shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 数据与分析无需 API Key

中药新药研发基础计算技能

中药新药研发基础计算模块。当用户需要对中药/天然药物/制剂研发中的实验数据进行统计计算时触发——工艺研究、质量标准研究、稳定性研究中的常规数据（含量测定、浸出物、指纹图谱峰面积、收率、均一性、稳定性各时间点等）均适用。覆盖五大功能：①描述性统计（均值/中位数/众数/SD/RSD/极差/IQR/偏度/峰度+Grubbs/Dixon异常值检测）；②显著性检验（单样本/独立/配对t检验+Levene方差齐性、单因素/多因素ANOVA+Tukey HSD/LSD、卡方检验、非参数检验自动推荐）；③相关性分析（Pearson含95%CI/Spearman/偏相关/相关矩阵热图）；④正态性检验（Shapiro-Wilk/K-S/Q-Q图/P-P图+综合结论）；⑤批间/批内一致性分析（批内均一性RSD、批间一致性极值比、Cpk/Ppk过程能力指数）。支持CSV/Excel(.xlsx)/JSON数据输入，输出结构化表格+计算日志（ALCOA+可追溯），统计引擎基于scipy与R/SAS/SPSS同源算法。触发词：计算均值/RSD、统计检验、P值、显著性、方差分析、ANOVA、t检验、卡方、正态性检验、相关性分析、相关系数、偏相关、批间一致性、批内均一性、Cpk、Ppk、离群值、Grubbs、Dixon、异常值检测、稳定性数据统计。

person作者: user_c160f2b7hubcommunity
download下载资源包

中药新药研发基础计算模块

Overview

本技能是中药新药研发（TCM/NMP）中最基础、最通用的数据处理与统计分析工具，服务于工艺研究、质量标准研究、稳定性研究、临床试验前研究等所有场景中的常规数据计算需求。所有统计计算基于 scipy.stats 标准统计库（与 R/SAS/SPSS 采用同源算法），结果可直接用于申报资料、批生产记录分析、稳定性数据汇总与论文发表。输出满足 ALCOA+ 数据可追溯原则：原始数据、计算方法、参数、时间戳全程留痕。

定位说明：本技能是"计算引擎"，不替代实验设计指导。复杂化学计量学（PCA/OPLS-DA/聚类/指纹图谱相似度）请调用 tcm-qc-chemometrics 技能；方法学验证专属计算（线性/LOD/LOQ/回收率）请调用 physicochemical-chromatography 技能；二者可在本技能完成描述性统计与显著性检验后接力。

法规与指导原则依据（详见 references/regulatory-basis.md）

| 序号 | 法规/指导原则 | 依据点 | |------|--------------|--------| | 1 | 《中药新药质量研究技术指导原则（试行）》（CDE 2021年第3号通告） | 质量研究应贯穿中药质量控制全过程 | | 2 | 《中药口服制剂生产过程质量控制研究技术指导原则（试行）》（2024年） | 重视对采集数据的统计分析和建模研究 | | 3 | 《中药制剂稳定性研究技术指导原则（试行）》（2024年） | 试验设计应当科学合理 | | 4 | 《中药标准管理专门规定》（2024年第93号） | 坚持科学、严谨、实用、规范原则 | | 5 | 《中国药典》2025年版四部通则 9101 分析方法验证指导原则 | 验证指标包括专属性、准确度、精密度等 | | 6 | ICH Q1A(R2)/Q2(R2)（参考） | 稳定性数据评估、分析方法验证的统计要求 |

触发条件

以下任一场景触发本技能：

  • 用户要求计算实验数据的均值、SD、RSD、中位数、极差、IQR、偏度、峰度等描述性统计量
  • 用户提供多组数据要求比较组间差异（t检验、ANOVA、非参数检验）并给出 P 值
  • 用户要求检验数据是否服从正态分布，或要求生成 Q-Q 图/P-P 图
  • 用户要求分析两个或多个指标间的相关性（Pearson/Spearman/偏相关/相关矩阵热图）
  • 用户要求评估批内均一性、批间一致性、过程能力（Cpk/Ppk），判断是否满足质量标准
  • 用户报告数据中存在疑似离群值，要求 Grubbs 检验或 Dixon 检验判定
  • 用户要求对稳定性数据（含量、杂质、溶出等随时间变化）进行统计汇总
  • 用户要求对计数资料（如合格/不合格数、出现/未出现）进行卡方检验
  • 用户提供 CSV/Excel/JSON 数据文件要求自动识别数据类型并完成统计

工作流决策树

用户输入（数据文件/粘贴数据 + 分析目的）
    │
    ├── ① 数据准备：运行 scripts/core.py 数据加载器
    │     ├── CSV / Excel(.xlsx) / JSON / 剪贴板粘贴
    │     └── 自动识别连续型/分类型 → 连续型进入统计，分类型进入卡方
    │
    ├── ② 按分析目的路由：
    │     ├── 单变量汇总（含量/收率/水分等）→ scripts/descriptive_stats.py
    │     │     └── 含 Grubbs/Dixon 异常值检测（默认 α=0.05，可调）
    │     ├── 正态性判断 → scripts/normality.py（Shapiro-Wilk n≤50 / K-S 大样本 + Q-Q图）
    │     │     └── 不满足正态 → 自动警示并推荐非参数方法
    │     ├── 组间比较（两组）→ scripts/significance.py t检验（自动 Levene 方差齐性预检）
    │     ├── 组间比较（≥3组）→ scripts/significance.py ANOVA（Tukey HSD/LSD 事后比较）
    │     │     └── 非正态 → Mann-Whitney U / Kruskal-Wallis
    │     ├── 计数资料 → scripts/significance.py 卡方检验（独立性/适合度）
    │     ├── 变量间关系 → scripts/correlation.py（Pearson/Spearman/偏相关 + 热图）
    │     └── 批次质量 → scripts/batch_consistency.py（批内均一性/批间一致性/Cpk/Ppk）
    │
    ├── ③ 输出：
    │     ├── 结构化表格（终端 Markdown + 可选 JSON 导出，供下游模块调用）
    │     ├── 每项计算附方法学说明（为何选此法）
    │     ├── 统计学结论的专业解读（不只给 P 值，解释实际意义）
    │     └── 完整计算日志（ALCOA+：时间戳/方法/参数/软件版本）
    │
    └── 全链路：统一入口 scripts/tcm_stats_cli.py（一条命令完成加载→计算→输出→日志）

推荐执行方式：数据已存为文件时，直接运行统一入口： python3 <技能路径>/scripts/tcm_stats_cli.py --input data.xlsx --task all （--task 可选：descriptive | normality | compare | correlation | batch | all）

核心能力模块

1. 描述性统计（描述性统计与异常值检测）

处理单变量连续型数据的集中趋势、离散程度、分布形态度量与异常值判定。

  • 集中趋势：均值（Mean）、中位数（Median）、众数（Mode）
  • 离散程度：标准差（SD，n-1 样本标准差）、相对标准偏差（RSD%，= SD/Mean×100%）、极差（Range）、四分位距（IQR，Q3−Q1）
  • 分布形态：偏度（Skewness，样本无偏估计）、峰度（Kurtosis，超额峰度，正态≈0）
  • 异常值检测（二选一，自动推荐）：
    • Grubbs 检验：单侧/双侧，临界值基于 t 分布计算，适用于总体近似正态、异常值 ≤2 个
    • Dixon 检验（Q 检验）：基于极值间差距比值，适用于小样本（3≤n≤30）、不依赖正态假设
    • 检出异常值自动标识 ⚠ 并在解读中给出处置建议（复核原始记录→保留并说明→剔除须有依据）
  • 输出格式：每个统计量附数值、有效数字位数（按中国药典/GB/T 8170 修约）、样本量 n；附方法学说明

2. 显著性检验（显著性检验模块）

处理两组/多组间差异的假设检验，自动完成前提条件检验。

  • t 检验：单样本（与标准值/药典限度比较）、独立样本（两组间）、配对样本（同批样品两种方法/两个时间点）
    • 独立样本 t 检验自动执行 Levene 方差齐性检验：方差齐→Student t；方差不齐→Welch t（自动切换）
    • 输出 t 值、自由度（df）、P 值（双侧）、均值差及 95% 置信区间、显著性结论（P<0.05 显著，标注 ★）
  • 方差分析（ANOVA）：单因素（组间比较）、双因素（如 批×时间）——输出 F 值、P 值、SS/MS 分解表
    • 事后多重比较：Tukey HSD（方差齐时首选，控制族错误率）或 LSD（灵敏度高但需校正风险），输出两两比较矩阵
  • 卡方检验：独立性检验（2×2 或 R×C 列联表，含 Fisher 精确检验自动降级）、适合度检验
  • 非参数检验自动推荐：正态性检验未通过时自动提示——两组→Mann-Whitney U（含效应量 r）；多组→Kruskal-Wallis（含 Dunn 事后比较）；配对→Wilcoxon 符号秩
  • 所有检验给出：检验统计量、P 值、效应量（Cohen's d / η² / r）、专业解读

3. 相关性分析（相关性分析模块）

处理两个或多个连续变量间的关联分析。

  • Pearson 相关系数：线性相关，输出 r、P 值（t 检验法）、95% 置信区间（Fisher z 变换）
  • Spearman 秩相关系数：单调相关/非正态数据，输出 ρ、P 值
  • 偏相关系数：控制第三（或更多）变量后计算，基于相关矩阵求逆法（矩阵法实现，与 R ppcor 一致）
  • 相关矩阵热图：多变量两两相关矩阵 + matplotlib 热图（PNG 输出），标注显著性星号，默认存至输出目录
  • 解读标准：|r|≥0.8 强相关、0.5~0.8 中等、0.3~0.5 弱、<0.3 极弱（结合专业意义判断，不机械套用）

4. 正态性检验（正态性检验模块）

判断数据是否服从正态分布，为后续参数/非参数检验选型提供依据。

  • Shapiro-Wilk 检验：小样本（n≤50）首选，输出 W 统计量、P 值
  • Kolmogorov-Smirnov 检验：大样本（n>50），采用 Lilliefors 修正（参数未知时，与 R lillie.test 一致）；已知参数时用标准 K-S
  • 图形诊断：Q-Q 图（分位数-分位数）、P-P 图自动生成（PNG），供目视判读
  • 综合结论：结合 W/K-S 统计量 + 图形 + 偏度/峰度（|Skew|<2 且 |Kurt|<7 经验准则）给出"正态/近似正态/偏态"综合判定
  • 非正态警示：判定为偏态时自动提示推荐方法（Mann-Whitney U / Kruskal-Wallis / 中位数±IQR 报告方式），并提示可考虑 Box-Cox 变换后重检

5. 批间/批内一致性分析（批次一致性分析模块）

面向生产与质量控制的批次数据评估，直接回应《中药口服制剂生产过程质量控制研究技术指导原则》"批间稳定、批内均一"要求。

  • 批内均一性：同批次多个样品（取样点）的均值、SD、RSD%，与质量标准/指导原则限度比对（一般含量 RSD 限度 ≤2.0%，按品种规定执行）
  • 批间一致性：多批次汇总均值、批间 RSD%、极值比（Max/Min，中药天然产物常用判定，一般 ≤1.5 视作可接受，按品种规定执行）
  • 过程能力指数：Cpk（短期/组内能力）、Ppk（长期/总体能力），需提供规格限（USL/LSL）——输出 Cp、Cpk、Pp、Ppk、σ 估计，按行业惯例判定：≥1.67 优秀、1.33~1.67 充分、1.00~1.33 尚可、<1.00 不足
  • 输出：批内/批间统计汇总表 + 能力指数判定 + 超限预警

输出要求（详见 references/output-format-spec.md）

  1. 方法学说明：每个计算结果附带所用统计方法与选型理由（如"因样本量 n=12<50，选用 Shapiro-Wilk 检验；因两组方差不齐，采用 Welch t 检验"）
  2. 专业解读：不只输出 P 值，需解释实际意义（如"批间 RSD 0.92%<2.0%，批间一致性良好，满足《中药口服制剂生产过程质量控制研究技术指导原则》要求"）
  3. 非正态警示：数据不满足正态分布时给出明确警示并推荐非参数方法
  4. 结构化输出：终端输出 Markdown 表格；--json 参数输出结构化 JSON（固定 schema，便于后续模块调用）；图表存为 PNG
  5. 可追溯性（ALCOA+）：每次运行自动生成 .log 计算日志（附原始数据指纹、时间戳、scipy 版本、参数），满足 Attributable/ Legible/ Contemporaneous/ Original/ Accurate + Complete/Consistent/Enduring/Available 要求

质量保证

  • 交叉验证：统计引擎基于 scipy.stats（与 R stats 包、SAS、SPSS 同源算法）；scripts/run_selfcheck.py 内置经典教科书数据集（如 Anscombe 数据集、Student 配对 t 数据）与 R 参考输出比对，全部断言误差 ≤1×10⁻⁶
  • 错误处理：所有脚本含完整异常处理——文件不存在、格式非法、列缺失、样本量不足（如 n<3 无法 Grubbs）、除零（均值为 0 时 RSD 未定义）、非数值数据混入等，均给出明确中文错误信息与修正建议，不静默失败
  • 计算日志：每一步计算记录 时间、方法、参数、输入数据指纹（SHA-256）

数据输入格式（详见 references/data-input-guide.md）

| 格式 | 要求 | 示例 | |------|------|------| | CSV | UTF-8，首行表头，逗号分隔 | 批号,含量(%),收率(%) | | Excel (.xlsx) | 首行表头，数值列可含单位括注 | 用 openpyxl 读取（无需 Excel 环境） | | JSON | 数组或 {列名:[值]} 结构 | [{"批号":"A","含量":98.2}, ...] | | 粘贴文本 | 空格/制表符/逗号分隔的原始数字行 | 98.2 99.1 97.8 ... |

  • 数据类型自动识别：全数值列→连续型；文本/有限类别→分类型（进入卡方）；含"%"单位括注自动剥离
  • 缺失值：默认剔除（listwise），日志中记录剔除数量与位置
  • 分组标识列（如"批号""组别""时间点"）自动识别并用于分组统计

资源索引

| 资源 | 用途 | 何时加载 | |------|------|----------| | references/regulatory-basis.md | 6 项法规与指导原则依据、引用原文要点 | 输出解读需引用法规时加载 | | references/methods-and-interpretation.md | 统计方法学说明、公式、判定标准、专业解读话术 | 需要解释"为何选此法"或解读结果时加载 | | references/output-format-spec.md | 结构化输出 JSON schema、有效数字规则、ALCOA+ 日志规范 | 输出格式/数据交接时加载 | | references/data-input-guide.md | CSV/Excel/JSON/粘贴输入模板与数据类型识别规则 | 用户提供数据文件时加载 | | scripts/core.py | 数据加载、类型识别、修约、日志（共享库） | 所有脚本自动调用 | | scripts/descriptive_stats.py | 描述性统计 + Grubbs/Dixon 异常值检测 | 单变量汇总任务 | | scripts/normality.py | Shapiro-Wilk/K-S 正态性检验 + Q-Q/P-P 图 | 正态性判断任务 | | scripts/significance.py | t 检验/ANOVA/卡方/非参数检验 + 事后比较 | 组间比较任务 | | scripts/correlation.py | Pearson/Spearman/偏相关 + 相关矩阵热图 | 相关性分析任务 | | scripts/batch_consistency.py | 批内均一性/批间一致性/Cpk-Ppk | 批次质量任务 | | scripts/tcm_stats_cli.py | 统一命令行入口（加载→计算→输出→日志） | 数据已存为文件时首选 | | scripts/run_selfcheck.py | 与 R/教科书参考值交叉验证自检 | 安装后验证/结果存疑时 |

运行方式：python3 <技能路径>/scripts/tcm_stats_cli.py --input <文件> --task <任务>，脚本带中文交互提示，也可直接粘贴数据。

任务驱动示例路由

  • "帮我算一下这批药材含量测定的均值、SD、RSD，看有没有离群值。" → 模块1 → descriptive_stats.py
  • "三个批号的浸出物数据想比较差异是否显著，怎么算？" → 模块2 → significance.py（ANOVA + Tukey）
  • "我怀疑这批数据不是正态分布，帮我检验一下。" → 模块4 → normality.py
  • "含量和收率两个指标有没有相关性？另外控制温度后还有关系吗？" → 模块3 → correlation.py（Pearson + 偏相关 + 热图）
  • "六个批号每批测了 6 个取样点，帮我评估批内均一性和批间一致性，规格限是 95~105%。" → 模块5 → batch_consistency.py
  • "稳定性数据：0/3/6/12 个月含量是否随时间显著下降？" → 模块2（配对/回归趋势）→ significance.py
  • "这批样品里有几个值特别高，帮我用 Grubbs 检验看是不是离群值。" → 模块1 → descriptive_stats.py（异常值检测）