![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
R语言
文章平均质量分 67
天桥下的卖艺者
4个R包的编写者。发布关于SPSS、R语言、stata等相关科研的文章。今后的方向聚焦于:1.机器学习和深度学习 2.各种模型算法研究 3.各种科研图形绘制 4.R语言编程和R包编写 5.数据挖掘
展开
-
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。原创 2024-08-28 09:56:02 · 561 阅读 · 0 评论 -
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。原创 2024-08-22 08:25:24 · 563 阅读 · 0 评论 -
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。原创 2024-08-19 11:12:58 · 690 阅读 · 0 评论 -
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。原创 2024-08-13 09:09:27 · 628 阅读 · 0 评论 -
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。原创 2024-08-09 09:08:57 · 356 阅读 · 0 评论 -
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,原创 2024-08-07 13:35:48 · 200 阅读 · 0 评论 -
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。原创 2024-07-31 09:53:51 · 733 阅读 · 0 评论 -
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。原创 2024-07-24 16:19:30 · 588 阅读 · 0 评论 -
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。原创 2024-07-17 19:02:41 · 766 阅读 · 0 评论 -
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。原创 2024-07-09 09:39:51 · 1101 阅读 · 0 评论 -
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。原创 2024-07-05 09:12:11 · 456 阅读 · 0 评论 -
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。原创 2024-07-03 09:10:49 · 543 阅读 · 0 评论 -
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。原创 2024-06-26 11:50:23 · 391 阅读 · 0 评论 -
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,原创 2024-06-21 09:05:28 · 1283 阅读 · 0 评论 -
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。原创 2024-06-14 09:43:53 · 1174 阅读 · 0 评论 -
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。原创 2024-06-12 09:41:16 · 1202 阅读 · 0 评论 -
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。原创 2024-06-10 09:25:52 · 1853 阅读 · 9 评论 -
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。原创 2024-06-07 09:05:31 · 1199 阅读 · 0 评论 -
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原创 2024-06-05 09:03:53 · 300 阅读 · 1 评论 -
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。原创 2024-05-29 09:14:51 · 1089 阅读 · 0 评论 -
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。原创 2024-05-24 09:03:53 · 282 阅读 · 0 评论 -
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。转载 2024-05-20 09:15:53 · 181 阅读 · 0 评论 -
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。原创 2024-05-17 09:23:11 · 503 阅读 · 0 评论 -
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。原创 2024-05-14 09:07:46 · 1351 阅读 · 0 评论 -
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。原创 2024-05-11 10:18:09 · 376 阅读 · 0 评论 -
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。原创 2024-05-10 17:39:35 · 699 阅读 · 0 评论 -
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。原创 2024-05-08 11:51:57 · 814 阅读 · 0 评论 -
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。原创 2024-05-07 09:04:27 · 827 阅读 · 1 评论 -
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。原创 2024-04-28 10:11:31 · 710 阅读 · 0 评论 -
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。原创 2024-04-25 09:24:29 · 1089 阅读 · 0 评论 -
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。原创 2024-04-19 09:36:35 · 749 阅读 · 0 评论 -
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。原创 2024-04-16 09:02:31 · 1776 阅读 · 3 评论 -
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。原创 2024-04-14 10:48:07 · 6963 阅读 · 0 评论 -
代码+视频,R语言手动绘制连续线条的校准曲线(Calibration curve)(3)
校准曲线图表示的是预测值和实际值的差距,作为预测模型的重要部分,目前很多函数能绘制校准曲线。一般分为两种,一种是通过Hosmer-Lemeshow检验,把P值分为10等分,求出每等分的预测值和实际值的差距。我们既往已经通过多篇文章介绍了等分的校准曲线绘制,今天来视频介绍一下上图这种连续的,线条样的校准曲线绘制。原创 2024-04-12 10:14:33 · 724 阅读 · 0 评论 -
两种方法手把手教你R语言多分类变量亚组相加交互模型分析
不少粉丝问如何进行多分类的相加交互模型分析,今天咱们来演示一下,继续使用咱们的不孕症数据(公众号回复:不孕症,可以获得这个数据)Education:教育程度,age:年龄,parity产次,induced:人流次数,case:是否不孕,这是结局指标,spontaneous:自然流产次数。这样fage就是年龄进行等分后的变量,是个3等分的变量,spontaneous自然流产次数也是个3等分的变量,等下咱们就是研究这两个变量的交互。有文献表明,单单只用乘法交互效应低估了疾病协同的危险性,从而低估了发病率。转载 2024-04-09 09:11:35 · 1331 阅读 · 0 评论 -
代码+视频,手动绘制logistic回归预测模型校准曲线(Calibration curve)(2)
我们既往文章《手动绘制logistic回归预测模型校准曲线》已经进行了手动绘制logistic回归预测模型校准曲线,今天继续视频来介绍外部数据的校准曲线验证和分类数据的校准曲线。一般分为两种,一种是通过Hosmer-Lemeshow检验,把P值分为10等分,求出每等分的预测值和实际值的差距。R语言手动绘制logistic回归预测模型校准曲线(Calibration curve)(2)校准曲线图表示的是预测值和实际值的差距,作为预测模型的重要部分,目前很多函数能绘制校准曲线。原创 2024-04-07 12:47:48 · 466 阅读 · 0 评论 -
R语言使用 ggscidca包优雅的绘制竞争风险模型决策曲线
对于不同的结果, ggscidca包的结果是根据决策曲线发明者大佬AndrewVickers博士提供的stdca.R函数生成结果的,stdca.R函数其实是可以进行竞争风险模型分析的,但是stdca.R单独生成结果有点小问题(其实不算问题,应该认知不同),我稍微修改了一点,让它更易于分析竞争风险模型(核心代码没有动),我反复比对了stdca.R的代码原理和数据生成的结果,认为没有错,那只能是dcurves包错了。这步不做就没法分析,你原先就是0,1,2形式的不用改,直接下一步就行。原创 2024-04-03 09:09:16 · 1043 阅读 · 0 评论 -
分享一个nhanes数据报错的解决方案
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。今天分享一个小的NANES报错小方案,目前有不少粉丝私信我是说:使用survey包的时候出现如下图错误:stratum has only one PSU at stage 1。这个报错是因为survey进行权重抽样计算的时候PSU分配到单一的变量所致,咱们导入包的时候可以对它进行一下设置。原创 2024-03-31 11:01:53 · 692 阅读 · 0 评论 -
代码+视频,手动绘制logistic回归预测模型校准曲线(Calibration curve)(1)
今天我们来视频演示第一种,手动绘制的好处在于加深你对绘图的理解,而且能个性化的进一步处理图形。第一种绘图本质就是我们的折线图,一般分为两种,一种是通过Hosmer-Lemeshow检验,把P值分为10等分,求出每等分的预测值和实际值的差距.R语言手动绘制logistic回归预测模型校准曲线(Calibration curve)(1)校准曲线图表示的是预测值和实际值的差距,作为预测模型的重要部分,目前很多函数能绘制校准曲线。另外一种是calibration函数重抽样绘制连续的校准图。原创 2024-03-30 11:38:30 · 659 阅读 · 0 评论 -
R语言使用dietaryindex包计算NHANES数据多种营养指数(2)
健康饮食指数 (HEI) 是评估一组食物是否符合美国人膳食指南 (DGA) 的指标。Dietindex包提供用户友好的简化方法,将饮食摄入数据标准化为基于指数的饮食模式,从而能够评估流行病学和临床研究中对这些模式的遵守情况,从而促进精准营养。该软件包可以计算以下饮食模式指数:• 2020 年健康饮食指数(HEI2020 和 HEI-Toddlers-2020)• 2015 年健康饮食指数 (HEI2015)• 另类健康饮食指数(AHEI)• 控制高血压指数 (DASH) 的饮食方法。原创 2024-03-28 08:42:14 · 2484 阅读 · 2 评论