在观察性研究中，如何准确估计某种干预或暴露对结局的因果效应，一直是流行病学与数据科学中的核心难题。 近年来，“超级学习者（Super Learner）”与“双重稳健估计器”的组合，逐渐成为因果推断领域的一把利器。它既能灵活拟合数据，又具备良好的统计性质，被越来越多研究者采用。
刷知乎，看到一篇文章，说的是经济学研究基本都是线性模型，是否合理的？引发了很多网友的讨论。 今天，我也想说说我们医学数据，线性模型，是否满足它所需要的“线性”的条件。
近日，由首都医科大学护理学院岳鹏教授团队领衔、发表于 《JAMA Network Open》（IF 9.7）的一项定性研究，深入北京4家安宁疗护机构，访谈了39位患者、家属及专业人员，首次揭示了关于中国居家临终关怀质量评价体系。
2026年3月21日，首都医科大学附属北京天坛医院王拥军院士、李子孝教授团队在医学顶刊《BMJ》（医学一区top，IF=42.7）发表了一项重磅研究。
最近在医学顶刊Lancet子刊《Lancet Digital Health》（医学一区top，IF=24.1）看到一篇非常有意思的研究论文。 该研究来自一个庞大的国际多中心团队，为精准预测“T+A”免疫联合疗法（阿替利珠单抗+贝伐珠单抗）对晚期肝细胞癌患者的疗效，结合了13种特征筛选方法与7种机器学习算法构建预测模型。
近期，山东大学齐鲁医院张运院士、张澄教授团队领衔开展了一项随机对照临床试验（TXL-CAP 研究），研究成果发表在Nature子刊《Signal Transduction and Targeted Therapy》期刊（医学一区，IF = 52.7）上。
2026年1月16日，由中国医学科学院阜外医院李静研究员和张海波副研究员领衔，开展了一项针对无糖尿病且患肥胖和代谢功能障碍相关脂肪肝病（MASLD）患者的随机、双盲、安慰剂对照临床试验。
胃癌前病变（PLGC）是胃癌进展的关键阶段，及时干预可显著降低死亡率。 然而，当前筛查策略主要依赖内窥镜检查，不仅费用高、侵入性，在资源有限地区更是难以普及。
传统随机对照试验（RCT）虽为证据金标准，但存在成本高、耗时长、外推性受限等局限。在此背景下，模拟目标试验（TTE）应运而生，其实质是利用观察数据模拟RCT，从而达到近似于RCT的研究效能。
近年来，蛋白质组学结合机器学习构建临床预测模型的研究越来越多。但一个核心难题始终存在，如何从海量蛋白中筛选出真正有价值的预测特征？
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
