在医学观察性研究中，混杂因素调整是确保因果推断准确性的核心步骤。然而，当研究涉及多个风险因素时（如心血管疾病、糖尿病、痴呆等），混杂因素的调整方法是否合适往往被忽视！ 但是，不恰当的混杂因素调整可能导致效应大小的低估、高估甚至反转。 2025年3月5日，中南大学湘雅公共卫生学院学者团队在《BMC M
决策曲线在临床预测模型分析中并不是必需的，我们也可以看到，在一些模型构建的文章中并没有临床决策曲线。 临床决策曲线，也叫做
很多时候，开展临床、护理研究，通过一项调查或者最终研究，我们当然你希望去探讨因果关系。但是，很多时候，流行病学研究不仅仅是因果关系研究，也可能是描述性研究或者预测研究。 在这种情况下，如果我们开展了一箱基于回归分析的研究，通过分层或者多变量回归控制了“混杂”，那就可以说是“独立的影响因素”，视为具有
-LwLc.png)
算法狂欢的时代，为何这篇"返璞归真"的研究能登顶柳叶刀子刊？ 老郑看到这样一篇文章，在机器学习横扫科研圈的今天，仅用Logistic回归构建预测模型，发表在期刊
2025年3月13日，中山大学肿瘤防治中心孙颖教授团队III期临床试验-DIPPER研究成果在医学顶刊《JAMA》（医学一区top，IF=63.1）
-kCZo.png)
可能是导师太笨，或者自己学生太笨，培养了半天，终于让我的研究生学会写R语言函数了! 喜大泪奔！ 任务也很简单，对成组两样本t检验模块，写出R语言函数，并且形成shiny在线分析模块。 <
-phec.png)
在我们的临床研究中，很难得到高质量的数据。 以医院数据为例，收集的数据不够完整，存在缺失，这些缺失数据如同鸡肋，食之无味，弃之可惜。 所以，现在对医学研究缺失数据填补的问题，很多人都有了一定的思考，有缺失，还是要填补，无论是临床试验、调查研究，无论是前瞻性还是回顾性。
-sXTo.png)
t检验可以说是统计学里面最基础入门的方法了，郑老师为什么还要搞呢？ 因为基本所有的论文中都会用到！！！ 那这么多软件，SPSS可以做，R语言也很简单，郑老师何必费劲的搞个函数，还要上线平台，现在专门向大家推广呢？ 因为我们的Zstats风暴统计平台这个功能真的很全面！！！
-Svsx.png)
2025年3月21日，医学顶刊《BMJ》（医学一区top，IF=93.6）发表了一篇方法学文章，题为：“How to use directed acyclic graphs: guide for clinical researchers”，介绍了如何构建、解释和展示
2025年2月，一篇题为：“Statistics in biology: a survey of the three major multidisciplinary journals”的论文指出，只有 10% 的分析文章提出了正确的统计方法。 一起来看
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
