replicate-study

Replicate Study スキル

公開済み研究の方法論を別のデータベースに適用し、対象データベースの都合で変更が必要になった箇所をすべて報告します。

入力

1. 原著論文：再現する論文の PDF、DOI、または Markdown
2. 対象データベースのパス：使用する CSV／SAS データファイル
3. 調和テーブル（任意）：原著の変数から対象の変数への対応を示す CSV
   • デフォルト：${CLAUDE_SKILL_DIR}/references/harmonization_knhanes_nhanes.csv（KNHANES↔NHANES の場合）

参照ファイル

• ${CLAUDE_SKILL_DIR}/references/methodology_extraction_template.md — 研究デザインを抽出するためのチェックリスト
• ${CLAUDE_SKILL_DIR}/references/harmonization_knhanes_nhanes.csv — KNHANES↔NHANES の変数対応（67 行）
• ${CLAUDE_SKILL_DIR}/references/harmonization_3country.csv — KNHANES＋NHANES＋CHNS の 3 か国変数対応（46 行）
• 上流テンプレート（必要に応じて参照）：
  • ${CLAUDE_SKILL_DIR}/../write-paper/references/paper_types/nhis_cohort.md
  • ${CLAUDE_SKILL_DIR}/../write-paper/references/paper_types/cross_national.md
  • ${CLAUDE_SKILL_DIR}/../analyze-stats/references/analysis_guides/survey_weighted.md
  • ${CLAUDE_SKILL_DIR}/../analyze-stats/references/analysis_guides/propensity_score.md

ワークフロー

フェーズ 1：原著論文の分析

1. 原著論文を読みます（PDF の場合はテキストに変換するか、Markdown を読みます）。
2. methodology_extraction_template.md に記入し、方法論を抽出します。研究デザイン、データベース（名称、国、年、N）、対象集団（組み入れ／除外基準、年齢範囲）、曝露とアウトカム（変数、定義、コーディング）、定義付き共変量、統計手法（回帰の種類、調整モデル、サブグループ解析）、調査デザイン（ウェイト、層、PSU）、およびすべての感度分析を含めます。
3. 古くなった原著の定義：原著で、現在は置き換えられている 2023 年以前の定義（例：NAFLD → MASLD 2023、CKD-EPI 2009 → 2021 年の人種を使用しない式）が使われている場合は、/define-variables を呼び出して、旧定義を踏襲する（忠実な再現）か、現行の定義に更新する（拡張）かを照合します。選択内容は差分レポートに記録します。
4. 出力：ユーザーが確認するための構造化された抽出結果の概要。

フェーズ 2：変数のマッピング

1. 調和テーブルを読み込みます（列：domain、concept、concept_en、データベースごとの変数／ラベル列の組（例：knhanes_var／nhanes_var）、harmonization_notes）。
2. 抽出した各変数（曝露、アウトカム、共変量）について、対応する行を探し、DIRECT_MATCH／RECODE_NEEDED／NOT_AVAILABLE／PROXY_AVAILABLE のいずれかを付与します。対応が不確かな場合は [VERIFY: variable_name] と記載し、データ辞書を参照してユーザーに確認を求めます。変数名、列名、コーディングを決して推測しないでください。
3. マッピングレポートを作成します：
   • 緑：直接利用可能（再コーディング不要）
   • 黄：利用可能だが再コーディングが必要（変換を記録）
   • 赤：対象 DB では利用できない（代替指標または除外を提案）
4. 出力：ユーザー承認用の変数マッピングテーブル（variable_mapping.csv）。

フェーズ 3：コード生成

1. 自己完結型で再現可能な分析コードを生成します（pandas を使う Python と、調査ウェイトを用いた分析のために subprocess 経由で実行する R）。 a. データの読み込みとクリーニング：対象データベースを読み込み、組み入れ／除外フラグを導出します（すべての行を保持してください）。 b. 変数の導出：対応表に従って変数を再コード化します。 c. 調査デザインの設定：ファイル全体に対して svydesign オブジェクト（層、PSU、ウェイト）を定義してから、subset(design, <inclusion flag>) で対象を絞り込みます。デザインを宣言する前に行を削除すると、標準誤差が正しく算出されません（/analyze-stats survey_weighted.md、サブポピュレーション分析）。KNHANES/NHANES ではウェイト付き分析が必須です。ウェイトなしのモデルは決して実行しないでください。調査間でデータをプールしないでください。各国のデータは、その国固有の調査デザインを用いて分析してください。 d. 表 1：曝露群別の人口統計情報（ウェイト付き） e. 主解析：主要モデル（ロジスティック回帰／Cox 回帰／線形回帰）を再現します。 f. サブグループ分析：原著論文で指定されている場合 g. 感度分析：原著論文に記載されたものをすべて再現します。
2. 利用可能な場合は、/analyze-stats のテンプレート（survey_weighted、propensity_score）を使用します。
3. 韓国のデータには、原著論文で WHO の基準（≥30）が使われていても、アジア人の BMI カットオフ（肥満は ≥25）を使用します。
4. 対象データにコードを実行します。results/ とレポートに記載する数値は、すべてその実行結果に基づくものとします。

フェーズ 4：差異レポート

作業ディレクトリに replication_report.md を保存し、原著の方法論からの差異をすべて記録します。

セクション	内容
研究デザイン	同一／変更あり（説明を記載）
データベース	ソース DB → 対象 DB（N、年、国）
対象集団	組み入れ／除外基準の差異
変数の対応付け	対応状況を含む完全な対応表
利用できない変数	欠落している項目と、その対処方法
方法論上の差異	やむを得ず変更した点（例：BMI カットオフ、LDL の直接測定と Friedewald 式の違い）
予想される差異	結果が異なる可能性の理由（集団、測定方法、文化的要因）

KNHANES/NHANES は匿名化された公開データであり、IRB 審査は免除または免除扱いである点に留意してください。引用には /search-lit で確認済みの DOI/PMID のみを使用してください。確認できない場合は、引用に [UNVERIFIED - NEEDS MANUAL CHECK] と記載してください。

フェーズ 5：検証チェックリスト

完了を報告する前に、次の項目を確認してください。

• 原著論文の共変量をすべて考慮している（対応付け、代替指標の使用、または欠落の記録）
• 調査ウェイトを正しく適用している（原著でウェイトが使われている場合、ウェイトなしの分析は絶対に行わない）
• 肥満／BMI のカットオフが対象集団の基準（アジア人と WHO）に合致している
• 空腹時の要件（空腹時血糖値、脂質）が一致している
• 年齢制限が正しく適用されている
• 対象データでコードがエラーなく実行される
• 出力テーブルの構成が原著論文と一致している

出力ファイル

{working_dir}/
├── replication_report.md     — Structured difference report
├── variable_mapping.csv      — Variable mapping table with match status
├── analysis_code.py          — Main analysis script (Python + R calls)
├── analysis_code.R           — R script for survey-weighted analysis
└── results/
    ├── table1.csv            — Demographics table
    ├── main_results.csv      — Primary analysis results
    └── subgroup_results.csv  — Subgroup analysis results (if applicable)