今天在一篇因果推断SCI论文中，看到一个词out of sample，翻译为各模型在所有处理和结局变量下的样本外 AUC 和 MSE。这是何意？“in sample test”与“out of sample”有何区别？
在医学、公共卫生及社会科学等领域的观察性研究中，太多研究者仍然依赖传统的多因素回归方法来"控制"混杂因素。 尽管多因素回归仍是目前最常见的方法，但它已不再是前沿方法论的最佳选择。一系列更稳健、更强大的现代方法已成熟可用，且实现简便。了解并应用这些方法，是提升研究质量的关键一步。 <
在医学和流行病学研究中，我们常常关心某个干预措施（如药物治疗、生活方式改变）对健康结局的因果效应。 然而，在观察性研究中，由于混杂因素的存在，直接比较暴露组与非暴露组的结果往往会产生偏倚。传统方法如G-computation和逆
2025 年 12 月，中国博后 Xie Min 一作在国际顶尖学术期刊《Cell》（生物学一区，IF=42.5）上发表了题为：The effect of shingles vaccination at different stages of the dementia disease course
今天为大家解读的这篇研究，提出了一种兼具特征精简与统计可解释性的新框架——Φ检验。该框架能够在训练好的黑箱模型与评估数据集基础上，进一步筛选核心特征，让精简后的模型保留原始模型的大部分预测性能，同时输出包含特征后选择P值与置信区间的全局特征重要性表格，为黑箱模型的透明化解读提供了严谨的统计支撑。
中介分析到底该怎么做？最近看到一篇武汉教育部青少年网络心理学与行为重点实验室学者在二区SCI发了一篇论文，做了一个纵向中介模型，我们一起看看！
今天解读一篇2025年11月20日发表在医学顶刊柳叶刀《Lancet》主刊（医学一区，IF=88.5）上的一篇临床试验论文。这项临床试验研究设计很特别，采用2×2析因设计，且不是常规的平行组设计，而是分两阶段实施的序列随机化研究，郑老师团队统计师来详细说说！
在复杂、高维的流行病学数据中，结合机器学习的双重稳健估计方法（如TMLE、AIPW、DML）能更可靠地估计因果关系，减少模型设定错误带来的偏差，是未来因果推断的重要发展方向。
今天分享的这篇中国学者的SCI论文，发表在《Alzheimers & Dementia》（医学一区，IF=11.1）杂志上，重点讲一下文章的统计学方法，集成机器学习与SHAP分析的统计解读。
如果你在医学研究、临床研究、公共卫生或药物评价领域工作，今天要介绍的超级学习者（Super Learner，SL），很可能会改变你的数据分析方式！
Zstats交流群
联系助教
请输入助教告诉您的积分券
如果不填写积分券，将直接使用当前余额支付
请稍候，正在为您生成支付订单
请使用扫描二维码完成支付
二维码获取失败
支付二维码获取失败，请点击重新获取
请稍候，正在为您完成支付
正在使用积分券兑换，然后完成支付 正在使用当前余额完成支付
您的订单已支付完成，页面将在 秒后自动关闭
支付过程中出现错误，请重新选择支付方式
