5.9 KiB
5.9 KiB
专家视角：统计分析计划 (SAP) 的解构与配置映射
文档版本： v1.0
创建日期： 2026-02-18
核心议题： 从医学统计专家的视角，重新定义 Planner 的规划逻辑与 Admin 的配置要素。
1. 统计专家的“问诊”逻辑 (The Statistician's Mindset)
当医生拿着数据来找我（统计专家）时，我脑子里的思维路径是这样的：
第一步：明确研究目的 (Objective)
- 专家会问：你是要描述现状？比较差异？探索关联？还是预测未来？
- 系统映射：意图识别配置。
- Config: 关键词映射表（"影响因素" -> 回归分析；"疗效对比" -> 差异检验）。
第二步：明确数据特征 (Data Characteristics)
- 专家会问：你的结局变量（Y）是什么类型的？（连续/分类/生存时间）你的分组变量（X）是几组？数据是独立采样的，还是同一个病人前后的对比（配对）？
- 系统映射：变量角色定义。
- Config: 工具的适用数据类型约束（如：ST_T_TEST_IND 要求 Y=Numeric, X=Categorical(2 levels), Design=Independent）。
第三步：制定分析策略 (Strategy)
- 专家会想：既然是比较两组连续变量，先看正态性。如果正态，用 T 检验；如果不正态，用 Wilcoxon。最后还要画个图直观展示。
- 系统映射：决策树与组合配置。
- Config: 不仅仅配置“一个工具”，而是配置 "标准分析流 (SOP)"。
2. 一份标准的 SAP 包括什么？ (Anatomy of SAP)
Planner 生成的不仅仅是一个 Tool Code，而应该是一份完整的作战地图。
2.1 SAP 的核心要素
- 分析集定义 (Analysis Set)：全分析集 (FAS) 还是符合方案集 (PPS)？（MVP 阶段默认全数据）。
- 变量操作 (Data Manipulation)：需要计算 BMI 吗？需要把年龄分段吗？
- 描述性统计 (Descriptive)：基线表怎么做？（连续变量算 Mean±SD，分类变量算 N(%)）。
- 推断性统计 (Inference)：核心假设检验方法（方法论 + 假设前提）。
- 图表规划 (Visualization)：用什么图展示结果最直观？
2.2 我们的 Planner 应该输出什么？
用户看到的“预习卡片”，本质上就是 SAP 的摘要版：
🎯 统计分析计划
- 研究假设：男性与女性的血糖水平存在差异。
- 数据清洗：剔除 GLU 为空的样本；自动计算 BMI = Weight/Height^2。
- 统计方法：
- 优先使用 独立样本 T 检验。
- 前置条件：需满足正态性（Shapiro-Wilk P > 0.05）。
- 替代方案：若不满足，转为 Mann-Whitney U 检验。
- 图表展示：分组箱线图 (Boxplot) 叠加散点。
3. 这种视角下，后台需要配置什么？ (Config Requirements)
我们要配置的不是“API 参数”，而是**“统计学家的知识图谱”**。我们需要在 Excel 中增加这几列：
3.1 决策逻辑配置 (Decision Logic)
这是 Planner 的核心。专家需要定义：
| 配置项 | 含义 | 示例 (T检验) |
|---|---|---|
| Goal_Type | 分析目的 | Difference (差异比较) |
| Y_Type | 因变量类型 | Continuous (连续数值) |
| X_Type | 自变量类型 | Categorical_2 (二分类) |
| Design_Type | 设计类型 | Independent (独立) |
| Pre_Conditions | 前置假设 | Normality, Homogeneity |
Planner 的逻辑：
用户输入 -> 提取 (Goal, X, Y) -> 查配置表匹配 -> 命中 ST_T_TEST_IND。
3.2 完整分析流配置 (Analysis Flow)
一个工具往往伴随着一套动作。专家需要定义“套餐”：
| 配置项 | 含义 | 示例 |
|---|---|---|
| Main_Method | 主方法 | t.test |
| Desc_Method | 描述方法 | mean_sd (均值标准差) |
| Plot_Type | 推荐图表 | boxplot + jitter |
| Alt_Method | 替代方法 | wilcox.test (非参数) |
3.3 结果解读模板 (Narrative Template)
专家要教 AI 怎么写论文里的“结果”部分。
- 配置内容：
"本研究共纳入 {{n}} 例样本。{{group_col}} 各组间 {{val_col}} 的差异 {{significance}} (t={{statistic}}, P={{p_value}})。如图 1 所示，{{high_group}} 的数值显著高于 {{low_group}}。"
4. 对架构的深层影响
您的质疑直接推动了 Config Center (配置中台) 的升维。
- Planner 变重了：它不能只做简单的 RAG 检索。它需要内置一个轻量级的推理机（基于专家配置的决策表），来模拟专家“看病”的过程。
- Executor 变纯粹了：它只需要忠实地执行 SAP 中的指令（包括主方法、替代方法、画图）。
- Excel 配置表变复杂了：我们需要设计一个更结构化的 Excel，让专家能把这些逻辑填进去。
新版 Excel 配置结构预览
Sheet: Knowledge_Graph (知识图谱)
- Scenario_ID: 场景代码 (如 DIFF_NUM_2GRP_IND)
- User_Intent: 用户意图 (差异比较)
- Data_Pattern: 数据特征 (Y=数值, X=2分类, 独立)
- Rec_Tool_Code: 推荐工具 (ST_T_TEST_IND)
Sheet: Tool_Definition (工具定义)
- Tool_Code: ST_T_TEST_IND
- Workflow: [Check_Normality, Check_Variance, Run_Test, Plot_Box] (定义一连串动作)
- Report_Template: 结果解释模板...
5. 总结
您是对的。统计分析规划（Planner）的核心不是“检索”，而是“匹配”和“决策”。
我们需要了解用户的：
- 目的 (差异/相关/预测)
- 变量类型 (数值/分类/等级)
- 实验设计 (独立/配对/随访)
我们的系统配置，必须围绕这三个维度展开。 只有这样，SSA-Pro 才能生成一份让医生信服的 SAP，而不仅仅是扔给用户一个 T 检验代码。