《自然》子刊实锤：“导师 push”，例如过度严厉的批评甚至责骂，以及对学生抱有不切实际的期望对研究生的心理健康伤害最大！ 近年来，越来越多现实案例告诉我们，研究生的心理问题不容小觑。据报道，35.5%的研究生有抑郁倾向，超一半研究生可能存在焦虑问题。而且，博士生的抑郁、焦虑平均水平显著高于硕士生。
众所周知，回归模型是构建临床预测模型的主力。事实上，过去十年里开发的用于预测肝纤维化的非侵入性的工具，大多都依赖于逻辑回归模型。 尽管机器学习方法功能强大，但研究者们无法准确把握哪种机器学习法性能最佳。这时，Super Learner便成为了一个有效的解决方案，它能
剖宫产子宫瘢痕异位妊娠(CSEP)是剖宫产术后妊娠的一种潜在致命的并发症，可能导致孕妇大出血或死亡。手术中的出血量直接影响手术的成功率。 近年来，基于电子病历(EMR)数据构建的机器学习(ML)预测模型研究日益增多。本研究团队开发的最佳预测模型已被集成到一个网络应用程序中，使临床医生无需掌握R语言或编程技能即可预测CSEP患者的术中风险。 2024年12月，中国学者在医学顶级期刊Lancet子刊《eClinicalMedicine》（医学一区top，IF=9.6）发表了一篇题为：“Risk of intraoperative hemorrhage during cesarean scar ectopic pregnancy surgery: development and validation of an interpretable machine learning prediction model”的研究论文。 在该项研究中，研究团队使用四种方法确定模型的预测因子，并使用八种机器学习法构建预测模型。不同于我们之前介绍的SHAP法，本研究使用"iBreakDown"包对模型进行可视化。
2025年7月17日，浙江大学附属第一医院凌琪教授团队基于全国多中心队列研究，开发并验证一种新型预后模型，用于预测急性加重型乙型肝炎肝功能衰竭（HBV-ACLF）患者术后 1 年死亡率，发表在医学顶刊柳叶刀子刊《eBioMedicine》（医学一区top，IF=10.8）。
用公共数据库的数据进行二次分析，确实省时省力。但要想得出有意义的研究结果，还是得多探索多学习。 前段时间，顶级期刊新英格兰医学杂志子刊《NEJM循证》发表了一篇公共数据挖掘的文章的评论文章，深入分析了该项研究在解决公共数据库挖掘过程中面临的数据回忆偏倚、数据缺失以及不同随访时间差异处理等问题上采取的
关于有向无环图（directed acyclic graphs，DAGs），我们讲了不少，它是一种有用的工具，可直观地展示变量之间的关系，并帮助阐明所选统计模型背后的因果假设。
首先让我们按照常规套路，简单看一下这篇文章！ 研究设计流程 在该项研究中，研究团队使用了去身份化电子健康记录（EHR）数据，纳入老年患者。
在课题申报时加上“促销词”，不仅更容易中标，获取的资助金额也会增加！ 与我们先前报道过的一篇发表在知名期刊《美国国家科学院院报》（PNAS）的文章结论一致，使用“促销型”语言写科研申请材料，更容易获得资助。 PNAS：用上这1
-nxiZ.png)
-dsbO.png)