建立清晰的研究方案
集中记录研究目标、假设、研究人群、纳入与排除标准及结局指标。十一个阶段的流程显示尚缺的信息，以及开展分析前需要核查的前提。
developed in RUST
Vectronis Stat
医学研究，AI 辅助统计。
从研究问题到可追溯的结果，Vectronis Stat 引导完整分析流程。导入数据、检查质量、选择合适方法，并结合研究背景阅读表格与图形。您自己的 AI 助手通过 MCP 提供协助，统计计算由 R 完成。
认识 Vectronis Stat开发中
平台
面向 Mac 与网页端。
MCP · Model Context Protocol
让 AI 助手参与研究流程
MCP 将您自己的 AI 助手接入 Vectronis Stat 项目。助手可引导下一步，并通过指定工具启动分析。界面与 AI 使用相同的项目状态，统计计算由 R 执行；人工隐私审批仍为必需步骤。
- 从研究问题到分析结果，沿清晰步骤推进。
- 数据版本、分析参数与计算来源保持关联。
- 权限始终有效；受限连接不会获得私人数据或结果数值。
产品一览 / Vectronis Stat
Vectronis Stat 的功能
导入前先理解数据
预览 CSV、Excel、SPSS、Stata、SAS、RDS/RData、JSON 和 Parquet 文件。检查列、导入设置及缺失值，同时保留原始文件；相应格式支持工作表或对象选择。
保留每次修正的来龙去脉
明确设定变量类型、单位和角色。编辑数据会创建新的工作版本，原始数据与已有结果保持不变。恢复历史数据也会生成新版本，而非覆盖历史。
匿名化数据并在分析前检查
在本地匿名化研究数据，检查直接标识符、间接识别特征和剩余风险。强制隐私审查结合人工批准，确保只有获批为已匿名化的数据才能进入统计分析和人工智能辅助处理。未解决的检查项将阻止批准；更改和决定均可追溯。
结合背景阅读结果
组间比较、相关分析、回归和生存分析均由 R 计算。表格和适当图形呈现估计值、不确定性与方法说明。保存的结果关联对应数据版本、参数和计算来源。
理解为何选择某种方法
德语及英语手册结合搜索、示例、原始来源和引导问题。研究目标、变量类型和研究设计共同形成有依据的建议；预选方法不会启动计算，也不替代审核。
方法选择有据可循
方法手册提供搜索和统计方法的引导式选择。
先检查导入预览
使用公开 R 示例数据集 iris 的导入预览：JSON 格式的花卉测量数据，不含个人数据。
让隐私决策清晰可见
使用公开车辆数据集 mtcars 展示本地匿名化预览：查看数据变换、信息损失和批准步骤。
不确定性也是结果的一部分
对公开示例数据集 survival::rats 进行 R 分析生成的森林图和聚类图，不含患者数据。
从研究起点到完整分析
Vectronis Stat 面向医学研究团队、医生和学生。研究人群、纳入与排除标准、假设和终点是起点。引导流程说明需要哪些信息，帮助您从原始数据逐步走向可追溯的分析。
比较治疗组、研究影响因素与结果的关系，或分析事件发生时间。组间比较、相关分析、回归与生存分析，将医学问题连接到适当的统计方法。表格与图形结合具体方法呈现估计值、效应量和不确定性。
易于操作，方法透明
导入预览、清晰的输入步骤与方法选择引导支持日常研究。内置手册结合示例与原始来源解释方法。分析使用的数据、检查与设置均可查看。
AI 贯穿项目流程
您的 AI 助手通过 MCP 沿同一项目流程工作，并可调用分析工具。计算由 R 执行，隐私审批和质量检查持续有效。保存的数据版本、参数与结果让分析可追溯，修正不会覆盖原件或早期结果。