关于 biostatistics
面向临床与生物医学研究的统计分析技能，提供研究设计、模型选择和结果报告方法。涵盖生存分析、纵向数据、诊断准确性、竞争风险及缺失数据处理。
主要功能
- 01评估研究设计与终点类型
- 02指导 Kaplan-Meier 和 Cox 分析
- 03处理竞争风险与纵向数据
- 04评估诊断测试及 ROC/AUC
- 05规划多重插补与敏感性分析
适用场景
- 01分析临床研究的生存结局
- 02评估重复测量或竞争风险数据
- 03报告诊断测试准确性与缺失数据处理
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/biostatistics确认已加载。
详细介绍
触发时机
当用户提到以下内容时，启用此技能：
- 生存分析、事件发生时间、删失
- Kaplan-Meier 曲线、log-rank 检验、中位生存期
- Cox 回归、比例风险、风险比
- 纵向数据、混合效应模型、GEE
- 诊断准确性、敏感度、特异度、ROC/AUC
- 竞争风险、Fine-Gray 模型、累积发生率
- 临床终点的样本量、多重性调整
- 临床研究中的缺失数据、多重插补、MCAR/MAR/MNAR
分步方法
- 研究设计评估 - 确认研究类型（队列研究、病例对照研究、横断面研究、RCT）。确定主要终点类型（连续型、二分类、事件发生时间、计数型、有序型）。判断数据是否存在聚类或纵向结构。
- 生存分析 - 定义时间起点、事件定义和删失机制。确认删失为非信息性。使用 Kaplan-Meier 方法估计生存曲线。使用 log-rank 检验比较组间差异（或在非比例风险情况下使用加权变体：Wilcoxon、Tarone-Ware）。
- Cox 回归 - 检查比例风险假设（Schoenfeld 残差、log-log 图）。如果假设不成立，则使用时变系数、分层 Cox 或限制性平均生存时间（RMST）。报告风险比及其 95% CI。使用有目的的变量筛选或惩罚回归处理多个协变量。
- 竞争风险 - 存在多种事件类型时，使用累积发生率函数（而非 1-KM）。使用 Fine-Gray 亚分布风险模型或原因特异风险模型。在具有临床意义的时间点报告累积发生率。
- 纵向分析 - 对于重复测量：使用线性或广义混合效应模型（随机截距/斜率）。选择合适的相关结构。使用模式混合模型或纵向数据与生存数据的联合模型处理脱落。
- 诊断试验评估 - 计算指定截断值下的敏感度、特异度、PPV、NPV。绘制 ROC 曲线，并使用 DeLong 置信区间计算 AUC。对于生物标志物发现，使用交叉验证以避免过度乐观。
- 缺失数据处理 - 判断缺失机制（MCAR、MAR、MNAR）。对于 MAR：进行多重插补（m >= 20 次插补，使用 Rubin 法则合并）。在 MNAR 假设下进行敏感性分析。
主要数据库和工具
- R survival / survminer - 生存分析软件包
- SAS PROC PHREG / LIFETEST - 临床生物统计标准工具
- STATA stcox / stcurve - 生存建模
- R mice / Amelia - 多重插补
- pROC / cutpointr - ROC 分析
输出格式
- Kaplan-Meier 曲线及在险人数表、中位生存期及其 95% CI。
- Cox 模型结果表：变量、HR、95% CI、p 值，并附 PH 假设检验结果。
- 竞争风险的累积发生率曲线，并提供事件特异性估计值。
- ROC 曲线及 AUC、最佳截断值，以及该截断值下的敏感度/特异度。
- 缺失数据报告：模式、机制评估、插补方法、敏感性分析结果。
质量检查清单
- 明确说明时间起点和事件定义
- 说明删失机制，并论证非信息性假设的合理性
- 检验并报告比例风险假设
- 适当处理竞争风险（不可忽略）
- 在需要时进行多重比较调整
- 评估缺失数据机制并采用恰当方法
- 样本量足以支持协变量数量（Cox 模型的 EPV >= 10）
- 报告效应估计及置信区间，而非仅报告 p 值
- 针对关键假设开展敏感性分析
评论
支持 Markdown