Consigliere sui metodi statistici (Lite)
Determina rapidamente il test statistico corretto per i tuoi dati in base alle variabili e ai risultati, con semplici motivazioni e suggerimenti per i comandi software.
- Compila la descrizione dei dati e la domanda di ricerca (obbligatori); indica opzionalmente il disegno dello studio, il software di analisi e l'area di ricerca per raccomandazioni più precise.
- Fai clic su AI Run e riceverai direttamente nella chat una rapida raccomandazione statistica con relativa motivazione.
- Chiedi una spiegazione più approfondita, approcci alternativi o una bozza della sezione Methods.
Cosa fa questo strumento
Uno strumento di rapido supporto decisionale statistico per i ricercatori clinici. Descrivi le variabili, la struttura dei gruppi e la domanda di ricerca — l'AI raccomanda il test appropriato, ne verifica le assunzioni e fornisce una bozza della sezione Metodi pronta all'uso. Progettato per analisi semplici con un singolo esito primario.
Logica decisionale
La scelta del metodo dipende da tre domande: Che tipo è l'esito? Quanti gruppi? Campioni appaiati o indipendenti? Combinazioni comuni:
| Esito | 2 gruppi indip. | 2 gruppi appaiati | 3+ gruppi |
|---|---|---|---|
| Continuo (normale) | t di Student indip. | t di Student appaiato | ANOVA a 1 via |
| Continuo (asimmetrico) | Mann-Whitney U | Wilcoxon con segno | Kruskal-Wallis |
| Binario / categorico | Chi-quadro / Fisher esatto | McNemar | Chi-quadro |
| Conteggio / tasso | Regressione di Poisson | — | — |
Conoscere questa logica ti consente di verificare le raccomandazioni dell'AI anziché accettarle ciecamente. L'AI conserva la tua descrizione originale dei dati tra le domande di follow-up — puoi iterare (es. "e se il campione fosse a 3 gruppi invece di 2?") e segnalerà esplicitamente cosa è cambiato rivedendo la raccomandazione.
Quando aggiornare alla versione completa
Questa versione Lite gestisce confronti semplici a esito singolo. Usa la versione Integrale per: regressione multivariabile (aggiustamento per confondenti); misure ripetute o dati longitudinali; analisi di sopravvivenza; calcolo della dimensione del campione; più esiti primari con correzione per confronti multipli.
Privacy dei dati
Descrivi il tuo dataset in modo strutturale — nomi delle variabili, tipi, dimensione del campione, pattern di dati mancanti. Non incollare mai cartelle cliniche grezze o informazioni identificabili.