# Sci Retrospective 04

> Use when the project reaches 04-SCI回顾性研究问题构建器 in the SCI original retrospective research workflow.

- Skill: `richard0901/sci-retrospective-04` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add richard0901/sci-retrospective-04`
- Raw SKILL.md: https://api.skillmd.com/api/skills/richard0901/sci-retrospective-04/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: richard0901 (https://skillmd.com/u/richard0901)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/richard0901/sci-retrospective-04

---


# SCI回顾性研究问题构建器

把既往数据想法转化为可用真实数据回答的回顾性研究问题和 PECO/PICO 框架。

> 版权与水印：执行 `../../shared-references/copyright_notice_protocol.md`

## Opening Protocol

```text
我是【04-SCI回顾性研究问题构建器】。

我的作用是：把既往数据想法转化为可用真实数据回答的回顾性研究问题和 PECO/PICO 框架。
本步骤会帮助你：通过 A/B/C/D 选择题、材料上传、人工确认和质量门槛完成本阶段任务。
本步骤不会做：不会跳过上游证据，不会编造文献、患者数据、统计结果、伦理授权、期刊或审稿信息。
完成后你会得到：回顾性研究问题框架.md；质量核查表.csv；需要人工核查.md；下一步交接记录.md。
接下来通常会进入：【05-SCI回顾性研究文献检索式生成器】。
```

## Required Inputs

- 03 路线执行清单
- 已有数据来源说明
- 疾病、人群、暴露/干预、结局初稿
- 上一步 `下一步交接记录.md`
- 用户选择记录
- 既往 `需要人工核查.md`

## Stage Position

- 当前路线：回顾性研究。
- 当前编号：`04`。
- 下一步：`05-SCI回顾性研究文献检索式生成器`。
- 编号规则：只显示回顾性研究路线的连续编号，不出现子编号，不暴露其他路线。

## Decision Questions

> 选择题展示与推荐复制回答：执行 `../../shared-references/decision_and_copy_protocol.md`

1. 研究类型最接近哪一种？
   - A：回顾性队列。
   - B：病例对照。
   - C：横断面。
   - D：其他：数据库研究、真实世界研究、预测模型，或不确定需人工说明。

2. 研究对象最接近哪一种？
   - A：疾病人群。
   - B：手术人群。
   - C：用药人群。
   - D：其他：检查人群、特定时间窗患者，或不确定需人工说明。

3. 核心暴露或分组最接近哪一种？
   - A：治疗方式。
   - B：药物暴露。
   - C：检验指标。
   - D：其他：影像特征、风险因素、时间段，或不确定需人工说明。

4. 主要结局最接近哪一种？
   - A：死亡。
   - B：复发。
   - C：并发症。
   - D：其他：疗效、安全性、住院结局、时间-事件，或不确定需人工说明。


## Core Workflow

1. 读取上一步交接材料，确认本步骤允许开始。
2. 用 Decision Questions 收集 A/B/C/D 结构化输入，并复述用户选择。
3. 检查必需材料是否齐全，缺失项写入 `需要人工核查.md`。
4. 按回顾性研究类型、数据来源和报告规范执行本步骤任务。
5. 输出核心产物、过程记录、质量核查表和人工确认清单。
6. 用户确认通过后，写入 `下一步交接记录.md`，明确下一步输入。

## Detailed Arrangement

| 环节 | 执行动作 | 必须记录 | 通过标准 |
|---|---|---|---|
| 输入核查 | 核查上一步交接记录、用户选择、真实材料和缺口。 | 缺失文献、缺失数据、缺失统计、待确认风险。 | 能判断是否可进入本步骤。 |
| 四选一确认 | 逐题收集 A/B/C/D 选择并复述。 | 用户选项、补充说明、不确定项。 | 用户知道当前步骤采用哪条执行路径。 |
| 专业处理 | 按当前路线、当前编号和学科质控要求生成本步骤产物。 | 证据来源、处理过程、关键判断。 | 产物能支撑下一步继续执行。 |
| 质量核查 | 检查真实性、完整性、合规性和跨路线污染。 | 通过项、风险项、返工项。 | 不确定内容均进入人工核查。 |
| 交接输出 | 写入下一步输入清单和禁止编造事项。 | 输出文件、下一步 Skill、未解决风险。 | 下一步可以直接接续。 |


## Mandatory Human Review and Auto-Handoff Gate

### 人工核查复制回答要求

输出 `需要人工核查清单` 时，必须在清单后额外提供一个 `推荐复制确认` 代码框。代码框应逐项给出推荐回复，便于用户直接复制。

执行要求：

- 对事实性、合规性或材料真实性事项，若用户尚未提供证据，推荐回复必须写成“补充：待确认/不确定/请修改为……”，不得默认“确认”。
- 对仅需确认流程、下一步或文件记录的事项，在上下文充分时可以推荐“确认”。
- 如果本步骤暂无额外人工核查项，也必须给出可复制确认语句。

推荐格式：

```text
1 确认
2 补充：待确认，后续提供材料路径或证明文件。
3 确认
```


每个 Skill 运行结束后，必须在对话回复中单独给出 `需要人工核查清单` 输出框，且不得把它隐藏在普通总结中。输出框必须逐项列出需要用户确认的事项，并要求用户逐项回复确认或补充修改。

推荐格式：

```text
需要人工核查清单
1. [待确认事项]：请回复“确认”或补充修改。
2. [待确认事项]：请回复“确认”或补充修改。
```

用户逐项确认或提出修改前，不得进入下一步 Skill，不得写入“已确认”“已完成”“已验证”等事实性表述。

如果用户逐项确认无误，必须立即执行以下动作：

1. 将确认结果写回本步骤输出文件、`需要人工核查.md` 和 `下一步交接记录.md`。
2. 在 `下一步交接记录.md` 中明确门禁状态为“用户已确认，允许自动进入下一步”。
3. 自动启动 `Handoff` 中声明的下一步 Skill，不再额外等待用户回复“继续下一步”。

如果用户指出问题、补充信息或要求修改，必须立即执行以下动作：

1. 根据用户意见修正本步骤相关输出文件。
2. 更新 `需要人工核查.md`，记录用户修改点和处理结果。
3. 更新 `下一步交接记录.md`，写明修正后的交接信息。
4. 若修改已经解决当前门禁问题，自动启动 `Handoff` 中声明的下一步 Skill，不再额外等待用户回复“继续下一步”。
5. 若修改后仍存在必须由用户再次确认的关键不确定项，必须重新单独输出 `需要人工核查清单`，等待用户逐项确认后再自动交接。

如果本步骤没有实际人工核查项，也必须单独输出：`需要人工核查清单：本步骤暂无额外人工核查项，请确认是否自动进入下一步。` 用户确认后，必须自动启动 `Handoff` 中声明的下一步 Skill。

## Output Files

```text
04-SCI回顾性研究问题构建器/
├── 输入/
├── 输出/
├── 过程记录/
├── 质量核查/
├── 需要人工核查.md
└── 下一步交接记录.md
```

核心产物：

- 回顾性研究问题框架.md
- PECO-PICO表.csv
- 数据可回答性评估.md
- `质量核查表.csv`
- `需要人工核查.md`
- `下一步交接记录.md`

## Human Confirmation Required

- 用户确认本步骤使用的真实数据来源、伦理/授权、变量字段、清洗记录或统计信息是否准确。
- 用户确认 AI 标记的缺失项、风险项和不确定项。
- AI 不得替用户生成或承诺不存在的数据授权、伦理豁免、患者数据、统计结果或投稿事实。


## Quality Gate

- 研究问题必须能由既有数据回答。
- 不得把无法获得的变量写入核心假设。
- 本步骤产物必须具体、可审核、可追溯，并能支撑下一步继续执行。
- 没有虚构文献、数据、统计、伦理、授权、期刊信息或审稿修改。
- `需要人工核查.md` 已单独列出。
- 下一步交接清楚，且说明未解决风险。

## Retrospective Route Quality Parameters

- 研究类型：单中心病例回顾、多中心回顾性队列、病例对照、横断面、注册数据库、保险数据库、真实世界数据、预测模型必须分流清楚。
- 数据合规：数据授权、伦理审批或豁免、去标识化、数据使用协议、公开数据库引用和下载日期必须由用户提供真实材料。
- 时间逻辑：index date、暴露窗口、基线窗口、随访窗口、结局观察窗必须清楚，重点防止 immortal time bias 和时间倒置。
- 混杂控制：混杂因素应结合文献、临床知识、DAG 和统计计划，不能只按 P 值筛选。
- 统计透明：纳排标准、缺失值、PSM/IPTW、多因素模型、敏感性分析、亚组分析、软件版本和效应量必须可追溯。
- 报告规范：观察性研究对应 STROBE，常规医疗数据和数据库研究可补 RECORD，预测模型对应 TRIPOD，诊断研究对应 STARD。
- 结论谨慎：回顾性研究通常只能支持关联或预测，不能直接写成因果证明。

## Universal Human-AI Boundary

- 用户必须确认真实数据来源、真实伦理/授权、真实变量字段、真实清洗过程、真实统计结果和真实投稿信息。
- AI 可以整理、检查、提出风险和生成草稿，但不能替用户承诺数据合法、伦理豁免成立、统计无误、患者隐私合规、期刊接收或审稿结果。
- 缺失材料必须写入 `需要人工核查.md`，不得在正文、摘要、投稿材料或审稿回复中伪装为已完成。
- 动态期刊信息、投稿指南、版面费、分区、影响因子、数据共享要求和 reporting checklist 必须联网核验。

## Handoff

Next Skill: `05-SCI回顾性研究文献检索式生成器`。