- 博客(406)
- 资源 (20)
- 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
2069
1
原创 重磅更新！sciclhls包发布clhls数据虚弱指数提取功能，效率提升看得见
CLHLS是中国老年健康影响因素跟踪调查数据，由北京大学主持，覆盖1998-2018年全国23个省市，包含11.3万人次调查数据，重点关注高龄老人健康。数据可用于计算虚弱指数（由40个变量组成），支持纵向分析和轨迹分析。通过R语言的clhls.frailtyindex函数可快速提取虚弱指数，并支持多年度数据分析和全变量导出。该数据与CHARLS数据库有相通性，适合双库交叉验证研究。研究团队还开发了便捷工具，简化了数据处理流程。
2025-09-12 09:46:35
198
原创 ggscidca包2.5版本上线，优雅绘制各种决策曲线，添加了xgboost模块
本文介绍了ggscidca 2.5版本的更新内容，该R包用于绘制临床决策曲线(DCA)。新版本优化了线条颜色、增加了自定义颜色功能，并新增了xgboost模块。文章演示了如何使用该包绘制xgboost、逻辑回归、支持向量机和随机森林等模型的决策曲线，支持单模型和多模型对比。同时展示了生存分析模型的DCA实现方法，强调数据需无缺失值。该包可与scitable等工具联合使用，为临床决策分析提供可视化支持。
2025-09-08 09:03:09
894
原创 sciml包scixgboost函数发布，轻松完成机器学习xgboost分析
本文介绍了使用R语言中的sciml包进行XGBoost机器学习分析的方法。文章首先解释了XGBoost作为Boosting算法的原理，即将多个弱分类器集成形成强分类器。随后详细演示了数据准备、变量处理、训练集/测试集划分（70%/30%）等步骤，并展示了如何使用scixgboost函数构建模型。此外，文章还介绍了模型评估方法，包括ROC曲线绘制和AUC值计算，以及如何将XGBoost与其他模型（如随机森林、支持向量机、逻辑回归）进行性能比较。最后提到未来将扩展sciml包功能，如添加决策曲线分析等可视化工具
2025-09-02 11:25:01
375
原创 scitable包sciimp函数上线，两步即可完成数据插补
本文介绍了scitable包中的sciimp函数，该函数可简化数据插补过程。文章演示了使用mgus数据集进行多重插补和随机森林插补的两种方法，仅需两步操作即可完成。函数还能自动分析数据缺失模式、可视化插补前后数据分布，并提供了清除异常值后再插补的选项。通过plotimp函数可直观比较插补效果，确保数据分布一致性。该工具特别适合零基础用户快速完成数据预处理，为后续分析提供完整数据集。
2025-08-28 09:06:21
330
原创 R语言使用随机森林对数据进行插补
摘要：本文介绍了使用R语言随机森林方法进行数据插补的步骤，适用于处理非线性关系和复杂交互的数据。通过missForest包实现，能够同时处理数值型和分类变量。主要内容包括数据缺失值检查、分类变量转换、missForest函数参数设置及结果提取。文章还提示了计算成本、数据类型和缺失机制等注意事项，并展示了插补错误率评估指标OOBerror。这种方法可为后续数据分析提供完整的插补数据集。
2025-08-26 09:06:29
473
原创 一起来学马尔科夫链分析
马尔可夫链（Markov Chain），描述了一种状态序列，其每个状态值取决于前面有限个状态。马尔科夫链是概率论中的一个重要概念，广泛应用于各个领域，比如自然语言处理、金融市场分析等
2025-08-22 09:04:10
524
原创 charls.sarcopenia函数发布，秒提charls数据中的肌少症（Sarcopenia）指标
CHARLS 是中国45岁及以上人群的追踪调查数据库，涵盖社会经济和健康等多维信息。研究团队开发了charls.sarcopenia函数，可便捷提取2011-2015年肌少症相关数据。该函数能自动识别肌少症诊断、可能的肌少症、附肢骨骼肌质量、肌肉力量和肌肉质量等关键指标。通过简单的R语言代码即可完成数据提取，为老龄健康研究提供了高效工具。肌少症作为重要健康指标，在医学研究中可用作观察变量或结局变量，对研究老年健康具有重要意义。
2025-08-18 09:16:40
256
原创 手把手带你复现一篇8.1分一区charls分共病分析文章
CHARLS 是一项针对中国45岁及以上人群的追踪调查，建立了包含社会经济和健康等多维度的公共数据库。研究采用国际标准方法，自2011年起开展多轮追踪调查，样本覆盖全国450个社区。本文复现了一篇8.1分一区期刊文章，探讨腹部肥胖与非传统血脂参数对心脏代谢性多发病(CMM)的联合影响。研究通过R语言分析发现：1) 腹部肥胖与高AIP组CMM发病率显著升高；2) 多因素cox回归显示，调整混杂因素后风险比仍显著。研究结果为CMM的一级预防提供了重要依据，证实了代谢指标联合评估的价值。
2025-08-11 09:52:17
1328
原创 R语言两阶段设计分析NMMAPS数据温度对死亡率的影响
摘要：本文介绍了环境流行病学中两阶段分析法的应用，通过R语言实现温度与死亡率关系的多城市研究。首先利用dlnm包计算各城市温度效应系数，然后通过mixmeta包进行荟萃分析。结果显示高温与死亡率显著相关(p<0.05)。进一步分析发现人口规模是重要效应修饰因子，大城市温度上升导致的死亡风险更高（RR=1.4）。研究采用样条函数处理非线性关系，并可视化温度百分位与相对风险的关系曲线，为环境健康风险评估提供了方法学参考。
2025-08-07 09:24:30
420
原创 代码+视频，解决亚组分析报错和森林图添加字符
摘要：本文介绍了SCI文章中交互效应表格（表五）的重要性，通过亚组分析提升文章可信度和数据挖掘价值。文章包含R语言代码示例，展示了如何处理亚组分析中的常见错误（如变量转换和缺失值处理）以及森林图的字符添加技巧，包括调整格式、修改数字为字符等操作。视频教程和代码示例帮助读者掌握亚组分析的关键步骤，为高质量SCI论文撰写提供实用工具。
2025-08-04 09:09:32
232
原创 chrals.CTI函数发布，秒提charls数据CTI和累积CTI（cuCTI）
摘要：C反应性蛋白原甘油三酯葡萄糖指数（CTI）是一种结合胰岛素抵抗和炎症的新型指标，对癌症、恶病质和心脏病风险具有预测价值。本文介绍了使用R语言从CHARLS数据库提取CTI和累积CTI（cuCTI）的方法，通过chrals.CTI和chrals.cuCTI函数可分别计算2012年和2015年的CTI值，并生成累积指标。该指数可通过ggexplore函数进行数据挖掘分析与其他健康结局的关联。研究为利用大型队列数据开展代谢相关疾病研究提供了便捷工具。
2025-07-31 10:14:27
368
原创 空气污染导致虚弱？手把手带你复现一篇11分1区charls文章
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。
2025-07-28 09:14:19
480
原创 nhanes和charls发文新指标生物年龄Biological Age (GOLD BioAge)
GOLD BioAge：新型生物年龄测量方法 GOLD BioAge是一种基于Gompertz定律的生物年龄算法，通过整合实际年龄和常规生物标志物来评估个体衰老程度。该指标能有效预测死亡风险和慢性疾病发病率，每增加1年差异，死亡风险提升13-15%。研究显示，高BioAgeDiff组（生物年龄与实际年龄差异大）的中老年人群生存概率显著降低。该算法已开发为R包scitable的chrals.bioAge函数，便于科研应用。初步分析表明，GOLD BioAge与多种健康指标存在显著关联，为衰老研究提供了新的量化
2025-07-24 09:53:22
901
原创 R语言进行二阶段工具变量回归（Instrumental Variables Regression）
工具变量回归（IV Regression）是解决回归分析中内生性问题的有效方法，通过引入与内生解释变量相关但与误差项无关的工具变量（如税收与香烟价格）。本文以AER包的香烟数据为例，演示了二阶段回归法：首先检验工具变量与价格的正相关性（R²=0.47），随后建立价格与消费量的负相关关系（弹性-1.08）。使用ivreg函数验证结果一致，证实价格每上涨1%会导致消费量减少约1.08%。该方法适用于存在遗漏变量或双向因果的场景，类似孟德尔随机化中的工具变量原理。
2025-07-22 09:25:31
456
原创 charls.ntlp函数发布，秒提血浆动脉粥样硬化指数 （AIP）等非传统脂质参数
血浆动脉粥样硬化指数（AIP）作为新型心血管风险指标受到关注。研究表明AIP与胰岛素抵抗、糖尿病存在非线性关系。本文提供了CHARLS数据库计算AIP的R语言代码，可同时提取6种非传统脂质参数。通过数据挖掘方法，研究者可快速探索AIP与其他健康指标的相关性，为相关研究提供简便的分析工具。文章还列举了AIP在糖尿病、动脉粥样硬化等领域的应用参考文献，为开展相关研究提供便利。
2025-07-17 09:11:30
1003
原创 重叠加权（Overlap Weighting OW）在真实世界研究（仿RCT研究）的应用
摘要：真实世界研究（RWS）作为随机对照试验（RCT）的重要补充，通过重叠加权（OW）方法在非理想化场景中评估医疗干预效果。本文对比了四种协变量调整方法（未调整、倾向评分匹配、逆概率加权和重叠加权），发现重叠加权在平衡组间差异（SMD≈0）和保留样本量方面表现最优，其权重算法稳定可靠。通过R语言实例分析，验证了OW方法在模拟RCT三大核心属性（目标人群相关性、协变量平衡性和估计精确性）上的优势，与JAMA文献结论一致，为真实世界研究提供了高效的分析工具。（150字）
2025-07-14 09:20:32
803
2
原创 sciml包支持向量机函数scisvm发布，轻松完成支持向量机分析
本文介绍了基于R语言sciml包中scisvm函数进行支持向量机(SVM)分析的完整流程。主要内容包括：数据准备与预处理（缺失值处理、分类变量转换）、数据集划分（7:3比例）、SVM模型构建与评估（ROC曲线绘制、SHAP特征重要性分析）。文章还展示了多模型比较（SVM、随机森林、逻辑回归）的ROC分析和决策曲线评估，以及多分类SVM的实现方法。该整合包简化了SVM分析过程，支持二分类和多分类任务，为机器学习建模提供了便捷工具。
2025-07-10 09:01:20
358
原创 手把手带你完美复现一篇10分一区双组交互效应森林图
本文介绍如何绘制双组交互森林图，用于展示亚组交互效应分析结果。通过复现一篇10分SCI文章中的双组森林图案例，演示了调整模型前后的交互效应可视化方法。
2025-07-08 11:49:32
446
原创 手把手带你复现一篇20分的CLHLS数据植物饮食指数文章
摘要：本研究基于北京大学"中国老年健康调查(CLHLS)"数据(1998-2018年)，分析了植物性饮食模式与中国老年人死亡率的关系。研究采用健康植物性饮食指数(hPDI)、不健康植物性饮食指数(uPDI)和总体植物性饮食指数(PDI)评估65岁以上老年人(样本量8,780人)的饮食模式。分析方法包括基线特征比较、Cox回归模型和限制性立方样条曲线(RCS)。结果显示，较高的hPDI评分与显著降低的死亡风险相关(P<0.001)，而uPDI评分与死亡风险呈非线性关系(P<0.
2025-07-03 09:04:58
942
原创 聊下charls纵向数据的特点和基线表绘制
摘要：本文通过两个实际案例解释了宽数据转长数据时数据量翻倍的现象。在第一个案例中，将3种燃料类型数据合并后，数据量变为原来的3倍；第二个案例将4个年份的衰弱指数合并，数据量变为4倍。文章强调，纵向数据（面板数据）因包含多个时间点或类型，必然导致数据量增加。基线表的绘制方式取决于研究目的，可参考相关文献选择合适的数据结构。通过R代码演示了数据转换过程，直观展示了单个ID数据如何扩展为多行记录。
2025-07-01 09:35:28
649
原创 R语言使用nonrandom包进行倾向评分匹配
倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。
2025-06-26 12:01:39
606
原创 sciclhls包发布，秒提CLHLS数据中的健康植物性饮食指数 （hPDI） 和不健康植物性饮食指数 （uPDI）
北京大学"中国老年健康调查"（CLHLS）是一项覆盖全国23省市的长期追踪研究，1998-2018年间完成8次入户调查，累计访问11.3万人次，重点关注高龄老人健康。研究发现饮食模式对老年健康有重要影响，植物性饮食（如地中海饮食）对糖尿病、心血管疾病等具有保护作用。研究者开发了专用R包sciclhls，包含CLHLS.hPDI和CLHLS.UPDI函数，可从CLHLS数据库便捷提取健康/不健康植物性饮食指数，为后续老年健康饮食研究提供分析工具。该研究为探索饮食模式与老年健康关系提供了重要
2025-06-23 10:03:00
472
原创 charlsCMI函数发布，秒提取charls数据心脏代谢指数（CMI）
心脏代谢指数（CMI）是反映肥胖和血脂的新型指标，研究表明其与糖尿病及多种慢性病显著相关。本文介绍了CMI的计算方法，并利用CHARLS数据开发了专用提取函数charlsCMI，通过ggexplore工具快速挖掘CMI与其他变量的关联性。结果显示CMI与TYG、高血压等代谢指标显著相关（P<0.05），为研究者提供了高效的数据分析途径。该工具简化了CMI相关研究流程，有助于发现潜在的健康关联因素。
2025-06-19 09:15:52
593
原创 复现一篇16分的seer数据库文章：列线图风险评分+最佳阈值风险分层+生存分析曲线
摘要：列线图（诺莫图）是一种基于多变量回归分析的预测工具，通过直观的图形化评分系统预测临床结局或疾病风险。近年来在高质量临床研究中广泛应用，尤其在SEER数据库分析中。本文以一篇16分SCI论文为例，展示了如何使用列线图建立风险预测模型（包括变量筛选、模型构建和可视化），并通过最佳阈值划分低、中、高风险组，最终用KM曲线验证分层效果。分析使用R语言实现，涵盖逐步回归、风险分数计算、截点优化和生存分析全流程，为临床预测模型研究提供了可复现的方法学框架。文中还探讨了限制性立方样条(RCS)等替代方法的适用性。
2025-06-16 09:30:20
902
原创 中国老年健康调查（CLHLS）数据挖掘教程（1）--CLHLS简介和数据下载
北京大学主持的"中国老年健康调查(CLHLS)"是一项覆盖全国23个省市的长期追踪研究，1998-2018年间完成8次调查，累计入户访问11.3万人次，其中80岁以上高龄老人占67.4%。研究收集了老人健康、认知、社会参与及照料需求等丰富数据，并包含2.89万死亡老人临终前状况。调查数据已通过开放平台免费共享，被1万多位学者使用，产出大量学术成果。该数据集以sav格式存储，包含8次调查数据，采用特定编码系统标记不同变量类型和缺失值。作为研究中国高龄老人健康的重要资源，该调查特别适合膳食模
2025-06-13 11:38:47
2376
3
原创 Scitable包+sciml包手把手带你复现一篇5分charls潜轨迹模型+机器学习文章
今天咱们来介绍一下一篇5分的潜轨迹文章+随机森林charls文章复现，文章的名字叫Predictive analysis of bullying victimization trajectory in a Chinese early adolescent cohort based on machine learning（基于机器学习的中国青少年早期队列欺凌受害轨迹预测分析）
2025-06-10 09:56:02
1003
原创 sciml包scikfoldcv函数轻松实现机器学习模型进行10折交叉验证
我们在建立数据模型后通常希望在外部数据验证模型的检验能力。然而当没有外部数据可以验证的时候，交叉验证也不失为一种方法。交叉验验证（交叉验证，ＣＶ）则是一种评估模型泛化能力的方法，广泛应用中于数证据采挖掘和机器学习领域，在交叉验证通常将数据集分为两部分，一部分为训练集，用于建立预测模型；另一部分为测试集，用于测试该模型的泛化能力。
2025-06-05 09:08:52
420
原创 R语言使用随机过采样（Random Oversampling）平衡数据集
摘要：随机过采样是一种处理类别不平衡的机器学习技术，通过复制少数类样本来平衡数据集。本文介绍了其优缺点：优点是简单易行且不改变原始数据分布，缺点可能引发过拟合。通过R语言演示了使用ROSE包实现随机过采样的过程，从生成不平衡数据到平衡处理，并可视化对比了处理前后的数据分布差异。该方法适用于逻辑回归等模型，但需注意可能导致的预测偏差，建议配合敏感性分析使用。文章还预告后续将介绍更高级的SMOTE合成采样方法。（149字）
2025-06-03 09:02:59
768
原创 sciml包随机森立函数scirandomForest发布，轻松完成随机森林分析
本文介绍了sciml包中集成的随机森林分析方法scirandomForest。该方法基于randomForest包进行封装，可一键生成随机森林模型及其可视化结果，包括变量重要性排序、SHAP解释、ROC曲线和决策曲线等。文章通过胆管炎数据演示了该函数的使用流程，展示了模型训练、结果解读和验证集评估的全过程。该工具包还支持与其他模型（如逻辑回归）的性能比较，为机器学习分析提供了便捷的解决方案。未来计划扩展支持更多机器学习算法。该方法简化了随机森林分析流程，有助于提高科研效率和结果可解释性。
2025-05-30 09:31:14
450
原创 R语言randomForestExplainer包进行随机森林分析
本文介绍了randomForestExplainer包在随机森林分析中的应用。该包作为randomForest的辅助工具，可帮助用户更直观地理解模型结果。文章以波士顿房价数据为例，演示了如何构建随机森林模型、计算变量最小深度和重要性指标，并通过可视化展示关键变量。重点讲解了缺失值处理方法和多种重要性评估指标的选择策略，最后展示了如何提取最重要的预测变量。该包提供了丰富的可视化功能，有助于深入理解随机森林模型的变量贡献。
2025-05-26 09:05:39
955
原创 scitable包手把手带你复现一篇一区8.5分charls潜轨迹文章
本次复现一篇charls的文章名字《社交和智力活动与我国中老年人群认知轨迹的关联：一项全国代表性队列研究》Associations between social and intellectual activities with cognitive trajectories in Chinese middle-aged and older adults: a nationally representative cohort study
2025-05-20 09:20:03
850
原创 scimp包2.2版发布，增加charls地图拼音省名和图例百分比表示
CHARLS（中国健康与养老追踪调查）是一项针对中国大陆45岁及以上人群的全国性追踪调查，旨在构建一个高质量的公共微观数据库，涵盖社会经济和健康状况等多维度信息，以支持老龄科学研究。该调查参照国际老龄研究标准，如美国的HRS，确保数据的国际可比性。自2011年基线调查以来，已进行了多轮追踪调查，并在2020年增加了新冠疫情相关信息的采集。为便于数据可视化，开发了scimp包中的charlsmap函数，支持快速绘制中国省市级地图，并提供了多种自定义选项，如省名拼音显示、比例调整、图例标题修改及多颜色配置，帮助
2025-05-14 09:03:24
552
原创 Scitable包+ggscitable包手把手带你复现一篇3.8分charls潜轨迹模型（GBTM）文章
本文复现了《固体烹饪燃料使用与衰弱轨迹之间的关联：来自中国全国队列的结果》一文的研究，探讨了固体燃料使用与衰弱轨迹之间的关系。研究基于中国全国队列数据，通过潜轨迹模型（GBTM）分析虚弱指数的变化轨迹，并将其分为四类：低水平组1、低水平组2、快速升高组和缓慢升高组。研究结果显示，使用固体燃料与虚弱指数的快速增长显著相关，而清洁能源的使用则与缓慢增长相关。复现过程中，作者使用了R语言进行数据处理和模型拟合，并通过基线表和逻辑回归模型验证了研究结果。复现结果与原研究基本一致，进一步支持了固体燃料使用对健康的负面
2025-05-12 09:06:52
1153
原创 Scitable包charlscognition函数发布，秒提取charls数据中的认知功能（痴呆）数据
先提取2011年的，要先生成2011年数据，其实主要是要demographic_background，health_status_and_functioning，health_care_and_insurance这三个，我这里直接沿用既往代码了。CHARLS数据中有个变量就是认知功能（痴呆）的评分，再医学和社会学很多文章用得到，但是这个指标需要手工提取，目前我编写了charlscognition函数，可以很方便的提取出认知功能（痴呆）的评分。可以提取2011-2018年的认知评分数据。
2025-05-08 08:48:24
631
原创 R语言traj包进行潜轨迹分析
这种方法结合了潜变量模型和轨迹分析的优点，可以用来探索不同个体随时间变化的规律或趋势，并将这些个体分类到不同的潜类别中去。目前潜轨迹模型（GBTM）属于比较好发文的，能发的文章分数也比较高，有些机构还开专门开了潜轨迹模型（GBTM）培训班，既往咱们已经介绍额如何使用lcmm包构建潜轨迹模型，今天咱们来介绍traj包进行潜轨迹分析。例如，在医学研究中，它可以用来分析患者在接受某种治疗后的恢复过程，识别出不同的恢复模式以及与之相关的因素。咱们先导入R包和数据，数据使用R包自带的trajdata数据。
2025-05-04 09:39:11
1080
原创 重磅更新！Scitable包发布charls数据虚弱和虚弱指数提取功能，效率提升看得见！
但是也是相当复杂的，29个变量中，有些变量计算非常复杂，比如说认知功能，而且每一波的有些指标会变化，等于每个年份都要校对一遍，这个工作量想想都大，我也是校对变量校对到想吐了。在上图文章中，可以看到这篇文章虚弱有5个指标定义，是个2分类变量，在本篇文章中虚弱是个结局变量，也有部分文章把它用作观察变量，查看和死亡或者其他结局的关联。虚弱和虚弱指数自己手动算还是比较麻烦的，特别是虚弱指数，光找变量就有得你找的，但是用我写的函数可以很轻易做出来，下面我来演示一下，以2011年基线表为例子。
2025-04-25 15:18:38
1092
原创 八步法规范构建潜轨迹模型（GBTM）
目前潜轨迹模型（GBTM）属于比较好发文的，能发的文章分数也比较高，有些机构还开专门开了潜轨迹模型（GBTM）培训班，因为属于纵向分析，本公众号今后将陆续介绍它，本期以文章《Framework to construct and interpret latent class trajectory modelling》来介绍规范建立潜轨迹模型（GBTM）这种方法结合了潜变量模型和轨迹分析的优点，可以用来探索不同个体随时间变化的规律或趋势，并将这些个体分类到不同的潜类别中去。也许，考虑具有最低人口百分比的类别。
2025-04-22 09:08:48
1304
原创 scitable包+sciml包手把手带你复现一篇8.5分charls机器学习文章
这是一篇去年的比较新的文章，我查了下大概8.5分，文章大概就是介绍一种指数，叫做：甘油三酯葡萄糖-腰身高比指数（cumulative_TyG_WHtR），研究甘油三酯葡萄糖-腰身高比指数和新发心血管疾病的关系，作者搞了个K值聚类分析来把cumulative_TyG_WHtR指数分类，研究分类后指标和心血管疾病关系，这样类似的指数还有很多，比如TYG，WHtR，TyG_WHtR，目前这是一个发文的方向，这样的指数，变一个结局变量，又可以继续搞一篇文章，很多类似文章层出不穷，nhanes也有很多，
2025-04-17 09:45:16
1074
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