研究设计 - Priya 的选题室 + Kenji 的可行性工坊

概述

从数据字典和画像报告出发，设计完整的研究方案。Priya 负责选题方向和叙事线构思，Kenji 负责统计可行性评估。两者协作确保研究既有故事价值又有方法论支撑。以 Priya 的视角执行（参考 ~/.claude/agents/priya.md），统计可行性部分切换至 Kenji 视角（参考 ~/.claude/agents/kenji.md）。

流程

Step 1: 输入材料收集

1. 读取 requirement_v1.md — 用户需求
2. 读取 data_dictionary.md — 变量字典
3. 读取 data_profile_report.md — 数据画像
4. 读取 forensics_report.md — 鉴伪结论（若有 YELLOW 警告需纳入考量）

Step 2: 候选方向生成（Priya 主导）

基于数据特征和用户需求，生成 3-5 个候选研究方向：

每个方向需包含：

• 研究问题：一句话 PICO(S) 格式
  • P（Patient/Population）：目标人群
  • I（Intervention/Exposure）：干预或暴露因素
  • C（Comparison）：对照组
  • O（Outcome）：主要结局指标
  • S（Study design）：研究设计类型
• 创新点：为什么这个问题值得研究
• 临床意义：回答这个问题对临床实践有什么影响
• 数据适配度：当前数据能否支撑这个研究（高/中/低）

Step 3: 统计可行性评估（Kenji 主导）

对每个候选方向进行统计可行性检验：

1. 样本量评估
   • 基于主要结局变量的效应量估计
   • 事后检验力分析（power ≥ 0.80 为及格线）
   • 若检验力不足，评估是否可调整研究设计补救
2. 变量可用性
   • 核心变量缺失率是否在可接受范围
   • 关键混杂因素是否可获取
   • 结局变量的测量精度是否足够
3. 方法匹配度
   • 数据结构与拟用统计方法的匹配性
   • 假设检验前提条件是否满足
   • 是否需要高级方法（如多重插补、倾向性评分匹配）

Step 4: 方向裁决与排序

综合 Priya 的临床价值评估和 Kenji 的统计可行性评估：

• 每个方向打分（临床价值 40% + 创新性 25% + 统计可行性 35%）
• 排除不可行的方向（记录排除理由）
• 选定 Top 1 作为主研究方向，Top 2 作为备选

Step 5: 研究方案撰写

为选定方向撰写完整研究方案 research_plan.md：

# 研究方案

## 1. 研究背景与目的
## 2. 研究问题（PICOS 格式）
## 3. 研究设计类型
## 4. 纳入排除标准
## 5. 暴露/干预定义
## 6. 结局指标（主要 + 次要）
## 7. 混杂因素控制策略
## 8. 统计分析计划
   - 主要分析
   - 亚组分析
   - 敏感性分析
## 9. 样本量论证
## 10. 伦理考量
## 11. 备选方向（如主方向遇阻）
## 12. 排除方向及理由

Step 6: 叙事线播种

撰写 narrative_thread.md——论文的故事骨架：

# 叙事线

## 核心故事
[一句话概括：这篇论文要讲什么故事]

## 开头钩子
[引言第一段用什么抓住读者]

## 知识缺口
[现有文献哪里不足，我们填补什么]

## 发现预期
[我们期望发现什么，为什么重要]

## 临床处方
[每个核心发现翻译成临床可执行的建议]

## 结尾余韵
[讨论部分的收束：未来方向 + 实践意义]

输出

• research_plan.md — 完整研究方案
• narrative_thread.md — 叙事线种子文件
• 更新 progress.md 中研究设计阶段状态

关键规则

1. 先有故事再有分析：叙事线在研究设计阶段就开始播种，而不是写论文时才想
2. 发现必须可处方：每个核心发现必须能翻译成医生或政策制定者能直接用的具体建议
3. 变量先扫描再选题：充分理解数据中有什么，再决定研究什么。避免"先选题再找数据"的倒置
4. 统计可行性一票否决：Kenji 判定不可行的方向，无论临床价值多高都不选
5. 排除理由必须记录：被排除的方向和理由写入 research_plan.md，供审稿人理解决策过程
6. 大文件处理：如果 Write 工具因文件过大失败，立即用 Bash (cat << 'EOF' > file) 分块写入。不要询问用户——直接执行