在观察性研究中,我们经常同时构建多个统计模型,不同的模型放入不同的协变量,从零个的单因素回归分析,到多个协变量的回归模型。看看,结果的稳健性,来控制混杂偏倚。 还有这个 我们平时统计分析,画个三线表挺容易的,但要一下子快速形成多个模型的统计分析结果。还挺费劲的! 就部署在本人开发的"风暴统计平台",一键完成匹配,一站式完成控制混杂因素研究,形成多模型分析的三线表结果!它的网址是www./(在电脑端浏览器打开,位于“风暴智能统计”模块)本平台上线的所有工具都是免费的, 目前的功能包括: roc曲线 | 列线图 | 校准图 | DCA曲线 |
欢迎有意向开展数据分析的朋友加下方交流,也请提出宝贵意见,或者干脆加入我们制作队伍。。。这样的操作就很简单,在网站https://shiny./con2/我做个展示1. 首先是导入数据,这里就不做解释了。本案采用平台自带的“测试数据集”。这里我们使用的是R语言自带数据集MASS中的birthwt,birthwt是一份与婴儿出生体重低相关的危险因素数据,其中包含的变量见下表,根据研究设计,以“low”作为结局变量。2. 导入数据后接着是可以对数据集进行整理加工,这里不再赘述,有兴趣可以看之前的教程3. 控制混杂偏倚,有两个步骤,第一是挑选出分组不均衡的变量,然后第二步可构建多个回归模型;或者直接第二步,构建多个模型,协变量从少到多。多模型统计分析,在单模型统计分析的基础上,逐步增加自变量。 比如比如我们构建三个模型;第一个模型是单因素logistic回归,则因变量是low,自变量是smoking,没有协变量。 第二个模型,我增加age和lwt的变量,第三个模型,我增加ht、ui、race的变量。 多个模型分析结果显示,吸烟smoking对低出身体重low的影响具有统计学意义。当然,我还是差了一点,表格下方没有脚注,显示每个模型到底校正了哪些协变量。过两天我就把它搞出来!2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10门课。如果您有需求,不妨点击查看:为团队发展,我们将与各位朋友合作共赢,本团队将开展统计分析服务,帮忙进行临床科研。欢迎了解详情: |
|