行必果-CSDN博客

原创 R语言实战：重复测量数据可视化及解读

在配对设计中，每个患者在两个时间点被重复测量，做统计检验时，我们不能用独立样本t检验或Wilcoxon符号秩检验，而应该用配对t检验或Wilcoxon符号秩检验，这样才能控制个体间的基线差异，更准确地评估不同时间的变化。轨迹分析：用潜类别增长模型（LCGA）等方法，把患者分成不同的轨迹亚组，比如 “快速改善组”、“无变化组”和“恶化组”，然后分析哪些基线特征（如年龄、病情严重程度）能预测他们属于哪个亚组。混合效应模型：构建线性混合效应模型，同时分析时间、个体间变异和交互作用，更全面地理解数据。

2026-02-27 23:08:16 289

原创深度解析哑变量｜医学数据分析的分类转译神器

如果自变量X2为二分类变量，例如是否饮酒（1=是，0=否），则回归系数β2可以解释为：其他自变量不变的条件下，X2=1（饮酒者）与X=0（不饮酒者）相比，所引起的因变量Y的平均变化量。b.等距性假设：模型认为从A型到B型的差距（2-1=1）和从B型到AB型的差距（3-2=1）是完全相同的，并且这种差距对药物代谢速度的影响也是相同的（都等于β₁）。如果参照组样本量过小，会导致其他分类与参照组比较时，参数估计的标准误增大、置信区间变宽，降低估计精度，甚至出现极端的参数值，影响结果的可靠性。

2026-02-09 20:41:35 543

原创 R语言实战：Lasso回归实现及结果解读

交叉验证（CV）曲线核心是以惩罚系数 λ 的对数为横轴，以交叉验证的均方误差（MSE）/ 偏差为纵轴，展示不同 λ 下模型的预测性能，同时标注最优 λ（最小误差对应的 λ）和1-SEλ（最小误差 + 1 个标准误对应的 λ，更简约的模型），是选择 LASSO 惩罚强度的核心图。即每一条曲线代表了每一个自变量系数的变化轨迹，纵坐标是系数的值，下横坐标是log(λ)，上横坐标是此时模型中非零系数的个数。λ 越大，惩罚越强，变量被逐步压缩为 0，模型越简约，误差先降后升。缺失率过高（如>20%）的变量直接剔除。

2026-01-25 13:44:59 1014

原创 Lasso回归在医学研究中的应用

（Least absolute shrinkage and selection operator，Lasso），通过引入L1正则化项，添加惩罚函数，既能不断压缩回归系数、解决多重共线性，又能将冗余变量系数收缩至0，实现自动变量选择，达到精简模型的目的，完美适配医学高维数据的分析需求。机器学习常面临高维特征场景（如临床影像组学、基因数据），Lasso可快速剔除冗余特征，保留核心变量，简化模型结构，提升泛化能力，为后续复杂模型（随机森林、GBDT）预处理特征，降低计算成本。

2026-01-22 16:43:28 809

原创 10分钟搞定插件安装，掌握Zotero必备的几款插件，助你成为驯龙高手

今天，带你用10分钟解锁Zotero的终极形态，安装几款核心插件，让你的文献管理效率直接起飞，真正成为驾驭文献的“驯龙高手”！安装成功后，Zotero顶部会出现一个“📦”图标，点击即可打开内置的插件商店，像手机应用市场一样直接搜索、安装其他插件，无需再手动下载文件。Linter for Zotero 是 Zotero 的元数据格式化插件，核心价值是自动规范文献条目信息、补全缺失字段、统一格式，大幅提升文献库质量与引用准确性，第二步：点击刷新，智能解析：在右侧的参考文献侧边栏中，找到并点击 “刷新”按钮。

2026-01-20 14:02:14 788

HBLKMMU的博客

原创 R语言实战：重复测量数据可视化及解读

原创深度解析哑变量｜医学数据分析的分类转译神器

原创 R语言实战：Lasso回归实现及结果解读

原创 Lasso回归在医学研究中的应用

原创 10分钟搞定插件安装，掌握Zotero必备的几款插件，助你成为驯龙高手

原创 R语言实战：多重共线性诊断之方差膨胀因子（VIF）

原创 RCS（限制性立方样条图）结果解读

原创 R语言实战：RCS限制性立方条图分析

空空如也

forestplot包绘制森林图时报错如何解决