● 研流 ResFlow · 使用说明书

研流 使用指南

从一份数据到一份论文素材，这份说明讲清整条流程，以及每一步是用来干什么的。第一次用，照着走一遍即可。

一、它是什么

研流把临床研究中反复要做的统计动作，按「选题 → 分析 → 出论文素材」的真实流程串成一条线。你既可以单独用某个工具，也可以在「项目工作台」里粘一次数据，把建模和评价一次跑完、并自动汇总成论文素材。所有计算都在你本机浏览器完成，数据不上传、不留存。

二、两个入口，按需选用

🧭 研流首页（/research）

当你「知道要分析，但不确定用哪个工具」时用。提供两种找法：研究流程地图（按研究的六道工序找）和研究类型模板（选你的研究类型，自动按顺序列出该用的工具）。

🧪 项目工作台（/research/project）

当你「有一份数据，要建预测模型并评价、出论文素材」时用。粘一次数据，建模 → ROC → 校准 → DCA → 论文素材，一条线走完，不用反复复制粘贴。下面第三节专门讲它。

三、项目工作台操作流程（核心）

1

录入项目数据集

👉 用来干什么：把你的数据交给工作台一次，之后所有分析共用这份数据
把整理好的数据粘进输入框：第一行是列名，其后每行一条记录，列与列之间用 Tab 或逗号分隔（可直接从 Excel 选中带表头的区域复制粘贴）。其中结局列要编码为 0/1（如 0=未发生、1=发生）。点「保存数据集到本项目」后，工作台会自动识别每列类型（数值 / 0-1 / 分类）并存到本机浏览器——换设备不会同步，数据也不会上传。
2

一键基线表（Table 1）

👉 用来干什么：生成论文的第一张表：各组基线特征对比
选一个分组列（如治疗组/对照组），点「生成」。工作台会按变量类型自动选统计量与检验：连续变量给均值±标准差、分类变量给例数(%)，并算出组间 P 值。需要更完整的呈现（分类各水平、非参数等），点卡片里的链接进入 Table 1 专门工具。
3

预测模型流水线

👉 用来干什么：建一个预测模型，并一次看全它的三种评价
选结局列(0/1)和若干数值自变量，点「拟合模型并评价」。工作台会拟合 Logistic 回归给出各因素的 OR 及 95%CI，并算出每个对象的预测概率——这份预测概率会自动喂入下面三个评价，无需再粘数据：

• 区分度 · ROC：AUC 衡量模型把「发生与不发生」分开的能力，越接近 1 越强。

• 校准度：Hosmer-Lemeshow 检验 + 校准斜率，衡量预测概率「数值上准不准」（注意 H-L 的 P>0.05 才说明校准可接受）。

• 临床实用性 · DCA：决策曲线的净获益，衡量「按这个模型决策到底划不划算」。

区分度和校准度是两回事：AUC 高不代表概率准，两者都要看，再加 DCA 看临床价值，才算评价完整。
4

论文素材一键汇总

👉 用来干什么：把上面的结果直接变成可投稿的方法与结果草稿
这一步在拟合出模型后才会出现（没有结果就没法生成结果文字）。它会自动写出可编辑的「统计方法」「结果」两段草稿（数值取自你当前的分析），配一份 TRIPOD 报告清单（预测模型研究的报告规范，逐条勾选自查），并支持复制全文或导出 Word(.doc)（含基线表、方法、结果、回归表）。草稿是起草辅助，投稿前请逐个核对数字、补充研究设计细节。

四、研究流程地图：六道工序

在 研流首页 的「研究流程地图」里，工具按研究的先后顺序分成六组，方便你看清每一步该做什么：
① 设计立项（选统计方法、算样本量）→ ② 数据与基线（基线表、参考区间）→ ③ 统计分析（组间比较、相关与回归、生存分析）→ ④ 诊断与预测模型（诊断效能、ROC、校准、DCA、列线图）→ ⑤ 信度与一致性（ICC、Kappa、Cronbach、方法学比对）→ ⑥ 证据综合（Meta、漏斗图）。

五、研究类型模板：选对你的研究

不确定流程时，在「研究类型模板」里选你的研究类型，工作台会按顺序排好该用的工具：
诊断试验研究、预后/预测模型研究、横断面研究、病例对照研究、队列/生存研究、量表开发与验证、测量一致性/方法学研究、Meta 分析/系统评价。例如选「预后/预测模型研究」，它就按 设计 → 基线 → 建模 → 区分度 → 校准与临床价值 → 展示 一步步给你工具。

六、常见问题

Q：我的数据会上传吗？
默认不会——所有计算在你本机浏览器完成，项目数据存在本机（localStorage）。仅当你登录医生账号并主动点「保存到账号 / 另存为新项目」时，才会把该项目（数据与分析设置）存到你的账号，用于多项目管理与换设备续作；不登录则全程本地。

Q：第④步论文素材为什么没看到？
它只在第③步成功拟合出模型后才出现。请先确认 ROC/校准/DCA 结果已显示，再往下滚动。

Q：自动生成的方法/结果能直接用吗？
作为草稿起草用。数值取自建模数据（属内部表现，偏乐观），投稿前请核对每个数字、补全研究设计细节，并尽量做外部验证。

Q：需要更完整的图和选项怎么办？
每个结果卡片都有进入对应专门工具的链接（如完整 ROC、完整校准曲线、完整决策曲线），可在那里获得更丰富的图表与参数。

七、验证与复核（外部验证闭环）

工具的每个统计引擎都做过校验，多数采用「退化为已知方法」的思路——在特例下，新算法应当精确等于一个公认正确的简单算法。例如：

· Logistic / Cox 回归：与经典数据集（如 Cox 用 Freireich 白血病数据）和标准实现核对系数；
· Fine-Gray 竞争风险：无竞争事件时退化为普通 Cox、无删失时退化为变换数据上的 Cox，多角度一致；
· 限制性立方样条 RCS：基函数在两端外侧严格线性（样条的定义性质），参照点处效应=1；
· 时间依赖 AUC：无删失时精确等于经验 AUC；
· VIF：等于 1/(1−R²)，完全共线时为无穷；PH 检验：Schoenfeld 残差在最大似然解处求和≈0（得分为零的性质）。

即便如此，内部表现仍偏乐观，关键结论建议你独立复核。工作台已把这一步做成闭环——R 复核三步法：

① 在第④步点「导出 R 代码」，复制按你当前模型与变量生成的脚本（RCS 工具内也有对应 rms 代码）；
② 在 R 里跑（脚本已含 glm/coxph、pROC、tableone、car::vif、cox.zph 等）；
③ 按代码下方的「R 复核对照」清单，把 R 的 OR/HR、AUC、C-index、PH、VIF 等与本工具逐项对上。方向与量级一致即说明实现吻合。

真正的外部验证还应包括在独立人群/数据上重新评估模型（而非仅复核同一份数据的计算）；预测模型研究建议遵循 TRIPOD 报告规范。

开始使用

准备好数据就去 项目工作台 走一遍；想先按工具浏览，去 研流首页 或 Labs 总站。