biostatistics-analyzer

生物统计分析工具

为医学研究执行常见的生物统计分析，包括生存分析（Kaplan-Meier、Cox 比例风险模型）、Logistic 回归和线性回归、ROC 曲线分析与 AUC 计算、样本量和效能计算，以及诊断试验性能指标。该技能指导研究人员选择合适的检验、检查假设、解读结果，并按照已发表的统计报告指南撰写报告。

快速安装

npx skills add Open-Medica/open-medical-skills --skill biostatistics-analyzer

功能

• 统计检验选择：根据研究问题、数据结构（连续型／分类、配对／非配对、参数／非参数）和研究设计，推荐合适的统计检验，并说明为何不选择其他方案
• 生存分析：执行 Kaplan-Meier 估计，并使用 log-rank 检验比较组间差异；进行 Cox 比例风险回归，计算风险比，并通过 Schoenfeld 残差检验比例风险假设
• 回归建模：进行 Logistic 回归（二元、有序、多项）和线性回归，并执行模型诊断、报告效应量（Logistic 回归报告优势比及 95% CI；线性回归报告 β 系数）、评估多重共线性（VIF）以及报告模型拟合统计量（C 统计量、R 平方、Hosmer-Lemeshow）
• 诊断试验评估：计算敏感度、特异度、阳性／阴性预测值、阳性／阴性似然比，并生成 ROC 曲线，计算 AUC 和确定最佳阈值（Youden 指数）
• 样本量和效能：针对常见研究设计（两组均值比较、两组比例比较、生存分析、非劣效／等效试验）计算所需样本量，并为已完成的研究进行事后效能分析

临床使用场景

• 临床试验分析：一支研究团队分析一项比较两种抗高血压药物的随机对照试验，使用该技能进行主要疗效分析（经基线值调整后，比较 12 周时两组的收缩压差异）、为次要 MACE 终点生成 Kaplan-Meier 曲线，并计算治疗需治人数
• 回顾性队列研究：一位流行病学家研究术后并发症的风险因素，使用该技能建立多变量 Logistic 回归模型、检查混杂因素、评估模型区分能力（C 统计量），并生成调整后优势比森林图
• 诊断准确性研究：一位病理学家评估一种用于胰腺癌的新型生物标志物，使用该技能生成 ROC 曲线，将新型生物标志物与 CA 19-9 进行比较，计算用于比较 AUC 的 DeLong 检验，并确定在临床可接受的特异度阈值下使敏感度最高的最佳截断点
• 资助申请中的样本量论证：一位研究者计划开展一项非劣效试验，需要计算所需样本量，假设非劣效界值为 5%、两组预期事件率均为 15%、效能为 80%、单侧 α 为 0.025，并考虑 15% 的脱落率

安全性与证据

• **安全分类：**安全 — 该技能执行数学计算和统计分析，不会做出临床决策、治疗患者或生成临床建议。统计结果及其解读必须由合格的生物统计学家或接受过统计学训练的研究人员审核。
• **证据等级：**中等 — 实现的统计方法遵循成熟的教科书方法（Altman、Bland、Hosmer-Lemeshow）和已发表的报告指南（CONSORT、STROBE、STARD、TRIPOD）。计算采用标准统计公式。不过，正确应用统计方法需要理解相关假设、研究设计和临床背景；该技能可提供支持，但不能取代这些专业判断。

示例用法

样本量计算：

Calculate required sample size for:
Study design: Randomized controlled trial, parallel groups
Primary outcome: Proportion of patients achieving HbA1c < 7.0% at 6 months
Expected rate in control group: 35%
Expected rate in intervention group: 50%
Alpha: 0.05 (two-sided)
Power: 80%
Allocation ratio: 1:1
Expected dropout rate: 10%

样本量计算：

方法： 两比例 z 检验（比例相等的卡方检验）

参数：

• p1（对照组）：0.35
• p2（干预组）：0.50
• 绝对差异：0.15
• Alpha：0.05（双侧）
• 检验效能：0.80
• 分配比例：1:1

结果（未调整脱落率）：

• 每组：170 名患者
• 总计：340 名患者

结果（按 10% 脱落率调整后）：

• 每组：189 名患者
• 总计：378 名患者

报告用语： “每组 170 名（总计 340 名）的样本量，以双侧卡方检验在 5% 的显著性水平下，有 80% 的检验效能检测患者达到 HbA1c <7.0% 的比例中 15 个百分点的差异（50% 对比 35%）。考虑到预期的 10% 脱落率，我们计划每组招募 189 名患者（总计 378 名）。”

敏感性分析： 在 90% 的检验效能下，所需样本量增加至每组 227 名（总计 454 名，调整脱落率后为 504 名）。

ROC 曲线分析：

Evaluate diagnostic performance of troponin-I for acute MI diagnosis:
- AUC for troponin-I: 0.92 (95% CI: 0.89-0.95)
- AUC for CK-MB: 0.78 (95% CI: 0.73-0.83)
- Compare the two biomarkers

ROC 曲线比较：

生物标志物	AUC	95% CI	最佳截断值（Youden）	敏感度	特异度
肌钙蛋白-I	0.92	0.89-0.95	0.04 ng/mL	93.2%	84.6%
CK-MB	0.78	0.73-0.83	5.0 ng/mL	72.1%	76.3%

AUC 比较的 DeLong 检验：

• AUC 差异：0.14（95% CI：0.08-0.20）
• Z 统计量：4.67
• P 值：<0.001

解读： 与 CK-MB 相比，肌钙蛋白-I 对急性 MI 诊断显示出显著更优的区分能力（AUC 0.92 对比 0.78，p<0.001）。在 0.04 ng/mL 的最佳截断值下，肌钙蛋白-I 的敏感度为 93.2%，特异度为 84.6%。

技术详情

• 类别： 临床研究总结
• 作者： OMS 贡献者
• 许可证： MIT
• 版本： 1.0.0
• 专业领域： 研究、生物统计学

参考文献

• Altman DG. Practical Statistics for Medical Research. Chapman and Hall/CRC，1991 年。
• Hosmer DW、Lemeshow S、Sturdivant RX. Applied Logistic Regression. 第 3 版。Wiley，2013 年。
• Bland JM、Altman DG. “用于评估两种临床测量方法一致性的统计方法。” Lancet. 1986;327(8476):307-310。
• DeLong ER、DeLong DM、Clarke-Pearson DL. “比较两个或多个相关受试者工作特征曲线下面积。” Biometrics. 1988;44(3):837-845。
• Schulz KF 等. “CONSORT 2010 声明：平行组随机试验报告指南更新。” BMJ. 2010;340:c332。
• Collins GS 等. “个体预后或诊断多变量预测模型的透明报告（TRIPOD）。” BMJ. 2015;350:g7594。

---

此技能是 Open Medical Skills 的一部分。这是一个由医生为医生和医疗行业维护的精选医疗 AI 技能市场。