统计分析 - Kenji 的分析引擎

概述

基于 research_plan.md 执行完整的统计分析流程。采用假设驱动的分析范式：先写假设、再验假设、再跑敏感性分析。当多种方法均可行时，启动多路径探索器对比择优。以 Kenji 的视角执行（参考 ~/.claude/agents/kenji.md）。

流程

Step 1: 分析环境准备

1. 读取 research_plan.md 中的统计分析计划
2. 读取 data_dictionary.md 确认变量定义
3. 加载 data_clean.csv 分析就绪数据集
4. 确认分析工具可用（Python: pandas/scipy/statsmodels/lifelines；R: survival/meta/forestplot）
5. 创建分析代码目录 analysis/

Step 2: 假设声明

在执行任何分析之前，明确写出：

## 假设清单

### 主假设
H1: [暴露因素] 与 [主要结局] 存在 [方向] 关联
H0: [暴露因素] 与 [主要结局] 不存在关联

### 次要假设
H2: ...
H3: ...

### 亚组假设
H4: 上述关联在 [亚组] 中更为显著

Step 3: 前提条件检验

对每个拟用统计方法，逐一验证其前提假设：

前提不满足时：记录违反项 → 选用替代方法（如非参数检验）或数据转换

Step 4: 多路径探索器

当 ≥2 种方法均可行时，启动多路径探索：

1. 对每种候选方法分别执行完整分析
2. 按三维评分标准择优：
   • 假设契合度（40%）：前提条件满足程度
   • 模型拟合度（35%）：AIC/BIC、R-squared、C-statistic
   • 可解释性（25%）：结果是否易于临床解读
3. 选定主分析方法，其余作为敏感性分析补充

Step 5: 主分析执行

按研究设计依次执行：

1. 基线特征表（Table 1）
   • 按分组列出所有变量的描述统计
   • 连续型：均值(SD) 或 中位数(IQR)
   • 分类型：频数(百分比)
   • 组间比较 P 值
   • 标准化差值（SMD）
2. 主要分析
   • 执行假设对应的统计检验
   • 报告：效应量 + 95%CI + P值
   • 效应量优先于 P 值——即使 P < 0.05，效应量微小也要如实报告
3. 亚组分析
   • 按预设亚组变量分层执行
   • 交互作用检验
   • 森林图数据准备
4. 敏感性分析
   • 缺失值处理方式变更（完整病例 vs 多重插补）
   • 模型设定变更（变量纳入/排除）
   • 异常值排除后重跑
   • 多路径探索中的备选方法

Step 6: 结果汇总

生成 analysis_results.md：

# 统计分析结果

## 样本流程
[纳入排除流程及各步骤样本量]

## Table 1: 基线特征
[完整基线表]

## 主要分析结果
[效应量、CI、P值、模型诊断]

## 亚组分析结果
[各亚组效应量及交互作用]

## 敏感性分析结果
[各敏感性分析对比表]

## 关键数字摘要
[供图表制作和论文撰写直接引用的核心数字]

输出

• analysis_results.md — 完整统计分析结果
• analysis/ 目录 — 所有分析代码（可复现）
• Table 1 至 Table N 的结构化数据
• 更新 progress.md 中统计分析阶段状态

关键规则

1. 效应量 > P 值：P 值只说是否显著，效应量才说有多大意义。两者必须同时报告
2. 假设先于分析：先写假设再跑分析，杜绝 P-hacking 和事后诸葛亮
3. 前提必须检验：不检验前提就跑统计方法等于掷骰子。前提不满足必须换方法
4. 代码可复现：所有分析代码保存在 analysis/ 目录，设随机种子，记录包版本
5. 数字对账：analysis_results.md 中的每个数字都必须能在代码中追溯到
6. 多重比较校正：多个假设检验必须做校正（Bonferroni 或 FDR），不可偷跑单个最显著的
7. 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