dyz-med-sensitivity

围绕既有医学研究结果的具体不确定性,规划、执行或记录替代模型、缺失数据、偏倚假设、分析人群和研究纳入 变化,产出可追溯的稳健性比较与局限性说明。当用户问“结果稳不稳”“换假设会不会变”或明确要求敏感性分析 时使用;原始主分析交给 dyz-med-analyze,临床重要性解释交给 dyz-med-interpret。 Use for approved sensitivity analyses an

SKILL.md

GitHub

医学研究敏感性与稳健性分析

核心原则

  1. 从可能影响结论的具体假设或偏倚出发,不按研究类型机械执行一套固定分析。
  2. 保留预设主分析,不为恢复统计显著性而选择替代模型、删样本或调整阈值。
  3. 尽量在看主要结果前预设敏感性分析;事后新增的分析明确标为探索性。
  4. 比较估计值、区间、方向、临床解释和样本量,不以 P 值是否跨过 0.05 单独定义“稳健”。
  5. 每次分析保存实际输入、代码、参数、日志和输出;没有执行结果时只交付计划。
  6. 无通用 E-value、缺失率或异质性阈值可自动判定 PASS/FAIL。

所需输入

  • 主分析的研究问题、estimand、分析人群、模型和结果;
  • 数据版本、脚本、诊断和缺失数据信息;
  • 预设方案、注册或统计分析计划中的敏感性分析;
  • 需要检验的具体担忧及其可辩护的替代假设;
  • 临床重要阈值(若要判断结论是否发生临床层面的变化)。

无法取得可复现的主分析时,先列出缺项,不从稿件中的手工数值反推新分析。

工作流

1. 定义目标不确定性

对每项敏感性分析写清:

担忧 → 为什么可能影响主结果 → 要改变的一个假设/选择
保持不变的部分 → 比较指标 → 预期输出 → 是否预设

一次只改变可解释的因素;同时改变多项时不能判断是哪项驱动差异。

2. 按问题选择分析

担忧 可考虑的分析
缺失结局或失访 完整病例与主要方法对照、合理的多重插补、delta 调整、tipping-point、极端情景
模型设定 预先合理的函数形式、链接函数、方差估计、聚类结构或影响点分析
协变量与混杂 基于临床/因果依据的替代调整集、定量偏倚分析;不要用单因素 P 值逐步筛选
RCT 分析人群 按 estimand 比较 ITT、治疗策略、符合方案或安全性人群;说明每种人群回答的问题
观察性研究未测量混杂 E-value(适用时)或带可辩护参数的定量偏倚分析
Meta 分析 leave-one-out、预设风险偏倚排除、替代异质性估计量、固定/随机效应对照、影响诊断
诊断准确性 阈值变化、验证偏倚、疾病谱变化和参考标准假设

只有在研究数和方法条件足够时才评估小研究效应。按当前 Cochrane Handbook 的经验规则,漏斗图不对称检验 通常至少需要 10 项研究,还要考虑研究规模是否相近及效应量适用的检验。漏斗图不对称或 Egger 检验不能 单独证明发表偏倚,trim-and-fill 也不能作为自动“纠偏”后的主结果。

3. 审批并执行

  • 把敏感性分析计划和事后状态展示给用户。
  • 涉及新代码、重跑数据或改变分析人群时,先获得明确批准。
  • 复用主分析的已验证读取、清洗和结果导出路径;不要另建一套不一致的数据处理。
  • 除被检验因素外,尽量保持结局、时间点、效应尺度和人群定义不变。
  • 缺少软件或包时报告依赖,不自动安装。
  • 运行失败或假设不适用时保留失败记录,不用另一个“能跑通”的方法静默替换。

4. 谨慎使用 E-value

  • 先确认因果效应方向、无效值、区间和效应尺度。
  • 只对可按风险比尺度解释的结果直接使用标准公式;OR、HR、连续结局等按原方法要求转换并记录假设。
  • 优先使用经过验证的实现或原始方法说明,不手工套用不适用的近似。
  • 对保护性效应使用倒数,并采用离无效值最近的区间界计算区间 E-value。
  • 同时报告点估计和区间 E-value,并与本研究中已测混杂因素的合理强度比较。
  • 不用 1.3、1.5 或 2.0 等通用切点自动标记脆弱或稳健。

E-value 只量化一种未测量混杂情景,不能处理选择偏倚、测量误差、模型错误或所有未测混杂结构。

5. 比较并解释

使用敏感性分析记录表,对每次分析记录:

  • 与主分析相比改变了什么、为什么;
  • 样本量、事件数、估计值、区间和诊断;
  • 效应方向、大小和临床解释是否实质改变;
  • 结论是 robust、not_robust 还是 uncertain,以及判定依据;
  • 是否预设、是否发生执行偏离。

“稳健”只表示在已检验的合理假设范围内结论相近,不表示研究没有其他偏倚。

6. 交付

建议生成:

paper/analysis/sensitivity-plan.md
paper/analysis/sensitivity.<R|py>
paper/data/stats/sensitivity-results.<json|yaml>
paper/data/stats/sensitivity-report.md
paper/data/stats/sensitivity-run.log

若只收到汇总结果而没有数据/脚本,交付审阅表和待执行计划,不虚构复分析结果。把关键不稳健或仍不确定的部分 交给讨论/局限性写作;不要阻止用户继续工作,但要保留醒目标记。

完成标准

  • 每项分析对应一个明确不确定性
  • 主分析未被覆盖,预设与事后分析已区分
  • 输入、代码、参数和输出可追溯
  • 稳健性判断比较效应量、区间和临床解释
  • E-value 的尺度、方向、区间界和假设已核对
  • 没有把漏斗图不对称直接称为发表偏倚
  • 未执行的分析没有被写成结果

参考材料