① 导入原始数据
完全离线，无需服务器。支持UTF-8 CSV、TSV和粘贴表格；Excel请另存为CSV后导入。结局必须为0/1。
② 变量与模型
分析结果
计算后显示样本概况、单因素/多因素回归、模型诊断及图形。
自动生成全部适用图形
根据模型及可用数据自动生成：OR森林图、ROC曲线、校准图、预测概率分布、连续变量预测概率曲线。每张图可单独导出SVG/PNG。
2×2频数输入 · 单因素Logistic回归
每一行代表一个独立的二分类自变量。阳性=结局事件(1)，阴性=非事件(0)。暴露组与参考组必须互斥，且属于同一研究总体。计算普通二项Logistic回归的粗OR、β、SE、Wald z/P及95%CI；不代表多因素调整OR。
| 变量名称 | 暴露组阳性 a | 暴露组阴性 b | 参考组阳性 c | 参考组阴性 d |
|---|
如任一单元格为0，普通最大似然估计可能出现完全分离；当前不擅自采用0.5校正或将其视为Firth回归，而是明确提示无法用常规Wald方法可靠估计。频数表不能重建连续变量的回归结果，也不能推导调整OR。多行分别计算时，不假定它们的样本完全一致。
论文已报告统计量一致性核查
此处只核查可确定的代数关系。普通最大似然Logistic回归Wald推断：OR=exp(β)、z=β/SE、Wald双侧P、Wald 95%CI=exp(β±1.96SE)。若论文使用Firth、profile likelihood、稳健SE、似然比检验等，相关关系可能不适用。
方法、适用条件与已知限制
本工作站实现二项Logistic回归，使用含截距的极大似然估计（Newton/IRLS），Wald标准误、z检验与95%置信区间。单因素模型按每个候选变量分别拟合；多因素模型同时调整所有选中变量。
连续变量按原尺度建模；分类变量自动识别或手动指定，参考组可调整。缺失数据：每个单因素模型分别按完整观测筛选；多因素模型使用所有纳入变量的完整案例，样本量可能不同。
绘图：森林图（OR对数轴）、ROC/AUC、按十分位分组的校准图、预测概率分布、单个连续变量在其他变量固定时的概率曲线。ROC、校准图和AUC均为训练集表观表现，不代表外部验证。
限制：暂不支持Firth/惩罚Logistic、样条、交互项、聚类稳健标准误、bootstrap内部验证、Hosmer–Lemeshow正式检验、DeLong AUC置信区间、决策曲线、分类阈值优化和直接.xlsx解析。分类变量高水平数会增加参数数目；小样本/稀有事件、分离、奇异矩阵和过拟合需人工复核。AUC不是回归系数效应量；OR没有普适小/中/大阈值。
统计核查边界：报告值核查不等于数据真实性鉴定；不能凭OR、P和CI还原原始数据。输入数值按报告精度比较，仅可判断数学协调性，不应将所有不一致直接认定为学术不端。
V1.1是开发测试版，尚未完成覆盖极端数据、全部浏览器流程及R/SPSS的系统性交叉验证。正式科研分析请以经验证统计软件复核。