60 分钟，在门诊能看 8 到 10 个病人。
60 分钟，也可以走完一条临床研究的全流程——从一句模糊的「我想研究 XX」，到一份能投出去的 SCI 初稿。
这两件事放在一起，听着不像同一个 60 分钟。
但现实里更常见的，是第三种60分钟：熬夜改完的稿子投出去，三个月后退回来，审稿意见只有一句——「变量定义不清，无法判断结果的可靠性。」
大部分人一般都会觉得委屈：数据是真的，统计也跑了，图也按格式做了，怎么就不清了。
问题出在更前面。「高血压」是按 ≥140/90 算，还是按用药史算？「复发」从手术日算，还是从出院日算？失访的人算不算进结局？
这些不属于写作细节，是研究设计的一部分。定不下来，后面所有分析都站不住。
换句话说，临床研究真正的分水岭，不在你打开 Word 那一刻，而在你决定「收哪些字段、怎么收」的时候。
多数人卡住，也不是卡在最后写不出来。是前面五步根本没定：研究什么、怎么设计、收哪些变量、怎么分析、结论往哪落。
这不是不努力。《2021医师调查报告》里有一组数字：中国医师平均每天出诊7.77小时，留给科研的时间1.47小时；69.74%的医生把「科研、发论文」列为最大压力源。
1.47小时，不够从头学一遍统计，也不够把Excel里那堆变量重新洗一遍。所以关键不是挤时间，是这1.47小时该花在哪。
上个月解螺旋开了一节《医生科研不再卡——60 分钟跑通临床研究全流程》科研课程，做的就是这件事：把「选题到成文」这条线拆成六步，一步不跳地走一遍。
我把里面能直接用的部分整理在下面。看完你会发现，那些让人卡住的地方，基本都不是能力问题。
立即扫码免费学
临床研究全流程，60分钟走一遍
从选题到成稿，六步一步不跳
课上先列了五个卡点，几乎人人中过其中至少两个：
1️⃣是不知道研究什么。
手上有一堆病例，脑子里没有PICO框架，题目只能靠文献里捞。
2️⃣是不知道怎么设计。
回顾性还是前瞻性、要不要设对照、样本量怎么估，全靠感觉。
3️⃣是不知道怎么收数据。
用 Excel 随手记，字段名前后不一致，等要做统计了才发现缺项。
4️⃣是不知道怎么分析。
方法误用最常见：t 检验当万能钥匙，多组比较不做校正。
5️⃣是不知道怎么写成文。
结果一段段堆着，讨论和结果各说各话。
这五条是有顺序的。前面一条没解决，后面一定返工——这也是为什么有些人做了一年，数据还在重收。
顺着这五条往下，解法正好也是六步：了解研究类型 → 课题设计 → 规范数据收集 → 自动化分析 → 公共数据库 → AI赋能写作。
第一步看着最虚，其实最省时间。临床研究就四种：RCT、队列（前瞻和回顾）、病例对照、横断面。判断只用问三件事——有没有主动干预？按什么分组？时间往哪看？
三句话对上，类型就定了。类型一定，后面能做什么分析、大致能投什么档次的刊，范围也就清楚了。
最容易搞混的是队列和病例对照：区别只在时间往哪看——从暴露往后追结局是队列，从结局往回找暴露是病例对照。搞反了，因果方向就整个颠倒。
很多人开题卡一个月，卡的就是这三句话。
立即扫码免费学
临床研究全流程，60分钟走一遍
从选题到成稿，六步一步不跳
第二步课上给了一个挺实用的框架，五个字：病、群、因、局、证。
病，研究哪种病；群，落在哪个人群、跟谁比；因，关注什么暴露或干预；局，看什么结局指标；证，用哪类研究去证明。
五个槽填满，一句「我想研究高血压」，就变成了「某人群中某干预对某结局的影响：一项回顾性队列研究」。题目立住，方案也就跟着清楚了。
课上还拿四类研究各套了一遍：疗效、病因、预后、诊断。同一套框架，换的只是「因」和「局」的写法。
题目一旦拆到这种颗粒度，你和导师的分歧就能落到具体某一句上，而不是各说各的「感觉不对」。
题目清楚了，下一步就是照着它去收数。第三步最被低估，解螺旋给的东西却最实在：一套现成的CRF，覆盖200多种常见疾病，一种病对应一张专属表单——不是给你一份通用表自己改。
架构分两套。非肿瘤17张表单，五部分：基础信息、诊断结论、治疗信息、疗效评估、随访信息。从人口学、合并用药、实验室与影像检查，到疾病分型与严重程度、治疗方案与起始时间、疗效与安全性终点，再到复发、再治疗、并发症和生存状态，一次诊疗该留下的痕迹基本都在里面。
肿瘤23张表单，是在同一套逻辑上加了一层专科内容：既往手术、放疗、抗肿瘤药，影像基线病灶，分子病理、肿瘤标志物，再加 TNM 分期、RECIST 疗效评价、新辅助病理反应。肿瘤的病程更绕，这层内容就是专门为绕的那部分加的。
200多种、17张、23张，三个数字摆在一起，分量就出来了：表不用你从零设计，你只需要在现成的表里找到自己那个病。
用的时候也不用整本照抄，按「病、群、因」挑：按研究疾病选模板，按入排标准筛基线字段，围绕核心因素勾关键模块。做药物疗效，重点就是药物治疗加疗效评估。
更关键的是它连怎么填都统一了：指标名称、单位、治疗方案、随访时间点，全按一套口径走。多中心的数据放到一起才对得上，而不是各填各的，最后花两周对齐字段。
这一步省下的不是时间，是返工。回顾性研究最怕翻到一半发现关键变量没记、随访时间点对不上、对照组选错了人，整批数据作废。
立即扫码免费学
临床研究全流程，60分钟走一遍
从选题到成稿，六步一步不跳
那没有自己病例的呢？
第四步解决的是「有数据怎么算」——变量整理好之后，按研究类型走对应的统计流程，不用从零写代码；
第五步解决的是「没数据去哪找」，给了三个公共数据库。
但三个库各有边界，课上讲得很实在：
MIMIC，重症方向。信息最丰富，生理参数、用药、预后都有，但要会 SQL、Python 或 R 才能把数据提出来。
SEER，肿瘤方向。1975 到 2023 年，样本量极大、随访完整；但它不是完整的电子病历，很多临床细节没有。
NHANES，人群健康方向。做患病率、营养、环境暴露这类题目合适；用的时候必须加抽样权重，不加，结果就是错的。
三个库选错，不是做得慢，是做不出来。所以先看自己的问题落在哪一类，再决定用哪个——这个顺序反了，前面所有功夫都白费。
第六步是写作。解螺旋论著工作台三步：把方法和结果填进去 → 确认提纲 → 生成英文初稿。
注意顺序——先有方法和结果，才有初稿。前面五步没做完，AI也写不出东西；它只能帮你把已经想清楚的东西，组织成一篇像样的文章。
稿子出来还不算完。投稿前还有五件事：选刊、润色、降重、Cover Letter、格式整理。
这五件最琐碎，也最容易在最后一刻掉链子。格式不对被直接退回的、选刊没选对等三个月换来一句「不适合本刊」的，都不在少数。
降重也一样：重复率高，往往是那段本来就没写出自己的分析，改词解决不了。但这节课都给你解决了。
如果你是临床医生，手上攒着几百份病历却一篇没发；
如果你是研究生，开题报告改了五版还没定题；
如果你已经投过一两次，每次都被「设计不清」「变量不明」打回来——这节课基本就是照着你的问题讲的。
课里还有一句话说得挺实在：路径可以标准化，选题不能。什么值得做、数据够不够、结论敢不敢下，这些还得你自己拍板。
但反过来说，那些不需要你拍板的部分，本来就不该占掉你那1.47小时。
立即扫码免费学
临床研究全流程，60分钟走一遍
从选题到成稿，六步一步不跳
开头那第三种60分钟，本来可以不必发生。
变量怎么定义、字段怎么收、分析怎么选，这些在动手之前就该定下来。
有人把这套流程完整讲了一遍，你照着走就行。