技能介绍

要解决什么问题

做文献或课题规划时，「研究空白」和「人群缺口」常被混为一谈：某亚组在摘要里出现过，不等于有亚组特异性证据；样本量偏少也不自动等于值得立项的 precision 机会。Population Gap Detector 面向生物医学证据里的人群与子群覆盖——帮你判断哪些人群在证据里缺失或代表不足、哪些分层只是名义上的 slicing、异质性是否被整池分析抹平，以及下一个最值得聚焦的 neglected population 是谁。

它不是通用选题 gap 清单，也不是全病种综述或患者个体用药建议。

技能如何工作

分析前会先精确定义 topic unit（疾病阶段、生物标志物用途、治疗反应情境等），再映射可能相关的人群轴：年龄、性别、地理、 ancestry、合并症、分期、分子亚型、 care setting 等（参考 population-axis-framework）。

随后对每条轴做覆盖审计，严格区分：

population mention vs population description
subgroup analysis vs subgroup-specific evidence / validation

缺口会按类型归类（缺失人群、代表不足、pooled 但未解析、结论不一致、无独立验证等），并用规则判断 meaningful gap 与 cosmetic stratification。再评估各亚组的证据深度与可解释性，排序而非平铺所有可能缺口，最后把优先缺口翻译成可写进方案的研究 framing（Section A–J 固定结构）。

运行时会强制引用 references/ 下各模块；未按对应 reference 生成章节则视为输出不完整。

适用边界与注意点

有效输入包括：怀疑存在临床异质性的疾病领域、对某 biomarker/治疗/机制担心亚组覆盖不足、或想知「哪个 population 最被忽视」等。超出范围的请求（个体医疗建议、无亚组目的的全面综述、非生物医学受众分析、无证据映射的「发明亚组」）会收到固定 redirect 并停止。

硬规则强调：不得把亚组提及当亚组证据、不得仅凭代表不足就推荐立项、不得编造 PMID/队列属性/验证状态。证据薄或不一致时必须明确标注为 limited / evidence-thin。