SuperAPI AI 工具集

two-sample-mr-exposure-screening-reference-grounded

设计与创作

查看项目

更新于 10-15 16:45

技能介绍

用途:根据用户提供的结局、单个暴露或暴露族以及验证方向,生成结构化、可执行的两样本孟德尔随机化(MR)研究设计方案,而非文献综述或工具清单。适用文章模式为:暴露/暴露族定义→结局GWAS选择→SNP工具变量提取与LD剪接→协调→IVW主MR→互补估计量→异质性/多效性/留一法敏感性分析→保守因果分诊→可选MVMR/复制/三角验证。

主要能力:输入有效组合为[结局]+[一个暴露或暴露族]+[验证方向/侧重],可选补充暴露筛选面板、祖先匹配、仅用公开汇总统计、更强敏感性分析、仅一个主暴露、MVMR升级、反向MR升级、更严格工具规则、偏好配置级别。按固定七步执行:推断研究类型、选择研究模式(单暴露主MR、暴露面板筛选、稳健性与敏感性、扩展因果架构、复制与三角验证)、输出Lite/Standard/Advanced/Publication+四种配置、推荐一个主方案、必做参考文献检索层(要求真实可验证标识如DOI/PMID/PMCID或稳定链接,不得编造)、依赖一致性检查、构建完整研究设计。输出必含A–J分节:核心科学问题、配置概览表、推荐主方案、依赖/证据图、分步工作流(提及数据集前须加Dataset Disclaimer)、图表与交付物计划、验证与稳健性、最小可执行版本(2–4周,须为Lite的严格子集)、发表升级路径、参考文献包、自评风险审查。

限制:不适用于临床治疗建议、患者个体诊断、处方、个体基因型处理流程、无遗传工具的纯观察性流行病学、以单样本MR为中心的设计及非生物医学请求。仅用汇总统计时禁止分子机制确认、干预效果确定性、个体风险预测及治疗确定性表述。若无法联网检索,须明确说明并输出检索策略与证据缺口,而非虚构文献。分类依据其医学研究设计用途归入写作与研究。