AI 研究助手

结果导出与复现

导出结果表、图表、SQL 与分析代码。

在医学科研中,图表的清晰美观与实验结论的可复现性(Reproducibility)同样重要。CherryN 为每项研究提供了一键成果导出工具,并将整个取数与分析流程固化为执行回执,确保研究经得起学术同行与审稿人的严格核查。

#导出内容

在课题完成页面,点击顶部操作菜单中的【导出研究资料】按钮,即可将本次研究的完整产出打包导出到本地独立文件夹中。导出的科研资料包结构清晰,包含 7 大核心模块:

#1. 完整研究报告 (report.md)

  • 包含背景依据、纳排流程、基线特征、模型拟合结论与临床讨论;
  • 报告中引用的每一个图表和统计数字均标注了对应的不篡改回执编号(例如 r20、r24),可在说明文档中快速查到对应生成脚本与数据来源。

#2. 发表级高清图表 (results/)

  • 矢量格式 (.svg):图表采用矢量格式渲染,文字与线条支持无损放大,可直接导入 Adobe Illustrator、Inkscape 或排版软件中进行微调与拼图;
  • 高分辨率栅格图 (.png):默认导出 300 DPI 高清图像,完全符合医学主流期刊的初审与终审图像分辨率标准。

#3. 结构化统计表格与指标 (results/)

  • 基线特征 Table 1 (table1.csv):导出标准格式的表格数据,包含变量标签、正态与偏态分布参数、分组频数与百分比、假设检验统计量、P 值及组间 SMD 平衡度;
  • 回归与亚组汇总表 (.csv):多模型调整(Model 1/2/3)的 HR / OR 系数表、95% 置信区间及亚组交互作用分析表;
  • 结构化统计指标 (result.json):机器可读的完整数值结果树,方便对接下游自动化报告或系统调用。

#4. 清洗后分析数据集 (datasets/)

  • 导出经过队列纳排、特征衍生与质控清洗后的最终样本数据表(.csv 格式);
  • 数据集包含完整的观测标识符(如 stay_id、subject_id)与所有入模协变量,方便研究者随时将其导入 SPSS、Stata、Prism 或本地 R 脚本中进行长尾二次探索。

#5. 完整源代码与环境依赖 (sql/、py/)

  • 取数 SQL 脚本 (sql/):包含所有在本地数据库执行的创建临时表、窗口函数聚合与数据物化语句,按执行顺序编号;
  • Python 分析脚本 (py/):包含用于数据质控、统计回归建模与 Matplotlib 绘图的全部源代码;
  • 统计方法库与依赖清单 (py/cherry_methods.py、requirements.txt):提供研究所需的纯函数方法库子集及 Python 依赖清单,确保离线环境可独立运行。

#6. 研究方案与决策记录 (protocol/)

  • 包含研究需求原话 (brief.md)、结构化方案设计 (plan.md)、分析锁定规范 (analysis_lock.md)、人工确认决定记录 (decisions.md) 及研究者工作笔记 (notes.md)。

#7. 说明文档与来源指纹 (README.md、provenance.json)

  • README 说明:提供完整的目录索引、执行回执对照表以及注意事项;
  • 来源指纹 (Provenance):记录每个物化表与脚本的 SHA256 哈希值、输出行列数与运行时间戳,形成不可伪造的证据闭环。

#复现一项研究

国际顶级期刊(如 JAMA、The Lancet、BMJ 等)对真实世界数据研究的透明度与可复现性提出了极高要求。CherryN 采用“回执追踪(Receipt Chain)”机制,确保每一个研究结论都是透明且可复现的:

mermaid
flowchart TD
    A["sql/build_atoms.sql<br>(提取原子指标)"] --> B["sql/build_scores.sql<br>(物化打分数据集)"]
    B --> C["py/qc_dataset.py<br>(执行数据质控审计)"]
    C --> D["py/describe_and_model.py<br>(主分析与图表生成)"]
    D --> E["report.md + 最终图表<br>(包含全部不可篡改回执指纹)"]

#1. 随机种子与环境锁定

  • 所有具有随机特征的统计方法(例如倾向性评分的随机匹配顺序、K 折交叉验证分折等)均在脚本首部显式固定随机种子(例如 random_state=42 或 seed=20260101);
  • 运行依赖项由客户端本地 Python 虚拟环境统一锁定,杜绝版本差异引起的数值波动。

#2. 执行回执链条 (Receipts)

  • 研究中的每一个图表与核心数字,其下方均标注对应的执行回执(例如 results/r20、results/r24);
  • 回执中记录了:所执行的脚本路径、输入数据的 SHA256 哈希指纹、输出行列数与生成时间戳;
  • 当审稿人对某个样本量或统计数值提出疑问时,你可以直接调出对应的回执凭据,清晰出示其来源路径,彻底告别科研“黑箱”。