返回研究入口

METHOD / 纵向与人群

METHOD

队列研究

Cohort study

暴露、特征与健康结局在一组人群中如何随时间变化?

输入研究人群 · 暴露与表型 · 随访结局输出个体时间线 · 风险估计 · 亚组差异 · 失访记录
CONTENT STATUS机器核验通过REVIEWED2026-07-20SOURCES2 个来源
从数据记录、质量检查、版本层到来源证据网络的数据追溯插图
数据质量、版本、来源和不确定性,应当一起被记录和检查。

从问题到可读数据

01问题
02对象
03方法
04数据
05特征
06关系
07结果
INPUT

需要什么?

  • 研究人群
  • 暴露与表型
  • 随访结局
OUTPUT

产生什么?

  • 个体时间线
  • 风险估计
  • 亚组差异
  • 失访记录

输出数据如何进入下一层?

方法不是终点。它把样本或观察转化为某种数据形态,数据还需要经过质量控制、分析和指标定义,才能支持可靠解释。

数据可以怎样被看见?

METHOD → DATA队列研究 · 纵向与人群
INPUT · PROCESS · OUTPUT · QUALITY01 / INPUT02 / PROCESS03 / OUTPUT样本:研究人群质量控制与分析流程数据:个体时间线
01输入研究人群 · 暴露与表型
02处理实验流程 · 质量控制
03输出个体时间线 · 风险估计
READING NOTE

队列流程图、生存曲线、风险森林图。先理解输入与测量边界,再阅读输出数据。

分辨率个体—人群—时间
QUALITY CONTROL

先检查什么?

纳入标准随访完整性混杂控制结局定义
LIMITS

不能直接推出什么?

  • 观察性关联不自动构成因果
  • 失访和选择偏倚会改变结果
  • 群体结果不能直接替代个体判断
SOURCES / EVIDENCE

来源与证据状态

已找到来源

方法的来源主要支持方法原理和使用边界;具体实验结果仍需回到原始数据、研究设计和独立验证。

查看万灵图志的编辑与 AI 自查方法