- 博客(332)
- 资源 (9)
- 收藏
- 关注
RSS订阅
原创 我写的全部R包和函数，持续更新中
最开始写了逻辑回归和线性回归的，后面又写了cox回归的。用于nhanes数据（复杂调查数据）的一键生存交互效应表（P for interaction）这个函数写了2套，相乘的模型。目前据我所知，目前尚未有专门的nhanes数据匹配的函数或者R包，应粉丝的要求，开发了svypm2函数，目前只能做2组分类的倾向评分匹配，3组分类的倾向评分匹配的还要等一等。应很多的粉丝的要求，编写了新版本的亚组交互函数（P for interaction），支持多个亚组参照比较，此函数还在进一步升级中。目前最新是2.0版本。
2024-08-19 11:12:58
856
原创 CHARLS数据库系列教程（4）--多模型效应分析、Per SD、P for trend及限制立方样条图绘制
为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。
2024-09-29 11:26:57
400
原创 NHANES数据(复杂调查数据)亚组交互函数2.3版（P for interaction）发布---用于一键生成交互效应表
什么是亚组，通常就是特殊类型人群，比如男女，种族等，就是说你的数据放入特殊人群中结果还可靠吗？在既往文章《NHANES数据(复杂调查数据)亚组交互函数2.2版（P for interaction）发布—用于一键生成交互效应表》中，咱们发布了svy.scitb5函数，反响还不错，基本没啥大问题，有个小问题是部分结果只能得到可信区间，算不出来P值，这个其实是survey包的问题，对于协变量过多而你的数据相对较少的话，生成模型较复杂，模型残差自由度消耗为零，所以算不出来，因此发布了2.3版，我来演示一下。
2024-09-27 11:12:59
367
原创 CHARLS数据库系列教程（3）---绘制（加权和不加权）基线表一
为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。在上一篇文章中，咱们还有一个随访时间忘记生成了，这里我补充介绍一下，主要在合并数据后生成，我们看到，在2013年确诊糖尿病的这部分是随访了2年，2015年确诊和没有确诊的都随访了4年。
2024-09-24 10:15:13
352
原创 跟着BMJ玩转预测模型系列（1）--计算开发临床预测模型所需的样本量
作者分成了3种情况，第一种是：二分类逻辑回归的，第二种是生存分析，第三种，type参数，“c”指定了具有连续结果的预测模型的样本量计算，“b”指定具有二元结果的预测模型的样本量计算，“s”指定了具有生存期（事件发生时间）结果的预测模型的样本量计算。先看下它的模型参数，大概就是下面这样的，parameters 协变量个数 ， prevalence ，患病率 ，csrsquared：R方 ，type类型。这里显示需要695例样本量，最后来做个连续变量的，使用的是我的臭氧数据。不会的还可以看下面视频。
2024-09-19 11:27:27
637
原创 CHARLS数据库系列教程（2）---数据清洗、拼接和整理（1）
作者指出甘油三酯葡萄糖指数被认为是胰岛素抵抗的替代物，研究TYG指数与中国中年和老年人患糖尿病的风险之间的关系，作者做了cox回归，分位数回归、多模型比较、限制性立方样条和亚组分析，咱们在后面将会一一进行介绍，咱们先看看作者是怎么获取数据的，主要看流程图。CHARLS数据最麻烦的就是整理数据了，因为没有成熟的查对系统，一边整理一边查找变量，我整理了这份数据也花了2天时间，整理数据内容比较多，光代码都有100多行，1章实在说不完，准备写成个2章得小合集，尽量介绍得详细一点。
2024-09-15 11:20:55
561
原创 R语言进行无序多分类Logistic回归
在临床研究中，接触最多的是二分类数据，如淋巴癌是否转移，是否死亡，这些因变量最后都可以转换成二分类0与1的问题。更改了参考类别后，咱们使用prog2为结局变量建立无序多分类逻辑回归模型，很多包可以建立这个模型，我这里用vglm包来建，我觉得比较简单点。这个数据是高中生毕业后的一个就业计划数据，Prog是结局变量，是个三分类变量，预测变量是ses社会经济地位，其他的是一些协变量。还可以做交互效应的，把交互效应打上去就可以啦，我这里就不弄了。变量比较多，咱们选出需要的变量，并且把字符变量转成因子。
2024-09-11 17:34:00
564
原创 Nhanes数据（复杂调查数据）绘制限制立方样条（rcs）函数svyggrcs1.8尝鲜版发布
这是一个转移性胃癌患者（Power、Capanu、Kelsen 和 Shah 2011）的数据（公众号回复：胃癌数据，可以获得数据），数据很多我们选取一部分建模，age_dx：年龄，group：分组变量，分为存活率小于2年的和大于两年的，inv_weight：概率权重，ssize：每个分组患者的人数，survival生存时间，surv_cens生存结局。我们打开看一下，生成3个内容，newdat是绘图数据，你可以通过它手动绘图，这样自由度大一点，boot.p是重抽样生成的图片，p2是rms包生成的图片。
2024-09-04 11:00:10
1044
原创 CHARLS数据库挖掘系列教程（1）---数据库下载
Charls的数据量不大，但是变量挺多的，非常详尽，特别是一些社科类的数据，又经过多年的随访，挺适合做重复测量数据的，因为表格众多，所以涉及到数据的合并、拼接和清洗，这是一个重要的内容，下一节继续介绍。申请账号以后进入到主页面，需要哪一年的数据都要进行申请，一般都成功，大概3个工作日通过，通过上面的内可以得知2011年是数据的基线表，后面的是随访分析，所以2011年是一定要下载的。比如怎么收集都数据的，和nhanes有些相似，采用多阶段抽样的方式，先选定县区，然后再县区内随机抽取3个二级单元。
2024-08-28 09:56:02
1292
原创 13篇R语言重抽样文章带你由浅入深掌握数据重抽样技术
利用sample函数重抽样获取广义可加模型函数曲线的可信区间，这可是一个非常实用的技能，假设我们想了解某连续变量和结果之间的关系，可以使用mgcv包获得两者之间的曲线关系，但是mgcv不能做出95%可信区间，我们可以通过重抽样获取其可信区间。目前常用的曲线拟合主要是广义可加模型和RCS，在文章《利用重抽样获取mgcv包的广义可加模型函数曲线的可信区间（3）》，的基础上进行分类的曲线拟合。通过重抽样获取模型的变量的系数和标准误，从而得到可信区间，这对于没有提供可信区间的模型比较有用。
2024-08-22 08:25:24
612
原创 首发，nhanes数据（复杂调查数据）倾向性评分匹配函数（PSM）svypm2发布
目前据我所知，目前尚未有专门的nhanes数据匹配的函数或者R包，应粉丝的要求，开发了svypm2函数，目前只能做2组分类的倾向评分匹配，3组分类的倾向评分匹配的还要等一等。给大家多一种选择，仅此而已。最后我总结一下，所谓匹配，就是找到相似的数据，因此协变量越多的话你的卡钳应该尽量的小，因此匹配得到的数据也会比卡钳大的数据小。这里我解释一下参数，data是你的数据，x是你需要进行分组匹配的变量，Y是你研究的结局变量，必须是分二类变量，covs是你要调整的协变量，design这里填入咱们的调查函数。
2024-08-13 09:09:27
710
原创 代码+视频，R语言VRPM绘制多种模型的彩色列线图
列线图，又称诺莫图（Nomogram），它是建立在回归分析的基础上，使用多个临床指标或者生物属性，然后采用带有分数高低的线段，从而达到设置的目的：基于多个变量的值预测一定的临床结局或者某类事件发生的概率。列线图(Nomogram)可以用于多指标联合诊断或预测疾病发病或进展。咱们既往已经多篇文章介绍绘制列线图，今天咱们来视频介绍一下VRPM包绘制彩色列线图，这个包可以绘制多个模型的列线图，咱们一一来介绍。近些年来在高质量SCI临床论文中用的越来越多。R语言VRPM绘制多种模型的彩色列线图。
2024-08-09 09:08:57
403
原创 奇奇怪怪的知识又增加了---给数据自动加上千分位
千分位形式，即从个位数起，每三位之间加一个逗号，例如，将7654321输出成7,654,321。有粉丝私信问，投稿中经常有编辑要求给数字加上千分位，往往需要手动添加，太麻烦，能不能自动给数据加上千分位。处理表格的数据需要使用lapply函数或者sapply函数搭配一下，我这里使用sapply函数，这样就成了，非常简单把，如果是一串数字咱们实现呢，咱们先生成一个向量。那如果是表格式的数据可以改吗，也是很轻松的，咱们先生成一个表格。Sapply这里返回的是向量，重新把它组成表格就可以了，
2024-08-07 13:35:48
221
原创 NHANES数据(复杂调查数据)亚组交互函数2.2版（P for interaction）发布---用于一键生成交互效应表
我来解释一下data是数据，必须数据框形式，x是你研究的目标变量，y是你的结局变量，Interaction是你的分层变量，这个必须是分类变量并转成因子，cov是你的协变量，在我的设定中cov是要包含Interaction的，这也符合我们的习惯，但是你也可以使用contain=F把它关掉。本次发布的2.2函数版本，构架变动挺大的，除了修正了前面版本的一些小问题，之前1.6版本的结果和手动验证还是有点差别，新版本改进了算法，并且增加了线性回归的森林图绘制，下面我来演示一下。先来个X是连续变量Y是分类变量的。
2024-07-31 09:53:51
870
原创 R语言优雅的进行广义可加模型泊松回归分析
我解释一下变量名：dyad是ID标识的意思，background：表明来自哪个国家，months：月份，只有10，11，12共3个月，gesture手势的类型，count：手势的计数，这个是 结局变量。既往已经有文章《R语言进行泊松回归》初步的介绍了泊松回归，本期介绍下如何使用tidygam包来优雅的进行泊松回归，tidygam包主要是通过mgcv包来进行分析，通过对tidygam包对mgcv包的数据转换后，上手难度大大降低，可以轻松优雅的进行泊松回归分析。绘图，一定要用series标明绘制哪个变量。
2024-07-24 16:19:30
759
原创 R语言优雅的把数据基线表（表一）导出到word
数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值。假设咱们想race为研究目标，因为它是分类变量，咱们最好把它转成因子，因为scitb包有一定对数据类型的判定能力，如果你的分类变量类别大于5个，而你不转成因子的话，它可能自动判定为连续变量，处理方式不一样的，所以这里最好自己设定一下。
2024-07-17 19:02:41
900
原创 新版亚组交互效应函数（P for interaction）newscitb5 1.3版本发布--用于一键生成交互效应表
什么是亚组，通常就是特殊类型人群，比如男女，种族等，就是说你的数据放入特殊人群中结果还可靠吗？在第二个表格进行了另外一种方式对数据的处理，等于是把数据分层了8个亚组，女性Q1组，女性Q2组，女性Q3组，女性Q4组，男性Q1组，男性Q2组，男性Q3组，男性Q4组，以女性女性Q1组为参考，其他数据和它进行了参考。生成数据，data就是你的数据，x就是你研究的变量，y就是你的结局变量，结局变量必须是分类变量，Interaction就是你的分层变量，cov就是你的协变量，family="glm"这里是固定的。
2024-07-09 09:39:51
1232
原创 ggrcs包4.0版本发布—重新对密度图宽度进行了设计
目前本人写的ggrcs包新的4.0版本已经在CRAN上线，目前支持逻辑回归（logistic回归）、cox回归和多元线性回归。第二个就是线性回归中因为宽度问题导致绘图不美观的问题，使用我的臭氧数据来演示这个情况（公众号回复：臭氧数据，可以获得这个数据）第一个是有柱子在负轴的问题，既往偶有柱子在负轴的问题，我用一个粉丝的数据来演示一下，代码不解释了，可以看我既往的文章。绘制出的这个图不怎么美观是因为宽度没有控制好，新版本对宽度重新进行自动计算后，还是原来的代码。需要的可以使用代码安装。
2024-07-05 09:12:11
510
原创 R语言fastshap包进行支持向量机shap可视化分析
数据变量很多，我解释几个我等下要用的，HBP：是否发生高血压，结局指标，AGE：年龄，是我们的协变量，BMI肥胖指数，FEV1肺活量指标，WEIGHT体重，“SBP”,“DBP”：收缩压和舒张压。生成以后就是用fastshap包的explain函数来进行计算shap就可以了，使用的是蒙特卡罗算法。使用fastshap包可以做很多模型的shap,做shap可视化的关键就是要定义一个生成预测值概率的函数，接下来咱们要生成一个支持向量机的模型，这里我就直接上代码了，想具体了解的直接可以看上面的文章。
2024-07-03 09:10:49
681
原创 推荐一本RMS包作者写的我正在追读的书《Regression Modeling Strategies》
文章表明一般来说节点数再3——5之间就可以了，节点为4通常可以很好的拟合了，样本量小（n100）的时候可以选5，也可以使用AIC的似然比来决定K值。写这本书的就是RMS包的作者，这是他早些年写的书，我们可以结合他写的书来加深对RMS包的理解，我个人觉得写得很好。熟悉我的粉丝都清楚，我很少推荐书，这次推荐这本书是我目前正在读的，这是本老书了，关于回归模型的，我觉得写的很好。看了这本书后发现，以前R的赋值符号是下面这种，就完全理解了，这是进化后的箭头。
2024-06-26 11:50:23
421
原创 新手（初学者）学R语言第一课，从学正确导入数据开始
因为R语言是个注重格式的语言，目前导入数据的R包种类繁多，有些R包存在格式转换问题，所以导入数据后分析容易出现各种各样的问题。有人可能会说这是我scitb5函数的bug，但其实不是是这句很普通代码的报错，一句涉及数据转换的代码，这句代码应该很常用，涉及很多场景，很多R包都会用。第二：如果是SPSS数据，咱们可以使用foreign包，如我乳腺癌的例子，to.data.frame=T这个一定要有，因为这句等于把数据转成数据框。我推荐两种方法导入数据，这些都是我长期实践觉得比较稳定，不容易出错的，
2024-06-21 09:05:28
1530
原创 代码+视频，手把手教你下载NHANES死亡数据
美国国家健康与营养调查（ NHANES, National Health and Nutrition Examination Survey）是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。既往再文章《Nhanes临床数据库挖掘教程1----数据库下载》中，咱们已经初步介绍了Nhanes临床数据的下载，但是这个数据没有涉及到死亡结局和随访时间，本次继续视频介绍如何下载死亡结局相关的数据。地址为：https://wwwn.cdc.gov/nchs/nhanes/Default.aspx。
2024-06-14 09:43:53
1727
原创 R语言使用survivalsvm包进行支持向量机生存分析
age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。开始我看到结果有点懵，这是预测啥呀，这个不是预测概率，我看到有些文章把这个当作概率来跑，还画了roc和决策曲线什么的，肯定不对的。因此预测得就是生存时间啦。
2024-06-12 09:41:16
1269
原创 关于目前ggrcs包的报错解决方案
我查看了一下，目前报错来源于新版本后的RMS包，主要是预测函数的报错，这个只能等R包作者来修复这个错误。目前需要急用的话，我提供了一个方案，请看下面视频操作。目前有不少粉丝私信我说使用ggrcs包出现如下错误。关于目前ggrcs包的报错解决方案。
2024-06-10 09:25:52
2081
9
原创 NHANES数据(复杂调查数据)COX回归亚组交互函数1.8尝鲜版（P for interaction）发布
在SCI文章中，交互效应表格（通常是表五）能为文章锦上添花，增加文章的信服力，增加结果的可信程度，还能进行数据挖掘。我来解释一下data是数据，必须数据框形式，x是你研究的目标变量，y是你的结局变量，Interaction是你的分层变量，这个必须是分类变量并转成因子，cov是你的协变量。可以看到DMDMARTL=0的时候，HR是0.99，P值是0.203，DMDMARTL=1的时候HR是1.01，P值是0.141，和咱们算出来是非常接近的，所以可靠性是没有问题的。下面我来介绍一下，咱们先导入数据。
2024-06-07 09:05:31
1309
原创 代码+视频，R语言如何从可信区间推断P值
它们不正确的主要背景是小样本，其中结果是连续的，并且分析是通过t检验或方差分析完成的，或者结果是二分的，并且对置信区间使用了精确方法。但是，即使在这种情况下，在包含 60 名或更多患者的大型研究中，这些方法也将大致正确。但是在：一些已发表的文章报告了置信区间，但没有给出相应的P值，如荟萃分析。在我们的一些重抽样中也可以得出可信区间，但是没P值。对于非常小的 P 值，P 公式是不可靠的，如果您的 P 值小于 0.0001，则只需将其报告为 P
2024-06-05 09:03:53
323
1
原创 ggscidca包2.3版本发布， 10分钟让你成为决策曲线高手
age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。值得注意的是，如果是多个时间点的决策曲线，时间的个数和模型的个数还有数据的个数必须一致，因为是一个个的对应跑模型的，下面我来示范一个错误的。
2024-05-29 09:14:51
1147
原创 代码+视频，总结R语言常用的几种按条件转换数据的方法
在科学研究中免不了和数据打交道，收集到原始数据后我们经常需要对其进行清洗、转换才能得到我们需要的数据。今天我总结了一下自己常用的一些多条件的数据转换方法，在临床中遇到问题能多一种选择，下面视频操作演示一下。总结R语言常用的几种按条件转换数据的方法。
2024-05-24 09:03:53
308
转载 nhanes数据行ROC曲线并BOOT重抽样获取可信区间
美国国家健康与营养调查（ NHANES, National Health and Nutrition Examination Survey）是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。既往咱们已经多篇文章对nhanes数据进行了分析介绍，粉丝私信问：如何行ROC分析，并重抽样获取可信区间。地址为：https://wwwn.cdc.gov/nchs/nhanes/Default.aspx。
2024-05-20 09:15:53
215
原创 R语言使用 ggscidca包优雅的绘制支持向量机决策曲线
数据变量很多，我解释几个我等下要用的，HBP：是否发生高血压，结局指标，AGE：年龄，是我们的协变量，BMI肥胖指数，FEV1肺活量指标，WEIGHT体重，“SBP”,“DBP”：收缩压和舒张压。进行分析前还需对数据进行预处理，如果你是多分类的，并且数据差异大，可以使用分层抽样，尽量是数据匹配一下，方法详见我既往文章《R语言两种方法实现随机分层抽样》，我这里是二分类，我就不弄了。最后向大家汇报一下，多模型的决策曲线和混合模型的决策曲线已经写好，下周上传，到时我再出个视频介绍一下。定义一个标准化的小程序。
2024-05-17 09:23:11
526
原创 R语言手把手教你进行支持向量机分析
数据变量很多，我解释几个我等下要用的，HBP：是否发生高血压，结局指标，AGE：年龄，是我们的协变量，BMI肥胖指数，FEV1肺活量指标，WEIGHT体重，“SBP”,“DBP”：收缩压和舒张压。公众号回复：体检数据，可以获得数据。上图给出了一些模型的基本参数，默认情况下，gamma为预测变量个数的倒数，cost为1。进行分析前还需对数据进行预处理，如果你是多分类的，并且数据差异大，可以使用分层抽样，尽量是数据匹配一下，方法详见我既往文章《R语言两种方法实现随机分层抽样》，我这里是二分类，我就不弄了。
2024-05-14 09:07:46
1452
原创 代码+视频，R言语处理数据中的缺失值
在SCI论文中，我们不可避免和缺失数据打交道，特别是在回顾性研究，对于缺失的协变量（就是混杂因素），我们可以使用插补补齐数据，但是对于结局变量和原因变量的缺失，我们不能这么做。部分人的做法是直接删除掉这部分的数据（如SEER数据库），有些高分SCI杂志的审稿人会问你缺失数据的情况和你是怎么处理的，如果我们能附上一个缺失数据和未缺失数据比较的表格，可以起到一表抵千言万语的作用，如下图。今天咱们视频演示一下如何R语言做出上面的表格。R言语处理数据中的缺失值。
2024-05-11 10:18:09
392
原创 R语言两种方法实现随机分层抽样
其实用起来非常简单哈，data就是你的数据，strataname就是你分层的变量名字，我们这里当然是SEX性别啦，size就是你抽取的数量，method是抽取的方法，有不替换的简单随机抽样（srswr）、替换的简单随意抽样（srswr）、泊松抽样（Poisson）、系统抽样（systematic sampling）；这是个体检相关的数据，公众号回复：体检数据，可以获得这个数据。如果要提取数据，需要使用ID_unit这个变量，这是数据的标识，咱们通常会把分层抽样的数据用来建模，其余的数据用来验证。
2024-05-10 17:39:35
794
原创 scitb5函数2.1版本（交互效应函数P for interaction）发布----用于一键生成交互效应表、森林图
数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值。加下来说一个包含的问题，在既往函数中，我要求协变量COV是要包含分层变量，不然就会报错，但也有些粉丝说这样有时候不够灵活，新版本中这个包含规则也是可以关掉的，我重新设置一下协变量h额分层。生成结果，这里的Y是连续变量，所以是线性回归。导入我们的早产数据和函数。
2024-05-08 11:51:57
835
原创 生存分析亚组交互函数scitb5.coxph 1.6尝鲜版（P for interaction）发布----用于一键生成交互效应表、森林图
然后一句话代码就可以生成表格，data是你的数据，必须是数据框形式，x是你研究的目标变量，y是你的结局变量，time是你的时间变量，Interaction是你的分层变量，这个必须是分类变量并转成因子，cov是你的协变量，family="cox"这个是固定的。Cox回归也是可以一键生成森林图的，既往森林图黑色我觉得有点单调，改成蓝色了。加下来说一个包含的问题，在既往函数中，我要求协变量COV是要包含分层变量，不然就会报错，但也有些粉丝说这样有时候不够灵活，新版本中这个包含规则也是可以关掉的，比如以下情况。
2024-05-07 09:04:27
871
1
原创 代码+视频，R语言绘制生存分析模型的时间依赖（相关）性roc曲线和时间依赖（相关）性cindex曲线
ROC曲线分析是用于评估一个因素预测能力的手段，是可以用于连续型变量分组的方法。在生存分析中，疾病状态和因素取值均会随时间发生变化。而标准的ROC曲线分析将个体的疾病状态和因素取值视作固定值，未将时间因素考虑在分析之中。在这种情况下，使用时间依赖性ROC无疑是更好的选择。R语言绘制生存分析模型的时间依赖（相关）性roc曲线和时间依赖（相关）性cindex曲线。今天咱们视频来演示一下时间依赖ROC曲线绘制。
2024-04-28 10:11:31
770
原创 R语言使用sjPlot包优雅绘制回归模型的交互效应图
这是一个有关于老年人护理的数据，我介绍一下等会我要用到的变量，neg_c_7：7个项目的负面影响，c12hour：每周平均护理时数，BARTHTOT：总分 BARTHEL INDEX，c161sex ：照顾者的性别，得出不同性别，在不同barthtot 分数段中，护理时间和负面影响的关系，我们可以看到barthtot 分数70分这段，护理时间越长，负面影响越高，男女都是一样，儿30分这段随着护理时间延长没有什么变化。除了2项交互，terms- 参数还可以接受三个模型项，因此您还可以计算三向交互的边际效应。
2024-04-25 09:24:29
1248
原创 代码+视频，R语言对数据进行多重插补后回归分析
我们在临床做回顾性研究分析中经常要面对数据缺失的问题，如果数据缺失量大就会对我们的研究结果产生影响，近年来，对数据进行多重插补广泛应用于SCI论文中。我们在之前的文章中已经演示了使用SPSS对数据进行多重插补并分析。今天，我们通过视频演示使用R语言的Mice包来演示多重插补并对数据进行分析。R语言对数据插补并进行分析。
2024-04-19 09:36:35
832
原创 R语言使用installr包对R包进行整体迁移
今天分享一个R语言的实用小技巧，如果咱们重新安装了电脑（我重装了电脑）或者因为需要卸载旧版本的R软件，安装新版本的R，那么必然会造成R包的库缺失，需要重新下载，有些还不是官方的R包，下载非常麻烦。from就是我旧版本的R软件的位置，to就是我新版本的R软件的位置。这个R包的迁移的函数是copy.packages.between.libraries函数，有点长，大概的格式就是下面这样的。咱们可以使用installr包把旧版本的R的R包库转移到新的版本，非常简单。我觉得还是挺简单使用的，本期结束啦。
2024-04-16 09:02:31
2217
3
原创 18篇文章带你深入浅出了解亚组交互作用（p for Interaction）及可视化分析
交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，进行可视化后可以清晰的表明变量之间的关系。2. SPSS联合Excel进行logistic回归亚组交互效应（交互作用）的可视化分析，不用代码操作也能做出交互效应图。编写NHANES亚组交互函数，可以一键生存亚组分析交互效应表并绘制森林图，目前已经更新到1.7版本。5.使用visreg包快速进行R语言logistic回归交互项的可视化分析。
2024-04-14 10:48:07
8095
美国芝加哥1987年至 2000年大气污染与死亡数据2（第二部分），可用于时间相关序列数据分析
2023-02-17
一步到位：手把手教你R语言竞争风险模型建模-列线图-校准曲线-K折验证-外部验证- 决策曲线
2022-06-20
利用重抽样获取广义可加模型曲线的可信区间重抽样代码
2022-05-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人