公开数据选题是否可行

把这项任务交给RigorMed：材料、产物与核对

1. 把“这个题能不能做”写成一份可行性备忘录

   下面是建议任务输入与整理目标，不是本轮实跑或客户成效；是否执行及具体交付仍须核对材料、能力与确认结果。

   需要提供的材料: 研究问题、合法数据来源、变量说明、已有样本汇总和已核对的相近研究。

   可请求的产物／交付目标: 可行性备忘录、缺口清单和方案讨论稿。

2. 可直接改写的任务输入

   把已具备条件、待确认项、阻断项分开，逐项绑定来源；分别检查变量、设计、样本与新增价值，给出保留、收窄或暂缓的研究方案建议。

3. 如何检查结果

   不凭热门数据库、总样本量或单个显著结果证明可行；不补造伦理、事件数或功效。

把可行性分成三种结论

可行性不是简单的“能做”或“不能做”。明确结论等级，才能把下一步动作说清楚。

“条件性可行”不能被当作默认放行。缺口必须具体到某个来源、变量、样本或方法事实，并有明确的验证结果，才能转为可进入方案。

公开数据选题的七项核对

1. 研究问题是否足够明确

   写清目标人群、主要暴露或预测因素、主要结局、时间范围和研究设计。只有疾病或数据库名称，没有形成可以核对的问题。

2. 数据是否真实可得且允许使用

   保存官方入口、版本、访问日期、许可或数据使用协议、申请条件、引用要求和再分发限制。公开网页、可检索目录和可以下载患者级数据是不同状态。

3. 研究设计是否支持目标结论

   核对抽样框、纳入人群、观察时间、暴露与结局的时间顺序以及目标总体。横断面调查、登记数据和医院数据能回答的问题并不相同。

4. 核心变量是否可以逐项核验

   主要暴露、结局和必要协变量都要有官方定义、测量方法、单位、编码、适用人群和周期证据。关键概念只能通过不完整代理变量表达时，应预先说明测量偏差和解释限制。

5. 有效样本是否支持预设分析

   按纳入排除条件和变量可用性估算最终样本，而不是引用数据库总人数。二分类结局还要看事件和非事件，预测研究要考虑开发与验证隔离，复杂抽样数据要考虑设计自由度。

6. 相似研究是否已经核对

   通过 PubMed 等文献来源检索最近似研究，并按需要检查 ClinicalTrials.gov 等注册记录。比较人群、数据周期、变量定义、设计、模型和结论，不要只看题名是否完全相同。

7. 分析与治理边界是否可落实

   在统计前明确主要模型、缺失数据策略、敏感性分析和报告规范，并由责任主体确认伦理、豁免、数据使用与研究注册等要求。软件可以提示缺口，但不能代替机构和研究者作出治理决定。

不能单独证明题目可行的六种信号

1. 数据库样本总量很大；
2. 核心词在变量搜索页面出现过；
3. 已有文章使用过同一个数据库；
4. 初步模型得到统计学显著结果；
5. 没有检索到标题完全相同的论文；
6. 某种复杂模型可以在当前数据上运行。

形成可行性结论前的检查清单

建议把每一项记录为已确认、待确认、缺失或阻断，并保存证据来源：

• 研究问题与目标结论是否明确？
• 官方数据入口、版本、访问条件和允许用途是否已确认？
• 目标人群、抽样框和时间结构是否与题目一致？
• 主要暴露、结局和必要协变量是否均有可核验定义？
• 跨周期或跨来源变量是否有可比性证据？
• 最终分析样本、事件、非事件和缺失是否已初步量化？
• 模型参数、抽样设计和验证策略是否与样本匹配？
• 最近似文献与相关注册研究是否已留存检索证据？
• 题目的新增价值是否超出换变量、换周期或换模型？
• 伦理、授权、注册和报告规范是否已明确责任边界？

可行性通过只表示题目具备进入方案阶段的条件，不代表统计结果必然显著，也不代表论文可以发表。

常见问题