文章目录
随便忽悠水一期
万里长征第一步,先把数据收集说了哈。
数据收集,顾名思义就是就是拿到数据。我盲猜大多数人都是从医院或者单位数据库导出来的,严格来说不叫数据收集,叫数据导出(说啥大实话)。多说一句,医院的病例系统对于导出临床症状可能不太友好(比如发热、畏寒、体重下降等),因为这些信息是在大病历里面的,没有统一的格式,硬要导出对于计算机来说很困难。反而那些实验室检查的数据(血常规、肝功肾功等),由于是一个萝卜一个坑的设计方式,所以很容易导出整齐的数据格式。对于前者,手抄吧,或者从源头上就把电子病例系统设计好,模块化的输入(想想而已,别当真)。
接着,可以根据你们的临床目的制定一个纳入排除标准,这个纳入排除标准很重要哦:
(1)你要纳入多少病人?(越多越好?)
(2)研究的期限是啥?(XX年至XX年)
(3)纳入标准:诊断标准是啥?是否有其他限制(年龄呀、治疗方式呀等等)。
(4)排除标准:为啥要排除,给出科学(能圆的过去)的理由。
这一步看起来很枯燥哈,其实是很重要的,反映出文章和设计的严谨性,也是审稿人最喜欢问的地方,比如说(我随便乱编的):
① 研究期限是2012-2020,但是2016年诊断/治疗指南或者啥政策变了,你这个研究人群是否还有意义?
② 你的诊断标准似乎跟指南有些许出入,请解释。
③ 你这个临床变量为什么选这些呀?为什么不选XXX检查指标(我认为这个指标很重要)?
④ 你这个发热是我认为的发热么?你这个体重减轻是我认为的体重减轻么?
⑤ …
噼里啪啦一顿输出,别问我为啥知道,都是血泪。
所以啊,在设计课题和收集数据的时候,一定要严谨,每一步一定要制定清晰的、有依据的、说了人家不能反驳的、人家反驳你还能怼回去的(所谓怼回去一定要有高质量的证据,最好是CNS、新英格兰、柳叶刀、WHO指南等作为依据,而不是靠经验和口嗨)纳入排除标准,制定下来了以后,严格按照此标准进行数据收集和分析。
那么,定错了怎么办?没事,从头再来而已。大家也不用太紧张,返工2-3次是正常操作,大胆去躁吧,年轻人。
因此,要建立好自己的分析流程,这样返工一次的时间也不会太久,所谓流程那就是:作图的模板留好(换个数据就出图)、模型代码规整好(换个数据就能跑)等等。毫无感情的流水线作业。
最后,就可以开始作图了:
(1)纳入排除标准的流程图
这个图都看得懂吧。首先,第一个框展示一共多少病人,然后最下面的一个框展示最后纳入多少病人。中间有一条长长的箭头,这个箭头的右边就是要排除的病人:一共有三个排除标准,所以是三个框,要写清楚排除标准和排除人数。
然后就是划分训练集和验证集,还有测试集(他这个厉害,用了5个医院的数据做测试集)。训练集、验证集、测试集的划分和区别,后面再说。
这个图可以用PPT来做,简单粗暴,排列整齐就好。当然用PS、AI、幕布等专业软件做,也可以。
(2)要求比较高的同志,可以搞点花里胡哨的流程图:
这个图其实已经是全文的技术路线了,数据收集、数据清洗、特征工程、建模、模型评估全都有,还配上各种花里胡哨的元素,外行看起来就觉得很厉害,内行一般直接跳过(又说啥大实话)。不过呢,图做的好看准没错。
多说一个坑,这些元素要自己画的哦,因为文章出版会涉及到版权,从别的地方复制过来的话,杂志社会让返工重画。别问我咋知道那么多细节。
这个图也可以用PPT来做,简单粗暴,排列整齐就好。当然用PS、AI,甚至3DMAX、C4D等三维专业软件做,也可以,那更加吸引眼球了,哈哈哈。
好了,随便忽悠了一下,下一步数据清洗见。