| name | experiment-design-helper |
| description | 实验设计引导工作流，覆盖问题定义、设计选择、样本量计算、方案生成四个步骤。
当用户提到：实验设计、样本量估算、研究方案、RCT、随机对照试验、功效分析、
效应量、检验功效、实验方案、研究设计时使用。适用于临床研究、基础科研和量化研究设计阶段。
|
| category | experiment_design |
| agents | ["nini"] |
| tags | ["experiment-design","sample-size","power-analysis","research-planning","rct"] |
| aliases | ["实验设计","样本量计算","研究方案设计","experiment design","sample size calculation"] |
| allowed-tools | ["sample_size","stat_test","task_state"] |
| user-invocable | true |
| disable-model-invocation | false |
| contract | {"version":"1","trust_ceiling":"t1","steps":[{"id":"define_problem","name":"问题定义","description":"引导用户明确研究假设、自变量/因变量、比较目标和研究背景","tool_hint":"task_state","depends_on":[],"trust_level":"t1","review_gate":false,"retry_policy":"skip"},{"id":"choose_design","name":"设计选择","description":"基于问题类型推荐实验设计方案（RCT、配对、析因、交叉等）","tool_hint":null,"depends_on":["define_problem"],"trust_level":"t1","review_gate":false,"retry_policy":"skip"},{"id":"calculate_params","name":"参数计算","description":"调用 sample_size 工具计算所需样本量，明确效应量、显著性水平和检验功效","tool_hint":"sample_size","depends_on":["choose_design"],"trust_level":"t1","review_gate":false,"retry_policy":"skip"},{"id":"generate_plan","name":"方案生成","description":"生成实验方案草稿，标注 O2 草稿级，包含伦理提示和局限性声明","tool_hint":null,"depends_on":["calculate_params"],"trust_level":"t1","review_gate":true,"retry_policy":"skip"}],"input_schema":{"type":"object","properties":{"research_question":{"type":"string","description":"研究问题或假设描述"},"domain":{"type":"string","description":"研究领域（如临床医学、生物学、心理学等）"}}},"output_schema":{"type":"object","properties":{"experiment_plan":{"type":"string","description":"实验方案草稿（O2 级）"},"sample_size":{"type":"integer","description":"每组所需样本量"}}},"evidence_required":false} |
实验设计引导工作流
输出等级声明：本 Skill 所有输出标注为 O2 草稿级（可编辑初稿，需专业人员审核）。
trust_ceiling = T1（草稿级），实验方案生成前将触发人工复核门（review_gate）。
本技能引导研究者完成实验设计四步骤：问题定义 → 设计选择 → 参数计算 → 方案生成。
最终方案供参考使用，不可直接用于临床实施或正式申报。
步骤一：问题定义（define_problem）
目标
帮助用户将模糊的研究意图转化为可检验的科学假设，明确实验的核心要素。
LLM 提示模板
你是一名生物统计顾问，正在协助研究者进行实验设计。
请基于用户描述，通过提问引导其明确以下要素：
1. **研究问题**：想回答什么科学问题？
2. **主要假设**：零假设（H₀）和备择假设（H₁）是什么？
3. **主要结局指标**：主要观测的变量是什么（如血压、基因表达量）？
4. **自变量/干预因素**：实验组和对照组如何区分？
5. **研究对象**：纳入/排除标准是什么？
6. **时间框架**：观察期多长？
每次只问一个问题，等待用户回答后再继续。
输出格式：提出问题 + 示例答案（帮助用户理解）
输出规范
- 以结构化摘要形式呈现研究问题核心要素
- 明确标注哪些信息已确认、哪些仍需补充
- 等级标注：O2 草稿级
步骤二：设计选择（choose_design）
目标
基于步骤一的问题定义，推荐最适合的实验设计类型，说明选择理由和适用前提。
LLM 提示模板
基于以下研究问题摘要：
{define_problem_output}
请为研究者推荐合适的实验设计方案。重点考量：
**主要设计类型**：
- **RCT（随机对照试验）**：适合干预性研究，因果关系最强，但成本高
- **配对设计**：适合个体差异大的情况，提高检验功效
- **析因设计**：适合同时研究多个因素及其交互作用
- **交叉设计**：适合慢性病或稳定结局，同一受试者接受多种干预
**推荐原则**：
1. 说明推荐的设计类型及其核心理由
2. 说明该设计的统计检验方法（t 检验、ANOVA 等）
3. 列出主要假设和局限性
4. 建议效应量的参考范围（引用文献领域惯例）
输出包含：设计类型、适用理由、统计方法、建议效应量参考值。
标注：本推荐为 O2 草稿级，需结合具体学科规范和文献调研调整。
输出规范
- 推荐 1-2 种设计方案，含理由对比
- 注明文献领域常用效应量参考范围（小/中/大效应）
- 等级标注：O2 草稿级
步骤三：参数计算（calculate_params）
目标
调用 sample_size 工具，基于效应量、显著性水平和检验功效计算所需样本量。
LLM 提示模板
基于步骤二确定的实验设计，现在计算样本量。
请引导用户确认以下参数：
1. **设计类型**：two_sample_ttest / anova / proportion
2. **效应量**：使用步骤二推荐的参考范围，或请用户提供文献中的估计值
3. **显著性水平（α）**：通常 0.05，高风险研究用 0.01
4. **检验功效（1-β）**：通常 0.8，高要求研究用 0.9
5. **组数**（ANOVA 设计）：实验组数量
调用 sample_size 工具后，将结果整理为：
- 每组所需样本量
- 考虑 20% 脱落率后的实际招募量建议
- 参数敏感性说明（效应量估计误差对样本量的影响）
输出规范
- 展示
sample_size 工具的完整计算结果
- 提供考虑脱落率的实际招募量建议（通常 +10%~30%）
- 等级标注：O2 草稿级
步骤四：方案生成（generate_plan）
目标
综合前三步结果，生成完整的实验方案草稿。
⚠️ review_gate = true：方案生成前将暂停，等待用户确认前三步结果后方可继续。
伦理提示规则
检测用户输入中的伦理相关关键词，自动触发伦理提示：
触发关键词：临床试验、人体、患者、受试者、志愿者、动物实验、小鼠、大鼠、IRB、伦理
伦理提示内容（关键词匹配时必须包含）：
⚠️ 伦理审查提示：
本研究设计涉及人体试验/动物实验，实施前必须：
1. 向所在机构伦理审查委员会（IRB/IACUC）提交申请并获批
2. 确保知情同意程序符合赫尔辛基宣言（人体研究）或 3R 原则（动物研究）
3. 在中国临床试验注册中心（ChiCTR）或 ClinicalTrials.gov 完成注册（临床试验）
本 AI 不提供伦理判断，上述责任由研究者和所在机构承担。
LLM 提示模板
综合以下研究设计信息：
- 研究问题：{define_problem_output}
- 实验设计：{choose_design_output}
- 样本量计算：{calculate_params_output}
请生成完整的实验方案草稿，结构如下：
---
**实验方案草稿**（O2 草稿级）
## 1. 研究背景与问题
[简述研究背景和核心假设]
## 2. 实验设计类型与理由
[设计类型 + 选择理由]
## 3. 受试者/样本
- 纳入标准：
- 排除标准：
- 样本量：每组 N 例（考虑脱落率后建议招募 M 例）
## 4. 样本量计算过程
[完整参数：effect_size, alpha, power, 设计类型]
## 5. 干预/处理方案
[实验组 vs 对照组的具体干预描述]
## 6. 主要结局指标
[测量时间点 + 统计方法]
## 7. 统计分析计划
[主要检验方法 + 多重比较处理]
## 8. 伦理考量
[如适用，包含 IRB/IACUC 要求]
## 9. 局限性与风险
[主要方法学局限]
---
⚠️ **输出等级声明**：本方案为草稿级（O2），需专业人员审核后方可实施。
研究者应结合具体学科规范、文献证据和机构要求对本方案进行修订完善。
输出规范
- 严格按照上述结构生成完整方案
- 方案末尾必须包含 O2 等级声明和审核提示
- 如检测到伦理相关关键词，必须在"伦理考量"章节包含完整伦理提示
- 等级标注：O2 草稿级
使用示例
用户：我想设计一个研究，比较新药 A 和安慰剂对高血压患者血压的影响
Claude（步骤一）：好的，让我帮您定义研究问题。请问：
您预期的血压变化（主要结局指标）是收缩压还是舒张压，还是两者都要测量？
用户：主要看收缩压的变化
Claude（步骤一完成）：研究问题摘要：
- 干预：新药 A vs 安慰剂
- 主要结局：收缩压变化量（mmHg）
- 研究对象：高血压患者
[继续确认其他要素...]
Claude（步骤二）：推荐设计：平行组 RCT
统计方法：独立样本 t 检验
文献参考效应量：Cohen's d 通常在 0.3~0.6 之间...
Claude（步骤三）：样本量计算结果：
调用 sample_size(design_type="two_sample_ttest", effect_size=0.5, alpha=0.05, power=0.8)
→ 每组 64 例，考虑 20% 脱落率建议招募 77 例/组
[review_gate 触发：等待用户确认以上结果]
用户：确认，继续生成方案
Claude（步骤四）：[生成完整方案，包含伦理提示...]
⚠️ 本方案为草稿级（O2），需专业人员审核后方可实施。
重要限制声明
- 本 Skill 不提供：伦理合规判断、临床适应症建议、统计推断的最终结论
- 本 Skill 仅提供：实验设计引导和样本量估算的框架性参考（O2 草稿级）
- 使用前提：用户需具备基本统计背景，或在统计顾问指导下使用
- 更新频率：样本量计算使用统计公式，无需更新；领域效应量参考值请查阅最新文献
