# **PRD：Tool C \- 科研数据编辑器 (The Research Editor)**

| 文档版本 | V2.1 (扁平化 \+ 长宽转换版) |
| :---- | :---- |
| **产品形态** | Web 端在线编辑器（Local-First 架构，类 Excel 体验） |
| **核心价值** | 提供比 Excel 更懂科研的轻量级清洗工具。通过“扁平化工具栏”和“智能侧边栏”，让医生在不写代码的情况下完成变量加工、质量治理和样本筛选。 |
| **目标用户** | 对数据质量有洁癖的科研人员、临床医生 |

## **一、 产品流程图 (User Flow)**

数据导入(上传/流转) \-\> 性能准入与降采样 \-\> 在线清洗(工具栏全局操作 \+ 侧边栏列操作) \-\> 版本快照 \-\> 导出分析集

## **二、 核心功能需求 (Functional Requirements)**

### **1\. 顶部扁平工具栏 (The Flat Toolbar) —— 核心交互**

*不再使用复杂的 Tab 分组，核心科研功能一字排开，所见即所得。*

#### **1.1 变量加工 (Variable Processing)**

* **P0: 生成新变量 (Generate Variable):**  
  * **功能：** 弹窗提供公式构建器。  
  * **支持：** 加减乘除、括号、以及 ln() (对数)、exp() 等医学常用函数。  
  * **场景：** 计算 BMI \= weight / (height/100)^2。  
* **P0: 计算时间差 (Time Delta):**  
  * **功能：** 选择 起始日期列 和 结束日期列，自动生成差值。  
  * **单位：** 支持按 天、月、年 输出。  
  * **场景：** 计算 年龄、住院天数、PFS/OS。  
* **P0: 长宽转换 (Reshape/Pivot) —— \[V2.1 新增\]:**  
  * **功能：** 将“一人多行（长表）”转换为“一人一行（宽表）”。  
  * **配置项：**  
    1. **唯一ID (Index):** 如 病人ID。  
    2. **区分列 (Columns):** 如 就诊时间 或 次序 (用于生成后缀)。  
    3. **值列 (Values):** 如 白细胞, B超 (需要铺平的数据)。  
  * **场景：** 处理重复测量数据，为 SPSS 重复测量方差分析做准备。

#### **1.2 数据治理 (Data Governance)**

* **P0: 拆分数据集 (Split Dataset):**  
  * **功能：** 按某一列的唯一值（如“中心ID”），将大表拆分为多个 Excel 文件或 Sheet。  
* **P0: 跨列规则检查 (Cross-column Logic):**  
  * **功能：** 定义逻辑规则（如 IF 性别='男' AND 怀孕='是'），在网格中高亮错误行。

#### **1.3 样本筛选 (Cohort Selection)**

* **P0: 构建入排标准 (Cohort Builder):**  
  * **功能：** 高级筛选器。支持多条件组合（AND/OR）。  
  * **输出：** 筛选结果可“另存为新数据集”或“标记为排除”。

### **2\. 右侧智能侧边栏 (Smart Insight Panel) —— 交互灵魂**

*当用户点击表格的某一列时，侧边栏自动滑出，根据列类型提供特定的清洗工具。*

#### **2.1 选中“数值型”列（如年龄、白细胞）**

* **P0: 统计概览：** 显示分布直方图 (Histogram)、最大值、最小值。  
* **P0: 异常值检测：**  
  * 自动标记偏离分布（如 \> 3σ）的值。  
  * 提供按钮：处理异常（支持截断或置空）。  
* **P0: 生成分类变量 (Binning):**  
  * **功能：** 将连续数值转为分类。  
  * **交互：** 设置切点（如 60），生成新列（\<60, \>=60）。  
* **P0: 缺失值填补：** 提供 均值、中位数 填补选项。

#### **2.2 选中“文本/分类”列（如性别、诊断）**

* **P0: 统计概览：** 显示频次图 (Bar Chart)。  
* **P0: 数值映射 (Recode):**  
  * **功能：** 将文本转为统计数值。  
  * **交互：** 列出所有唯一值（Male, Female），用户输入目标值（1, 0）。  
* **P0: 设为敏感字段 (Masking):** 一键脱敏（替换为 \*\*\*\*\*\*）。  
* **P1: 智能纯化 (Smart Clean):** 若检测到 \>10、\<0.01 等含符号数值，提供一键提取数字功能。

### **3\. 超级网格 (The Grid)**

* **P0: 视觉反馈：**  
  * **空值：** 背景显示淡红色。  
  * **脏数据：** 类型不匹配的值显示紫色文字。  
  * **列头图标：** 明确标识变量类型（\# 数值, A 文本, 📅 日期）。  
* **P0: 基础操作：** 列宽拖拽、列排序、双击单元格编辑。

### **4\. 性能与导出 (System)**

* **P0: 性能准入 (Guardrails):**  
  * 行数 \< 5万：全量加载。  
  * 行数 \> 5万：提示降采样预览，或引导使用后端批处理。  
* **P1: 自动快照 (Auto-Save):** 每 10 次操作自动保存到 IndexedDB，防止浏览器崩溃丢失。  
* **P0: 导出定义：**  
  * 导出 Excel/CSV。  
  * **加分项：** 导出时附带变量类型定义（Metadata）。

## **三、 界面原型参考 (UI Reference)**

请参考 工具C\_科研数据编辑器\_原型设计\_V2\_演示.html。

* **布局：** 顶部单行工具栏 \+ 中间全屏网格 \+ 右侧可折叠侧边栏。  
* **交互：** 点击“长宽转换”按钮弹出配置模态框。

## **四、 风险规避 (Risk Mitigation)**

1. **计算精度丢失：**  
   * *解法：* 必须集成 math.js 库进行所有数学运算。  
2. **Pivot 导致内存溢出：**  
   * *问题：* 长宽转换可能会导致列数爆炸（Column Explosion）。  
   * *解法：* 在执行 Pivot 前，预计算结果列数。如果列数 \> 1000，阻止操作并提示用户减少“区分列”的唯一值数量。