APP construction
文章平均质量分 73
预测模型的开发与应用研究
预测模型的开发、应用和动态化
展开
-
再论Web应用在医学研究中构建数据收集问卷(stremlit_survey包体验)
医学队列研究是临床研究的重要形式,这种研究通过收集临床诊疗过程中产生的数据而阐述疾病相关的因素。在临床数据收集过程中,Web APP体现出了一定的优势。相比传统方法和大型问卷调查网站,Web应用更具灵活性和可控性,可以作为下一代临床数据收集的工具。Web应用结合Streamlit框架和Deta Space数据库,为医学研究数据收集提供了灵活、高效、安全的方式,可显著提升医学研究效率和数据质量。体验地址:https://little-survey.streamlit.app/,欢迎大家反馈问题。原创 2024-06-03 13:41:25 · 919 阅读 · 0 评论 -
免费发布web APP的四个途径(Python和R)
docker应该也算一个, 但是不够轻量,文件比较大(预测模型类),还需要下载docker的软件等,可以先尝试以上几个。其它的途径应该还有,但是没实际操作过,欢迎大家推荐。安利自己做的一些APP,包括streamlit和shiny的,https://webcrate-2-d8091132.deta.app/,欢迎大家交流。原创 2024-05-23 19:04:34 · 710 阅读 · 1 评论 -
推荐一个可以作为web APP hub的网站
这里介绍的deta.space 网站,虽然不能说完美,但也可以说很好地实现了上述的功能,我们可以把APP的地址整理在一个页面上而方便访问,而且还可以把这个页面分享给其它的人,比如https://liuyp2080.deta.page/ 就收集了本人制作的一些APP,有streamlit的,也有shiny的,通过点击即可访问。这个网站还有许多有趣的APP可以进行探索,之所以说不完美,是因为似乎不够美观。原创 2024-05-22 20:49:24 · 237 阅读 · 0 评论 -
Streamlit+detabase构建调查问卷APP
在数据收集的场合,比如患者随访,调查问卷等,我们需要一种便捷的方式来收集、储存数据,这里展示用streamlit构建调查问卷的界面,使用网络数据库来作为数据存储,两者结合实现一种轻量级的数据采集系统。问卷部分:使用streamlit的form函数可以方便的组织一个简单的问卷,如果想更加专业,可以使用它的扩展库streamlit-survey,提交之后,数据会直接上传到网络数据库,也可以在后台对数据进行删除等处理。学习的成本不高,跟着官方的教程半天就能学会,关键还是问卷的设计等内容。原创 2024-05-22 15:49:28 · 395 阅读 · 0 评论 -
快速分析变量间关系(Boruta+SHAP+RCS)的 APP(streamlit)
R语言的shinyAPP的瓶颈在于部署,需要算力较多的就需要花钱进行部署,在这一点上,streamlit可能是因为结合GPU,所以是更好的选择,所以深度学习模型,首选的是也是streamlit(机器学习和统计分析,可以尝试shinyAPP)。建立了一个web APP讨论的群组,欢迎大家加入,同时接受APP制作的委托,欢迎大家咨询!第二步,SHAP分析,这里主要展示全局解释的结果,包括汇总图和单变量的散点图,而局部解释的结果,如瀑布图,不符合这个APP的目的,暂时没有涉及。交互作用的部分(待添加)。原创 2024-05-20 17:09:23 · 654 阅读 · 0 评论 -
构建一个快速数据分析(boruta+shap+rcs)的shiny APP
立方样条回归(RCS)用的是独立变量及其SHAP值之间的单因素回归,但是因为SHAP值计算的时候是多因素lightgbm计算出来的,所以最终结果中含有多因素的成份,与普通的两个变量之间的直接RCS拟合不同。1.筛选, 使用boruta算法对变量实现快速的筛选,后续分析只针对感兴趣的变量,因而提高了分析的效率。这一步耗费的时间比较长。但是运行起来比较耗费资源,主要是第二步导致部署在网路上的APP运行时间过长,体验较差,需要寻求其它的解决办法,目前APP是二分类的版本,后续可能退出COX的版本,敬请期待。原创 2024-05-08 10:24:16 · 633 阅读 · 0 评论 -
Web App 入门指南:构建预测模型 App 的利器(shiny)
近年来,随着机器学习和人工智能技术的快速发展,预测模型在各行各业得到了广泛应用。为了方便地部署和使用预测模型,将模型构建成 Web App 是一种非常好的选择。Web App 无需下载安装,可直接在浏览器中运行,方便快捷,并且易于维护和更新。原创 2024-04-08 20:19:31 · 500 阅读 · 0 评论 -
关于Web APP 促进临床预测模型进入临床实践的讨论
构建临床预测模型Web APP,通过一些模块可以辅助预测模型在临床上的落地,比如模型介绍模块可以介绍模型的适用范围等,外部验证模块,可以方便用户了解本地数据是否可以适用于模型等等,笔者认为是临床预测模型的落地提供了一种可行的方案。积累了一定的经验,对预测模型APP的构建和部署都有所了解,但也是初学乍练,大家一起提高。所以,对于以上问题的讨论是推动预测模型进入临床实践的重要力量,为此我们建立了一个微信群,希望大家聚在一起就共同感兴趣的话题进行讨论,也可以就相关的问题展开合作,欢迎大家加入。原创 2024-03-26 16:05:01 · 892 阅读 · 0 评论 -
The Bridge:从临床数据到临床应用(预测模型总结)
如果说把临床预测模型比作临床数据和临床应用之间的一座“桥梁”,那它应该包括这样几个环节:模型的构建和评价、模型的概率矫正、模型决策阈值的确定和模型的局部再评价。模型的构建和评价是关注和讨论比较多的,但是后三个环节同样也很重要,缺少了某个环节可能导致预测模型不能够进行临床应用,但是它们受到的重视程度不高,许多人甚至并不知道。原创 2023-11-25 16:00:34 · 261 阅读 · 0 评论 -
新的预测模型的局部评价指标-pAUROCc
两个模块几乎一样,不同的是演示模块使用的内置的数据集,不需要自己上传数据,而分析模块有稍多的可调整的参数。pAUCc(concordent partial AUC )是在2020年一篇文章(PMID:31906931)中介绍的指标,可以用于评价不平衡数据,作者认为是优于现有的局部AUROC的评价指标,详细的关于这个指标的介绍和评价,可以参考以上文献。模块2:自行上传数据集,增加了一个调整参数,曲线的精细度,是通过调整阈值的跨度来实现的,数值越小曲线越精细,但对局部AUC的计算并没有影响。原创 2023-11-23 16:49:42 · 72 阅读 · 0 评论