场景案例 ·

康复医学数据分析用 AI 一句话完成 — 重复测量、疗效评估与 APA 报告

康复医学科研必看：重复测量 ANOVA、混合效应模型、前后测疗效评估，ChatSRS AI 一句话完成，生成符合 APA 7th 格式的康复疗效分析报告，含 Greenhouse-Geisser 校正、效应量与论文可用句式。

康复医学研究最核心的设计就是"让同一批患者接受干预，在多个时间点测量功能评分"——这正是重复测量设计。Barthel 指数、FMA 运动功能评分、VAS 疼痛量表、6 分钟步行测试……这些结局指标的数据分析，不仅要求正确选用重复测量 ANOVA 或混合效应模型，还要报告球形检验、校正方法、效应量和事后比较，且全部符合 APA 7th 格式。本文把康复科研最常见的统计分析场景一次串通，每步给出 ChatSRS 可直接使用的指令，以及可抄进论文的 APA 报告句式。

康复医学论文数据分析为什么容易出问题

康复科研数据有几个高频痛点：

  • 重复测量设计（基线 / 治疗 4 周 / 治疗 8 周 / 随访）违反观测独立性，不能直接用普通 ANOVA
  • Mauchly 球形检验报不报、不满足时用 Greenhouse-Geisser 还是 Huynh-Feldt，多数人搞不清
  • 两组（干预组 vs 对照组）叠加多时间点，是做"组别 x 时间"双因素重复测量还是混合效应模型，判断标准模糊
  • 结局指标多为量表评分，小样本（n = 20-40）却需要完整的效应量、置信区间报告
  • 审稿人常要求补：配对比较的 Bonferroni 校正、事后两两比较表、交互效应图

这些问题根源是康复研究设计的重复测量属性要求更严格的假设检验和更丰富的报告信息。chatsrs.com 把这整条链条变成对话，一句话触发完整分析流程。

康复医学典型研究设计

设计一：单组多时间点（治疗前 / 中 / 后随访）

最常见设计，例如：

  • 脑卒中患者接受康复训练，分别在第 0、4、8 周测量 Fugl-Meyer 上肢评分
  • 膝关节置换后康复，3 个时间点测 VAS 疼痛评分与关节活动度
  • 脊髓损伤患者 ASIA 运动功能评分纵向追踪

典型数据结构：

患者ID   基线(T0)   4周(T1)   8周(T2)   随访(T3)   年龄   诊断类型
P001     28          41         55         62         54     脑梗死
P002     22          33         47         53         61     脑出血
...

核心统计链：描述统计 → Mauchly 球形检验 → 单因素重复测量 ANOVA（或校正） → 事后 Bonferroni 配对比较 → 偏 eta 方效应量

设计二：两组 x 多时间点（干预组 vs 对照组）

对比性康复试验的标配设计，例如：

  • 机器人辅助训练 vs 常规训练，4 个时间点测量步速与平衡评分
  • 不同频率电刺激方案对肌力恢复的比较
  • 家庭康复 + 远程指导 vs 门诊康复的疗效比较

典型数据结构：

患者ID   组别     基线    4周    8周    12周   性别   病程(月)
P001     干预组   32      46     58     65     男     3.2
P002     对照组   34      37     41     44     女     4.1
...

核心统计链：基线均衡性检验 → 两因素混合设计 ANOVA（组别 between，时间 within） → 交互效应检验 → 简单效应分析 → 混合效应模型（处理缺失数据）

全流程分析演示（脑卒中上肢康复场景）

以"机器人辅助上肢康复训练对脑卒中患者 Fugl-Meyer 评分的影响"为例：干预组 24 人，对照组 22 人，分别在基线（T0）、4 周（T1）、8 周（T2）测量 Fugl-Meyer 上肢运动功能评分（FMA-UE，0-66 分）。

第一步：描述统计与基线均衡性检验

打开 chatsrs.com，上传数据后输入：

"请对干预组和对照组分别输出三个时间点（T0/T1/T2）的均值、标准差、最小值和最大值，生成 APA 三线表；同时用独立 t 检验比较两组基线（T0）是否存在显著差异，并报告 Cohen's d 和 95% 置信区间。"

ChatSRS 自动输出：

表 1  两组各时间点 FMA-UE 描述统计（M +- SD）

                  干预组 (n = 24)                   对照组 (n = 22)
           T0          T1          T2         T0          T1          T2
M         31.25       44.83       55.67       32.09       38.41       43.18
SD         8.46        9.21       10.34        8.73        8.95        9.87

基线均衡性检验（T0）：
独立 t 检验：t(44) = -0.36, p = .722, Cohen's d = 0.10,
95% CI [-5.47, 3.79] — 两组基线无显著差异。

第二步：重复测量 ANOVA — 检验时间主效应

对每组单独检验"随时间推移是否有显著改善"：

在 chatsrs.com 上传数据后输入：

"对干预组的三个时间点（T0、T1、T2）做单因素重复测量方差分析，先做 Mauchly 球形检验；若球形检验显著则报告 Greenhouse-Geisser 校正后的 F 值；报告时间主效应的 F、自由度、p 值、偏 eta 方和观察到的效力（power）；并做事后 Bonferroni 校正两两比较，输出每对比较的均值差、SE、p 和 95% CI。"

ChatSRS 输出：

Mauchly 球形检验：W = 0.831, chi^2(2) = 4.27, p = .038 — 球形假设不满足，
采用 Greenhouse-Geisser 校正（epsilon = 0.856）。

时间主效应（Greenhouse-Geisser 校正）：
F(1.71, 39.34) = 48.63, p < .001, partial eta^2 = .679, power = 1.000

事后 Bonferroni 配对比较（干预组）：
T0 vs T1: MD = -13.58, SE = 1.47, p < .001, 95% CI [-17.14, -10.02]
T0 vs T2: MD = -24.42, SE = 2.03, p < .001, 95% CI [-29.35, -19.49]
T1 vs T2: MD = -10.84, SE = 1.62, p < .001, 95% CI [-14.77, -6.91]

第三步：两因素混合设计 ANOVA — 检验组别 x 时间交互效应

这是康复对照研究最关键的一步：

在 chatsrs.com 上传数据后输入：

"做两因素混合设计方差分析：组别（干预组 vs 对照组）为组间因子，时间（T0/T1/T2）为组内因子。请报告：(1) Mauchly 球形检验；(2) 组别主效应、时间主效应、组别 x 时间交互效应的 F 值、自由度、p 值和偏 eta 方；(3) 交互效应显著时，对每个时间点做简单效应分析（组间比较）；(4) 绘制交互效应折线图（误差棒为 95% CI）。"

ChatSRS 输出：

Mauchly 球形检验（组内因子时间）：W = 0.847, p = .044 — 采用 GG 校正，epsilon = 0.864

混合设计 ANOVA 结果：

效应               F          df               p          partial eta^2
------------------------------------------------------------------
组别（between）    8.43       (1, 44)          .006        .161
时间（within）    62.18       (1.73, 76.07)   < .001       .586
组别 x 时间       12.74       (1.73, 76.07)   < .001       .225
------------------------------------------------------------------
注：时间主效应与交互效应均采用 GG 校正自由度。

简单效应（交互效应显著时各时间点组间比较）：
T0: t(44) = -0.36, p = .722 — 无显著差异（基线均衡）
T1: t(44) = 2.94, p = .005, Cohen's d = 0.87
T2: t(44) = 5.12, p < .001, Cohen's d = 1.52

第四步：混合效应模型 — 处理缺失数据与更精准的估计

康复研究常有患者脱落导致缺失数据，此时推荐用线性混合效应模型（LMM）替代重复测量 ANOVA：

在 chatsrs.com 上传数据后输入：

"用线性混合效应模型分析 FMA-UE 随时间的变化：以组别、时间（连续/分类均可）和组别 x 时间交互为固定效应，以患者 ID 为随机截距（允许个体基线差异），以时间为随机斜率（允许个体恢复速度不同）；比较随机截距模型与随机截距+斜率模型的 AIC/BIC，选择最优模型；报告固定效应系数、SE、t 值、p 值和 95% CI；报告 ICC 值。"

详细混合效应模型原理与操作，参见：混合效应模型（HLM）用 AI 一句话完成

第五步：非参数替代方案（小样本 / 非正态分布）

若样本量 < 20 或正态性检验不满足，使用 Friedman 检验替代重复测量 ANOVA：

在 chatsrs.com 上传数据后输入：

"对三个时间点的 FMA-UE 评分做 Friedman 秩和检验（非参数重复测量替代），报告 Friedman chi 方、自由度和 p 值；若显著，做 Wilcoxon 符号秩事后两两比较，Bonferroni 校正 p 值；报告效应量 Kendall's W。"

论文方法/结果写法（APA 7th，康复疗效报告句式）

以下报告句式经过 APA 7th 规范对齐，数字替换为你自己的结果即可直接进论文。

方法章节：数据分析策略

本研究采用两因素混合设计方差分析（Mixed-Design ANOVA）检验康复干预效果，组别（干预组 vs 对照组）为组间因素，测量时间（基线、4 周、8 周）为组内因素。在进行重复测量分析前，对组内因素进行 Mauchly 球形检验；若球形假设违反（p < .05），采用 Greenhouse-Geisser epsilon 校正自由度。交互效应显著时，进行简单效应分析，以 Bonferroni 法校正多重比较错误率。效应量以偏 eta 方（partial eta^2）报告，并依据 Cohen（1988）标准解释（.01 = 小，.06 = 中，.14 = 大）。对于含缺失数据的情况，以线性混合效应模型（LMM）补充验证主要结果。所有统计分析采用 ChatSRS 完成（R 引擎，显著性水平 alpha = .05）。

结果章节：基线均衡性

独立样本 t 检验显示，干预组（M = 31.25，SD = 8.46）与对照组（M = 32.09，SD = 8.73）基线 FMA-UE 评分不存在显著差异，t(44) = -0.36，p = .722，Cohen's d = 0.10，95% CI [-5.47, 3.79]，表明两组具有良好的基线均衡性。

结果章节：时间主效应与交互效应

混合设计方差分析结果显示，Mauchly 球形检验违反假设（W = 0.847，p = .044），自由度采用 Greenhouse-Geisser 校正（epsilon = 0.864）。时间主效应显著，F(1.73, 76.07) = 62.18，p < .001，偏 eta^2 = .586，属于大效应，表明所有被试的 FMA-UE 评分随训练时间推移呈显著上升趋势。组别 x 时间交互效应同样显著，F(1.73, 76.07) = 12.74，p < .001，偏 eta^2 = .225，表明干预组与对照组的功能恢复轨迹存在显著差异。

结果章节：事后比较与简单效应

简单效应分析显示，两组基线评分无显著差异（p = .722）；训练 4 周后，干预组 FMA-UE 评分显著高于对照组，t(44) = 2.94，p = .005，Cohen's d = 0.87，95% CI [1.94, 10.90]；训练 8 周后组间差异进一步扩大，t(44) = 5.12，p < .001，Cohen's d = 1.52，95% CI [7.62, 18.36]，提示机器人辅助康复训练在改善上肢运动功能方面具有显著优于常规训练的效果，且效应量达到大效应水平。

以上四段可直接粘贴进论文 Methods 与 Results 章节，替换自己的数值即可。ChatSRS 的"APA 报告"功能可自动生成上述段落，无需手动转写。

常见 FAQ

Q1: 重复测量 ANOVA 和混合效应模型（LMM）如何选择？

两种方法处理的数据类型相同，选择依据主要有三点：

条件推荐方法
数据完整（无缺失）、样本量较大重复测量 ANOVA
有缺失数据（患者脱落）线性混合效应模型（LMM）
分析群组内嵌套（如科室内患者）LMM（随机截距）
个体恢复速度差异大（需建模）LMM（随机截距 + 随机斜率）

LMM 使用最大似然法估计，对缺失值处理更稳健，是康复 RCT 的推荐方法。

Q2: Mauchly 球形检验显著后用 GG 还是 HF 校正？

两种校正都通过调小 epsilon 来缩减自由度，使 F 检验更保守：

  • Greenhouse-Geisser（GG）：epsilon < 0.75 时推荐，矫正更保守
  • Huynh-Feldt（HF）：epsilon >= 0.75 时可用，矫正略宽松
  • 规则：大多数期刊和 APA 格式推荐统一报告 GG 校正，保持保守原则

ChatSRS 会自动判断并给出推荐校正方案，方法章节说明即可。

Q3: 康复研究结局指标是量表评分，符合参数检验假设吗？

量表总分（如 FMA-UE 0-66 分、Barthel 0-100 分）通常可视为连续变量，满足参数检验前提的判断流程：

  1. 先做 Shapiro-Wilk 正态性检验（ChatSRS 自动执行）
  2. 若 p > .05，满足正态性，使用重复测量 ANOVA
  3. 若 p <= .05 且量表总分区间较宽（>20 个水平），通常结果仍稳健，可继续使用 ANOVA 并在文中说明
  4. 若量表条目数少、评分高度偏态（如 VAS 0-10 分且数据堆积），考虑 Friedman 检验

Q4: 交互效应不显著，还需要报告吗？

必须报告。交互效应不显著同样是有意义的结果，说明两组的时间变化轨迹一致（平行趋势），这时应重点解读时间主效应和组别主效应。APA 格式要求将所有检验的 F 值、p 值和效应量全部列出，不能选择性报告显著结果。

Q5: 小样本（n < 30）康复研究，效应量应该怎么报告？

小样本康复研究效应量尤为重要，因为 p 值受样本量影响大：

  • 重复测量 ANOVA：报告偏 eta 方（partial eta^2），同时报告 Cohen's f（f = sqrt(eta^2 / (1 - eta^2))）
  • 配对比较：报告 Cohen's d（Hedges' g 对小样本更精准，向 ChatSRS 明确说明即可）
  • 全部附上 95% 置信区间，让读者判断实际意义
  • 同时报告观测功效（observed power），若 < .80 需在讨论局限中说明

Q6: 康复期刊要求提交 CONSORT 流程图和数据，ChatSRS 的结果可以用吗？

ChatSRS 底层为 R 引擎（lme4 / nlme / afex / emmeans 等包），方法章节规范引用：

"统计分析采用 R 语言（version 4.4，R Foundation for Statistical Computing），重复测量方差分析使用 afex 包，混合效应模型使用 lme4 包，事后多重比较使用 emmeans 包。"

R 是国际康复医学期刊（如 Archives of Physical Medicine and Rehabilitation、Journal of Neuroengineering and Rehabilitation）广泛接受的统计工具，与 SPSS 结果完全一致。

康复医学分析方法速查表

研究设计适用方法ChatSRS 关键词
单组多时间点测量单因素重复测量 ANOVA"重复测量方差分析，Mauchly 球形检验，GG 校正"
两组 x 多时间点混合设计 ANOVA"组别 x 时间交互效应，简单效应分析"
有缺失数据线性混合效应模型（LMM）"随机截距混合效应模型，ICC，AIC 模型比较"
小样本 / 非正态Friedman 检验"Friedman 秩和检验，Wilcoxon 事后比较，Kendall's W"
前后测两时间点配对 t 检验"配对 t 检验，Cohen's d，95% CI"
控制基线协变量ANCOVA"以基线为协变量的协方差分析，调整后均值"

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。