刊或分区。 Use to assess medical resear

SKILL.md

GitHub

医学数据充分性把关

核心原则

  • 把“数据是否完整”“分析是否可行”“论断是否可支持”“能否投稿”分开回答。
  • 不把 GRADE 证据确定性等级等同于描述性、关联性或因果性论断。
  • 样本量大不能修复错误设计、未测量混杂、时间顺序错误或系统性测量偏倚。
  • 异常先作为待核实问题,不自动当作错误,也不擅自给出临床解释。
  • 不根据数据量承诺具体期刊、分区、影响因子或录用概率。

输入

尽量获取:

  • 研究问题、设计类型和计划论断;
  • 数据文件、数据字典、编码说明和版本信息;
  • 暴露或干预、结局、时间点、比较组和关键混杂因素;
  • 主要分析、效应尺度和预设亚组;
  • 已有伦理、注册或方案材料;
  • 临床负责人和统计确认人。

只有汇总统计时,明确哪些检查无法完成。

工作流程

1. 建立数据地图

记录:

  • 文件、工作表、行列数和更新时间;
  • 分析单位、唯一标识符和重复记录规则;
  • 变量名称、类型、单位、编码和值域;
  • 暴露、结局、时间变量、比较组和候选混杂因素;
  • 数据来源、抽取过程和可追溯版本。

敏感数据只在用户授权的本地范围内处理,不输出可识别患者信息。

2. 检查结构与质量

至少检查:

  • 唯一标识符、重复和跨表连接;
  • 缺失比例、缺失模式和异常编码;
  • 不可能值、单位混用、日期顺序和随访窗口;
  • 组别、结局和关键变量的分布;
  • 稀疏单元、零事件、类别不平衡和极端值;
  • 随访完整性、删失和竞争风险;
  • 测量工具的定义、验证和组间一致性;
  • 数据泄漏、重复患者或训练测试集污染风险。

需要更改原始数据时,先保留原文件并生成明确命名的新副本。

3. 判断分析是否可行

围绕主要问题判断:

  • 主要暴露或干预是否存在且定义清楚;
  • 主要结局是否可测量、时间点是否匹配;
  • 比较组是否存在并具有重叠;
  • 关键混杂因素是否收集;
  • 样本量和事件数是否足以支撑计划模型复杂度;
  • 缺失和失访是否可能改变结论;
  • 数据结构是否支持纵向、聚类、生存、预测或中介分析;
  • 预设分析与实际数据是否一致。

研究已完成时,优先报告可估计精度、事件数、模型容量和最小可检测效应,不计算事后观察把握度。

4. 确定论断上限

分别判断:

  • descriptive:能够可靠描述样本和现象;
  • associational:能够估计关联并合理控制已测量混杂;
  • causal_inference_candidate:设计、时间顺序、可交换性、正值性和一致性等假设有明确依据,仍需敏感性分析;
  • predictive:能够开发或验证预测模型,并有适当防过拟合与验证策略;
  • unsupported:当前数据不能回答主要问题。

随机分配也不自动保证因果结论;执行偏离、失访、测量和分析问题仍需检查。观察性数据即使采用高级方法,也必须披露识别假设和未测量混杂风险。

5. 列出高价值补充项

对每个缺失项说明:

  • 为什么影响主要问题;
  • 补充后能解锁哪项分析或降低哪种不确定性;
  • 是否可以合法、现实地补充;
  • 获取成本和优先级。

不要把“更多变量”默认当成更好;只保留能改变决策的补充项。

6. 形成临床确认问题

将以下内容转成简短问题:

  • 临床上不合理或方向反常的分布;
  • 100% 或 0% 事件;
  • 定义、单位或编码不一致;
  • 关键缺失是否可从原始记录补充;
  • 暴露、结局或时间窗口是否符合实际流程;
  • 数据清理规则是否得到研究团队确认。

事实由临床或数据负责人确认,统计问题由合适人员复核。

7. 作出范围决策

使用 templates/data-adequacy-self-check-checklist.md,选择:

  • upgrade_pending:补充或修正数据后重新评估;
  • accepted_ceiling:用户接受当前分析和论断上限;
  • not_feasible:当前数据无法回答主要问题,需要换问题或重设计。

下游工作可以在 accepted_ceiling 下继续,但不得超出记录的论断上限。未经确认的重大数据矛盾不得静默进入分析或稿件。

标准输出

## 数据充分性报告

### 研究问题与计划分析
- 

### 数据概况
- 

### 关键完整性与质量问题
| 问题 | 证据 | 影响 | 严重性 | 下一步 |
|---|---|---|---|---|

### 可支持的分析与论断
- 可以:
- 不可以:
- 关键假设:

### 高价值补充项
| 项目 | 能解锁什么 | 获取难度 | 优先级 |
|---|---|---|---|

### 需要临床确认
1.
2.

### 范围决策
[upgrade_pending / accepted_ceiling / not_feasible]

完成检查

  • 数据来源、版本和分析单位已记录;
  • 暴露、结局、比较组、时间和关键混杂因素已核对;
  • 缺失、异常、重复、稀疏和随访问题已检查;
  • 计划模型与样本量或事件数相匹配;
  • 数据质量、分析可行性和论断上限已分开;
  • 异常已转为可回答的人工确认问题;
  • 范围决策及下游限制已明确;
  • 没有承诺期刊、分区或录用结果。

配套资源

  • templates/data-adequacy-self-check-checklist.md:人工数据充分性核对骨架。
  • examples/worked-example.md:虚构教学示例。
  • references/规范与文献清单.md:研究设计、报告规范和缺失数据方法学参考。