研究设计咨询
一个'魔鬼代言人'AI，对您的研究设计进行压力测试，揭露隐藏的偏倚，并推荐最严谨的方法学——从 RCT 到目标试验模拟。
- 填写研究问题、约束条件和可用资源。
- 点击 AI Run，即可在聊天中获得定制化的研究设计建议。
- 你可以通过继续追问讨论权衡取舍，或探索替代性设计方案。
选择合适的研究设计是临床研究规划中技术要求最高的环节之一。错误的设计可能引入无法消除的偏倚，使研究结论无论数据收集执行得多么出色都难以令人信服。反之，选择比实际需要更复杂的设计则浪费资源，还可能给受试者带来不必要的负担。大多数研究者，包括经验丰富的临床医生，在现代因果推断方法方面的正规培训存在空白——本工具正是为弥补这一空白而设计的。
本工具充当"魔鬼代言人"式研究设计咨询顾问。它不是简单地认可研究者的初步直觉，而是通过识别内部效度威胁、偏倚来源、混杂结构和推断局限性，对拟议设计进行系统性压力测试。这种对抗式方法——模拟严格的同行评审过程——在研究启动之前就发现问题，此时纠正仍为时不晚。
本工具覆盖临床研究设计的完整谱系：观察性设计（横断面研究、病例对照研究、回顾性和前瞻性队列研究）、干预性设计（预试验、实用性RCT、整群RCT、平台试验），以及现代因果推断方法——包括在缺乏RCT数据但需要利用观察数据估计因果效应时的目标试验模拟（TTE）。TTE正日益被认可为从电子健康记录中提取因果估计的方法学黄金标准。
针对每条设计推荐，本工具提供与标准框架相匹配的偏倚风险评估（观察性研究使用Newcastle-Ottawa量表，临床试验使用Cochrane RoB 2），说明必须测量和控制哪些混杂因素，并明确哪些统计方法是适当的——同时对逐步回归等会扩大I类错误的过时方法发出明确警示。
"可用资源"输入（患者数据获取渠道、经费、时间周期、人员配置）至关重要：它防止AI向只有六个月时间和一名研究助理的研究者推荐需要五年的前瞻性RCT。本工具始终推荐在既定约束条件下可实现的最严谨设计。
获得设计推荐后，建议用户在提交研究方案或伦理申请之前，咨询所在机构的生物统计学家，完成正式的样本量计算和统计分析方案的最终确定。