Quarto

这个工具解决什么问题

Quarto 是一个面向科研写作和技术出版的开源工具。它把 Markdown 文本、R、Python、Julia 等代码、图表、表格、引用和输出格式放在同一套工作流里，帮助研究者生成可重复的报告、幻灯片、书籍或网站。

在医学科研中，很多错误并不是来自复杂算法，而是来自结果版本混乱。例如统计表由一个脚本生成，森林图来自另一个文件，论文草稿又手工复制了旧结果。Quarto 的价值在于把分析代码与解释文字绑定，让文档随着数据和代码更新。

它尤其适合需要反复更新的研究项目。临床队列不断补充随访，生信分析需要调整阈值，系统综述会加入新文献，影像模型需要记录训练参数。使用 Quarto 后，研究者可以重新渲染文档，而不是手动替换每张图和每个数字。

适合的医学科研场景

Quarto 与医学科研的关系不是“替代统计软件”，而是把统计分析、结果呈现和科研叙述组织起来。它不能替你判断研究设计是否合理，也不会自动保证模型有效，但能让已有分析更透明、更容易复核。

• 临床统计报告：把基线表、缺失值描述、回归模型、Kaplan-Meier 曲线、亚组分析和敏感性分析写入同一份 .qmd 文件。
• 生信与组学流程：记录 RNA-seq、单细胞、蛋白组或代谢组分析中的质控、归一化、差异分析、富集分析和关键图表。
• 影像与预测模型：保存数据划分、特征提取、模型参数、AUC、校准曲线、决策曲线和外部验证结果。
• 系统综述与 Meta 分析：整理检索式、纳排流程、偏倚风险表、森林图、漏斗图和敏感性分析说明。
• 课题组知识库：发布内部分析规范、R/Python 示例、项目进展页和研究生培训材料。

对于 PI 和课题负责人，Quarto 的一个实际好处是便于审阅。相比只看截图或 Word 表格，Quarto 文档可以同时显示方法、代码和结果，减少“这个 P 值如何得到”的沟通成本。

不适合的情况

如果你的任务只是写病例报告、会议摘要、伦理申请说明或普通综述，而且不需要运行代码，Quarto 可能并不是最高效的选择。Word、WPS 或 Overleaf 可能更直接。

如果团队完全没有 R、Python、Markdown 或命令行基础，也需要预留学习时间。Quarto 文档虽然可读性较好，但 YAML 头信息、代码块选项、环境路径和渲染错误仍会让初学者感到陌生。

Quarto 也不等于数据管理平台。它不会自动完成数据脱敏、权限控制、电子数据采集、审计追踪或临床数据库管理。涉及真实患者数据时，仍要遵守医院伦理、数据安全和访问控制要求。

核心功能与工作方式

Quarto 的基本文件通常是 .qmd。文件顶部写入标题、作者、日期、输出格式等配置，中间写 Markdown 正文，并插入 R、Python 或其他语言的代码块。渲染时，Quarto 会执行代码并把输出合并到文档中。

输出格式是它的强项之一。同一份分析材料可以生成 HTML 供组会浏览，生成 Word 供合作者批注，生成 PDF 作为归档版本，也可以生成 Reveal.js 幻灯片用于学术汇报。对于需要多渠道呈现的研究项目，这种一致性很有用。

Quarto 也支持交叉引用、图注、表注和参考文献管理。医学论文常见的图表编号、文献引用和补充材料说明，可以在同一套语法中维护。复杂期刊模板仍可能需要额外调整，但日常科研报告已经足够实用。

更准确地说，Quarto 是科研工作流中的“可重复发布层”。它不替代统计学判断，也不替代临床专业知识，但能减少复制粘贴、版本错乱和结果不可追溯的问题。

医学研究者如何上手

建议从一个小型、低风险、已脱敏的数据集开始，而不是直接迁移整篇论文。比如先把一张基线表、一幅生存曲线和一段方法说明写入 Quarto，跑通渲染流程后再扩展到完整项目。

临床研究者可以从 RStudio 入手，因为它对 R、Quarto 和渲染按钮支持较直观。生信或影像研究者如果习惯 Python、终端和 Git，VS Code 会更灵活。两者都可以使用 Quarto，不必为了工具本身改变主要分析语言。

一个可行的项目结构是：数据放在受控的 data 文件夹，脚本或函数放在 R 或 scripts 文件夹，主要报告放在 report.qmd，输出文件放在 docs 或 output 文件夹。这样合作者能较快理解项目组织。

数据隐私与合规注意事项

Quarto 默认在本地运行，通常不会主动把数据上传到云端。这对医院、临床科室和处理敏感组学数据的团队是一个优势。但“本地运行”不代表自动合规，关键仍在于数据来源、存储、访问权限和发布范围。

如果报告中包含患者年龄、罕见病诊断、影像截图、基因变异、住院时间或地理信息，应先做脱敏处理。生成 HTML 后还要检查页面源码、图表标签、文件名和元数据，避免隐藏信息被一并发布。

不要把含敏感数据的 Quarto 项目直接推送到公共 GitHub 仓库。即使删除文件，版本历史也可能保留记录。更稳妥的做法是在院内服务器或受控环境中运行，并把公开版报告与内部版报告分开维护。

与常见替代工具的比较

R Markdown 是 Quarto 的重要前身之一。若团队已经有大量 R Markdown 项目，不一定需要立刻迁移。但 Quarto 在多语言支持、项目网站、文档格式和统一配置方面更现代，适合新项目采用。

Jupyter Notebook 更适合交互式探索和教学演示，尤其在 Python 生态中常见。但 Notebook 容易出现执行顺序混乱和长篇报告结构松散的问题。Quarto 可以渲染 Notebook，也更适合正式报告输出。

Overleaf 更偏向 LaTeX 协作写作和精细排版，适合对公式、期刊模板和排版要求很高的论文。Quarto 更偏向从数据分析直接生成结果文档。实际项目中，两者可以分工使用。

编辑部建议

对于医学研究生，Quarto 值得作为可重复科研训练的一部分。它能帮助你养成记录数据处理、参数设置、软件版本和结果来源的习惯，这些习惯在论文返修和毕业答辩时非常有用。

对于临床医生，建议把它用于具体的统计分析报告，而不是一开始就追求完整网站或复杂模板。只要能把表格、图形和文字说明稳定生成，就已经能明显减少重复劳动。

对于 PI 和平台负责人，Quarto 适合纳入课题组规范：要求关键分析报告保留源文件、数据说明、环境信息和渲染结果。这样新成员接手项目、合作者复核分析、审稿人要求补充结果时，团队会更从容。