欠損データ戦略
二段階プライバシー優先の欠損データ相談：AIがあなたの研究設計に合わせたプロファイリングスクリプト（MAR診断とLittle's MCARテストを含む）を生成し、ローカルで実行後、匿名化された出力に基づいて完全な処理戦略を提供します。生データはデバイスから出ません。
missing dataimputationMCARMARMNARmultiple imputationdata qualitysensitivity analysisprivacy-firsttwo-phase
使用ガイド
- 研究デザイン、データセットの概要、欠損データのパターン（どの変数か、推定欠損率）を入力してください。
- AI Run をクリックすると、AI がデータに合わせたプロファイリングスクリプト（R または Python）を生成します。
- そのスクリプトを手元のデータセットで実行し、出力をチャットに貼り戻してください。
- 推奨手法、実装コード、Methods セクション草稿、感度分析計画を含む完全な欠損データ戦略を受け取れます。
医学研究アシスタント
変数を入力してAIで直接実行
解説
このツールについて
臨床研究者のための2段階欠損データコンサルタントです。第1フェーズ：AI が研究デザインを考慮したプロファイリングスクリプトを生成します（変数の種類、欠損率、MAR 相関診断、研究デザイン固有のチェック（RCT アーム均衡、縦断的脱落パターン、アウトカム層別欠損性）を網羅）。第2フェーズ：AI が欠損メカニズムを診断し、単なる方法推奨にとどまらず、仮定、実装コード、感度分析を含む完全な戦略を提供します。
欠損データメカニズム参照
| メカニズム | 意味 | プロファイラーシグナル | 典型的なアプローチ |
|---|---|---|---|
| MCAR | 欠損が全変数と独立 | Little 検定 p > 0.05、相関パターンなし | 完全ケース分析または単純補完 |
| MAR | 欠損が観測変数に依存 | 相関シグナル検出 | 多重補完（mice/Amelia）または IPW |
| MNAR | 欠損が欠損値自体に依存 | シグナルなし、但し臨床的論理がパターンを示唆 | パターン混合モデル；仮定を開示必須 |
主要な組み込みガード
二値/カテゴリ/カウント変数に平均値や中央値による補完は行いません。MNAR データはサイレントな補完ができません——AI は仮定を列挙し研究者に判断を委ねます。重要な変数の欠損率が 20% を超えると、2〜3 つのアプローチのトレードオフを示す必須インパクトレポートが生成されます。すべての質問は一括して送信されます（逐一の質問禁止）。
このツールができないこと
実行するための補完コードを生成しますが、データを直接補完しません。MNAR は観測データのみからは確認できません；AI はフラグを立てますが証明できません。複雑な規制提出に対する統計学者の判断を代替しません。
データプライバシー
プロファイリングスクリプトはローカルマシンで完全に実行されます。会話に貼り付けるのは要約統計のみ——生の患者データはコンピュータから出ません。
よくある質問