📘
🔬 统计学方法R语言复现 (Statistics Reproduction)
阅读医学论文时，让AI帮你识别使用的统计学方法和模型，并生成对应的R代码进行复现。这对于理解研究方法、验证结果可靠性非常有用。
📝 统计复现提示词
完整版：识别方法+生成代码
Prompt:
请阅读以下文档内容，回答：
1. 这篇文章使用了哪些统计学方法和模型？
2. 请用R语言复现这些分析方法
3. 使用中文语言解释每个统计方法的用途
4. 提供完整的R代码示例
请包括：
- 描述性统计方法
- 组间比较方法（t检验、卡方检验等）
- 回归模型（线性回归、Logistic回归、Cox回归等）
- 多重比较校正方法
- 缺失值处理方法
[粘贴论文的Methods部分或全文]💡 适合有完整Methods部分的论文
简化版：仅识别统计方法
Prompt:
请仔细阅读以下论文的统计学部分，列出所有使用的统计方法和模型。
要求：
1. 用中文列出方法名称
2. 说明每种方法的应用场景
3. 指出使用的R包或统计软件
[粘贴论文的Statistics部分]💡 快速了解论文的统计方法框架
表格复现版：从Table生成代码
Prompt:
以下是论文中的Table 1（基线特征表），请帮我生成可以复现这个表格的R代码。
要求：
1. 计算连续变量的均值±标准差或中位数（四分位数间距）
2. 计算分类变量的频数和百分比
3. 进行组间比较（t检验、Wilcoxon检验、卡方检验等）
4. 按照论文格式整理输出表格
[粘贴Table 1的内容]💡 最常见的复现需求
📊 常见统计方法的R实现
1. 描述性统计
# 连续变量（正态分布）
mean_sd <- data %>%
summarise(
Mean = mean(age, na.rm = TRUE),
SD = sd(age, na.rm = TRUE)
)
# 连续变量（非正态分布）
median_iqr <- data %>%
summarise(
Median = median(age, na.rm = TRUE),
Q1 = quantile(age, 0.25, na.rm = TRUE),
Q3 = quantile(age, 0.75, na.rm = TRUE)
)
# 分类变量
freq_pct <- data %>%
count(gender) %>%
mutate(
Percent = n / sum(n) * 100
)2. 组间比较
# 两组连续变量比较（正态分布）
t.test(age ~ group, data = data)
# 两组连续变量比较（非正态分布）
wilcox.test(age ~ group, data = data)
# 分类变量比较
chisq.test(table(data$group, data$outcome))
# 配对样本比较
t.test(before ~ after, data = paired_data, paired = TRUE)3. 线性回归
# 简单线性回归
model <- lm(outcome ~ predictor, data = data)
summary(model)
# 多元线性回归
model_multi <- lm(outcome ~ age + gender + bmi, data = data)
summary(model_multi)
# 提取系数和置信区间
confint(model_multi)4. Logistic回归
# 二分类结局
logistic_model <- glm(binary_outcome ~ age + gender + bmi,
data = data,
family = binomial())
summary(logistic_model)
# 计算OR值和95%CI
exp(cbind(OR = coef(logistic_model),
confint(logistic_model)))5. Cox比例风险模型
library(survival)
# Cox回归
cox_model <- coxph(Surv(time, status) ~ age + gender + treatment,
data = data)
summary(cox_model)
# 提取HR值和95%CI
cox_summary <- broom::tidy(cox_model,
exponentiate = TRUE,
conf.int = TRUE)6. 生存分析
# KM生存曲线
surv_fit <- survfit(Surv(time, status) ~ group, data = data)
# 绘图
ggsurvplot(surv_fit,
data = data,
pval = TRUE,
conf.int = TRUE,
risk.table = TRUE)🎯 按研究类型选择统计方法
队列研究 (Cohort Study)
观察性研究，随访暴露组和非暴露组的结局
- 发病风险：Cumulative Incidence
- 关联性：Cox回归、Logistic回归
- 混杂调整：多元回归、倾向性评分匹配
病例对照研究 (Case-Control)
回顾性研究，比较病例组和对照组的暴露史
- 关联性：OR值（Logistic回归）
- 匹配设计：条件Logistic回归
随机对照试验 (RCT)
前瞻性实验，随机分配干预措施
- 基线比较：t检验、卡方检验
- 疗效评估：ITT分析、PP分析
- 生存分析：KM曲线、Log-rank检验、Cox回归
诊断试验 (Diagnostic Test)
评估诊断方法的准确性
- 准确性指标：灵敏度、特异度
- ROC曲线：AUC值
- 最佳截断值：Youden指数
💡 复现技巧
- 优先看Methods部分：统计方法通常在"Statistical Analysis"小节
- 注意软件版本：不同版本的R包可能结果略有差异
- 检查数据结构：确保你的数据格式与论文中的假设一致
- 验证假设：正态性、方差齐性等统计检验假设
- 关注缺失值处理：论文中的缺失值处理策略（完整案例分析vs多重插补）