用途：为临床试验准备符合 CONSORT 2025、SPIRIT 2025、ICH E9(R1) 估计目标（estimand）框架及 FDA 2023 协变量调整指南的统计报告。核心方法论是先定义估计目标，再选择统计方法，而非反过来。
主要能力：按 ICH E9(R1) 五要素（治疗条件、人群、终点、群体层面汇总指标、伴发事件处理策略）明确估计目标；覆盖五种伴发事件策略（治疗政策、假设性、复合、治疗期间、主分层）；提供 MMRM（mmrm 包，Kenward-Roger 或 Satterthwaite 自由度）、参考基准多重插补（rbmi 包，J2R/CR/CIR/LMCF）、Permutt 临界点分析、基线特征表（tableone）等实现路径；讨论分析人群（ITT/FAS/PP/安全性）与协变量调整。
使用方式：资料给出 R 与 Python 示例，如 mmrm 的 mmrm(formula, data, method="Kenward-Roger", reml=TRUE)，rbmi 的 draws→impute→analyse→pool 流程，tableone 的 TableOne(...) 与 to_excel。使用前需核对版本：Python 用 pip show <package> 与 help(module.function)，R 用 packageVersion('<pkg>') 与 ?function_name；若出现 ImportError、AttributeError 或 TypeError，应检查已安装包并调整示例以匹配实际 API。
适用场景：连续或二分类终点的随机对照试验、肿瘤 OS/PFS、体重管理等慢性病试验、长期安全性终点、含交叉或治疗中断的试验。
限制：资料未提供该技能的具体安装命令、收费方式、平台支持范围或效果数据；部分方法学争议（如 Rubin 方差与频率派方差之争）仍在演进，监管接受度因机构而异，实际应用需结合具体方案与监管沟通。