← Labs 总站
● Labs 拳头产品 · 研流 ResFlow

研流 ResFlow

研流是 Labs 的拳头产品,把临床研究从选题到发表串成一条线。它将 28 个科研工具按研究流水线和研究类型重新组织, 告诉你「这一步该用哪个工具」;核心「项目工作台」让一份数据贯穿建模到出论文素材。数据本地计算、不上传。

从这里开始
🧪
我有数据,直接开做
进项目工作台:粘一次数据 → 基线表 → 建模 → 预测概率自动流入 ROC/校准/DCA → 出论文素材。
🧭
我不确定用什么方法
回答几个问题(比什么?几组?什么类型的结局?),向导直接给出方法并跳到对应工具。
📖 第一次用?先看 使用说明书,了解整条流程与每一步的用途;方法出处见 方法学依据
1设计立项确定研究类型、统计方法与样本量
🧭统计方法选择向导该用什么统计方法,问答直达工具🔢样本量计算器按均值/率/相关估算所需样本量
2数据与基线描述基线特征、建立参考范围
📋Table 1 基线特征表一键生成论文基线特征表📐参考区间计算器由健康人群算正常值范围
3统计分析组间比较、相关与回归、生存分析
🧮t 检验 / 方差分析两组/多组均值比较(含 ANOVA)📶非参数检验Mann-Whitney / Kruskal-Wallis卡方 / Fisher 检验率与构成比比较🔬ANOVA 事后比较Tukey / Bonferroni / Holm⚖️RR / OR / NNT四格表风险效应量🔗相关分析Pearson / Spearman✏️回归拟合与作图线性回归与曲线拟合🧬Logistic 回归二分类结局多因素分析(OR)📉Cox 比例风险回归多因素生存分析(HR)Kaplan-Meier 生存曲线生存曲线 + log-rank
4诊断与预测模型建立并评价诊断试验/预测模型
🩻诊断试验四格表灵敏度/特异度/PPV/NPV/LR📈ROC 曲线与 AUC诊断效能与最佳截断📊DeLong 检验比较两条 ROC 的 AUC🩺Fagan 验后概率验前×似然比→验后(诺模图)📏列线图 Nomogram预测模型可视化评分🎚️模型校准Hosmer-Lemeshow + 校准曲线💹DCA 决策曲线预测模型临床净获益
5信度与一致性测量方法、评分者与量表的可靠性
🔁ICC 一致性定量重测/评分者间一致性🤝Kappa 一致性分类评分者间一致性🎯Cronbach's α量表内部一致性信度🔲Bland-Altman两法测量一致性界限🔄方法学比对Passing-Bablok / Deming
6证据综合汇总多项研究、评估发表偏倚
🌲Meta 分析与森林图合并多研究效应量🌪️漏斗图 + Egger发表偏倚评估
关于研流

研流是 Labs 旗下的拳头产品,把零散的统计工具串成临床研究的完整流水线,帮你看清每一步该做什么、用哪个工具。想直接取用单个计算器,可前往 Labs 总站 的「科研工具」。