每个变量先有定义
变量名、单位、取值范围与来源字段先定下来，所有表都从这份字典长出来。
案例 · 临床研究
队列描述与统计建模，每一步都写进变量字典
变量怎么定义、缺失怎么处理、模型为什么这么选——这些决定通常散落在邮件里。这份案例把它们固定在同一个地方。
Clinical research研究模式
4用到的连接器
6执行步骤
.science归档格式
第一步 · 研究问题
三个决定要先写下来
它们决定了后面每一张表怎么读。
缺失不是删掉了事
缺失比例、处理方式与理由逐条记录，敏感性分析才不会变成摆设。
先说明为什么用它
结局类型、样本量与协变量决定模型，选择理由写进研究记录。
第二步 · 数据来源
外部数据用来参照，不覆盖你的队列
取回的信息作为来源记录附在成果上，你的队列文件不被改动。
| 数据源 | 在这个案例里做什么 | 取回什么 |
|---|---|---|
| 临床试验 | 对照试验设计、入排标准与结局定义 | 试验条目、设计字段与结局定义 |
| 临床基因组学 | 核对变异与临床注释的对照信息 | 变异条目与临床注释 |
| GDC | 对照肿瘤队列的临床字段与随访结构 | 临床字段、随访与生存信息 |
| 癌症模型 | 为队列里的一部分样本找对应模型与药敏信息 | 模型条目与药敏记录 |
外部数据不会覆盖你本地的队列文件。Soma 读写的是你的项目文件，取回的信息作为来源记录附在成果上。
第三步 · 执行路径
六步走完描述与建模
顺序不重要，写下来才重要。
- 01变量字典把变量名、单位、取值范围与来源字段列成一份表，作为后面所有产出的地基。
- 02描述性统计按分组给出基线特征；缺失与异常在表前先说明处理方式。
- 03缺失处理逐条记录缺失比例与处理理由，对比删除与插补两种结果。
- 04建模按结局类型选模型；协变量与交互项的选择理由写进研究记录。
- 05敏感性分析换一套纳入标准与模型设定再跑一遍，看结论是否稳。
- 06归档与交付表、图、脚本与变量字典一起归档，版本可回滚。
第四步 · 产出与证据
表、图、字典与脚本，一起交付
审阅者拿到的是一份材料，不是一堆附件。
定义只有一份
所有表引用同一份变量定义，改了字典就知道哪些表需要重出。
表来自脚本
描述表与模型输出由脚本生成，不是手工拼出来的。
改动看得见
版本历史保留差异与恢复点，改过哪一版、改了什么都查得到。
审阅者一定会问的三个问题
问题不难，难的是每次都答得出来。
- 这些变量是怎么定义的，中途改过没有？
- 缺失是怎么处理的，换一种处理结论会不会变？
- 模型为什么这么选，样本量撑得住吗？
- 这三件事都能在证据链与版本历史里找到答案，而不是靠回忆。