AIclinicalresearch/docs/03-业务模块/RVW-稿件审查系统/06-开发记录/2026-02-18 统计验证扩展与用户体验优化.md

RVW V2.0 开发记录 - 2026-02-18

日期： 2026-02-18
阶段： Week 3 - 统计验证扩展与用户体验优化
开发者： AI Assistant
状态： ✅ 完成

---

📋 今日完成内容

1. 负号归一化功能 ✅

问题背景：

• Word 文档中的负号可能是多种 Unicode 字符（数学减号 \u2212、En Dash \u2013、Em Dash \u2014 等）
• Python 的 float() 无法解析这些特殊字符，导致验证失败

实现内容：

文件	修改
extraction_service/forensics/extractor.py	新增 _clean_statistical_text() 方法，在提取单元格时自动清洗
extraction_service/forensics/validator.py	新增 _clean_number_string() 和 _safe_float() 辅助函数

覆盖的特殊字符：

Unicode	字符	名称	清洗为
\u2212	−	数学减号	-
\u2013	–	En Dash	-
\u2014	—	Em Dash	-
\u2264	≤	小于等于	<=
\u2265	≥	大于等于	>=
\u00d7	×	乘号	x
\u200b		Zero-Width Space	(删除)

---

2. 统计验证方法扩展 ✅

2.1 T 检验验证增强

改进点：

• 智能样本量提取：支持 (n=50)、n=50、(50例) 等多种格式
• 新增 _extract_sample_sizes_from_header() 和 _extract_sample_sizes_from_row() 方法
• 支持括号格式的 SD：45.2 (12.3)
• 支持多行单元格 subrow 精确高亮

2.2 SE 三角验证增强

改进点：

• 支持多行单元格的 subrow 精确定位
• 遍历 P 值列每一行，分别验证
• 显示友好的行描述（如变量名）

2.3 CI vs P 值一致性验证增强

改进点：

• 支持多行单元格 subrow 精确定位
• 支持多个 CI/P 值对的验证
• 使用 _parse_pvalue_flexible 灵活解析

---

3. 前端翻译映射更新 ✅

文件： frontend-v2/src/modules/rvw/components/ForensicsReport.tsx

新增/完善的问题类型中文翻译：

代码	中文描述
ARITHMETIC_TOTAL	总计行错误
STAT_CI_PVALUE_CONFLICT	CI 与 P 值矛盾
STAT_SD_GREATER_MEAN	SD 大于均值
STAT_REGRESSION_CI_P	回归 CI-P 不一致
EXTRACTION_WARNING	提取警告
TABLE_SKIPPED	表格跳过

---

4. 文件格式提示功能 ✅

用户反馈： 上传 PDF 文件后没有数据验证 Tab，需要提示用户

实现内容：

文件	修改
Header.tsx	上传按钮下方添加蓝色提示框，推荐 .docx 格式
ReportDetail.tsx	非 docx 文件时显示黄色警告，解释为什么没有数据验证
TaskDetail.tsx	同上

提示内容：

• 上传时： "推荐上传 .docx 格式文件，可获得完整的数据验证功能。PDF 和 .doc 格式仅支持稿约和方法学评审。"
• 查看报告时： "当前文件为 PDF/.doc 格式，无法进行数据验证。如需数据验证功能，请上传 .docx 格式文件。"

---

📊 当前统计验证能力总览

验证类型	方法	状态
L1 算术	百分比 n(%)	✅
L1 算术	Sum/Total 校验	✅
L2 统计	卡方检验 P 值逆向验证	✅ + subrow
L2 统计	T 检验 P 值逆向验证	✅ + subrow
L2 统计	CI vs P 值逻辑一致性	✅ + subrow
L2.5 取证	SE 三角验证	✅ + subrow
L2.5 取证	SD > Mean 检查	✅

---

📁 修改的文件清单

Python 后端

• extraction_service/forensics/extractor.py - 负号归一化
• extraction_service/forensics/validator.py - 统计验证扩展

Node.js 后端

• (无修改)

前端

• frontend-v2/src/modules/rvw/components/ForensicsReport.tsx - 翻译映射
• frontend-v2/src/modules/rvw/components/Header.tsx - 上传提示
• frontend-v2/src/modules/rvw/components/ReportDetail.tsx - 格式提示
• frontend-v2/src/modules/rvw/components/TaskDetail.tsx - 格式提示

---

📋 待完成工作

V2.0 MVP 剩余任务

任务	优先级	状态
Week 4 功能测试	P0	📋 待开始
Week 4 性能测试	P1	📋 待开始
Week 4 Bug 修复	P0	📋 待开始
Week 4 文档更新	P1	📋 待开始

V2.1 待开发功能

功能	说明
ANOVA 验证	多组比较 P 值验证
配对 T 检验	配对样本验证
非参数检验	Mann-Whitney, Wilcoxon
.doc 格式支持	评估 Pandoc 替代方案
Profile 管理 UI	期刊配置界面

---

💡 技术要点

负号归一化的重要性

# 未清洗时 float() 会崩溃
float('−1.5')  # ValueError: could not convert string to float

# 清洗后正常工作
float('-1.5')  # -1.5

Subrow 高亮原理

Word 表格中一个单元格可能包含多行数据（用换行符分隔），例如：

| 变量 | P值 |
|------|-----|
| 年龄 | 0.82
  性别   0.01  <- 问题在这里
  BMI    0.95 |

通过 data-subcoord="R2C2S2" 属性可以精确定位到第 2 行第 2 列的第 2 个子行。

---

文档版本： v1.0
创建日期： 2026-02-18
下次更新： Week 4 测试完成后