Agent Skills
返回列表
📊

Nature 稿件统计报告

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装规范名 @org-eyw2ohcx/yuan1z0825-nature-skills-nature-statistics。

技能介绍

统计报告的第一道坎:n 到底指什么

论文里的统计问题,很少是 p 值算错了,更多是分析单位从头到尾就说不清楚。常见的翻车方式包括:

  • 把细胞数、视野数、重复读数、谱图、模型运行次数当成独立的生物学样本
  • 只写“显著”或“不显著”,不给效应量、区间范围和准确的检验定义
  • 图例里写 t 检验,正文里写 ANOVA,源数据里又是另一套
  • 缺信息时悄悄补上——样本量、软件版本、校正方法、排除规则全靠猜

Nature Statistics Reporting Skill 要处理的就是这些根本问题。

技能的工作方式

核心原则只有一句:先明确三件事——测了什么、以什么单位分析、推断到了哪一级。它默认把独立实验单位作为 n,优先使用效应量和不确定性区间,而不是只盯 p 值。所有缺失信息统一标记为 AUTHOR_INPUT_NEEDED,绝不编造。

工作流程分两步。第一步,提取实验设计——分组、处理、时间点、终点、区组、随机化、盲法、排除规则、缺失数据处理全部拆出来。第二步,把每条结论映射到具体分析:比较方式、检验族、假设前提、校正策略、效应估计、区间和 p 值政策,一项都不能少。

途中会检查常见失效模式(嵌套数据、多重比较、交互项、回归、离群点、只看显著性的措辞),再逐一对照报告清单。若目标是旗舰 Nature,加载 references/nature-article-requirements.md;若是 Nature Machine Intelligence,加载对应期刊格式文件。图例、面板标签、星号、误差线也会跑一遍对齐检查,避免图文不一致。

如果用户提供了原始数据,且明确要求再分析或校验图上数字,技能也能做有限度的数据重算——但这不是默认行为。

适用边界

这是报告和审稿辅助工具,不是统计学家的替代品。以下情况会明确拒绝或降级处理:

  • 分析单位或实验设计本身不清楚,无法判断该用什么检验
  • 信息不足但需要医学、监管或临床试验层面的统计建议
  • 想把统计关联升级为因果或机制结论

最终交付前会跑一轮 QA 检查,标出严重程度标签和未决问题。

使用场景

  • 投稿 Nature 前,需要做统计设计扫描,检查 Methods 中的 n 是否把技术重复当成了独立生物学样本,结果还能支撑结论吗
  • 审稿人要求補充效应量和区间范围,要改写 Results 段落,把 p 值换成带不确定性区间的表述,别忘了给出准确检验定义
  • 需要核对图例与正文统计是否一致,确认 Source Data 里的 p 值符号和误差线口径对得上,避免图文互相矛盾
  • 收到评审意见指出统计表述只用 p 值强调效果,要重写为含效应量和置信区间的完整语句,同时保持结论不越界

适合人员

  • 撰写 Nature 家族期刊论文的博士生与博士后:希望统计语言与实验设计一致,n 定义不出现逻辑漏洞,投稿前能完整走一遍报告审查
  • 期刊编辑或合同评审专家:需要快速判断稿件里 Methods 统计段的严谨度,能用固定框架检查样本量、检验族和校正策略的完整性
  • 协助打磨实证结果章节的研究生:被指点要求'在方法里注意一下 n',想获得可对照逐项审计清单改写统计段的参照工具
  • 负责审稿回复的通信作者:想根据 reviewer 的修改清单核对每条统计提问,逐项确认正文补充是否正确