众所周知，机器学习构建预测模型有很多算法，其中，XGBoost是最强的吗？ 老郑也确实看过很多机器学习构建预测模型的文章，XGBoost模型优于其他模型。举几个例子。
随机对照试验（RCT）被公认为是确定因果关联的金标准。但受伦理、实践和可行性方面的影响，不适合开展RCT时，越来越多的研究者选择通过大型观察性研究获得证据。 那这时候我们就需要控制观察性研究自身设计缺陷所引起的各种偏倚，提高观察性研究数据因果推断的效能，为了达到这个目的，近年来提出了模拟目标试验（t
现在亚组分析好像越来越流行，无论是观察性研究还是RCT研究，亚组分析一般配备森林图。 比如下方NEJM这张图，配色布局都比较经典美观！ 顶级期刊柳叶刀的亚组森林图，我觉得这个风格最好看。
大多数的影响因素研究借助传统回归方法探讨影响因素，这是众所周知的。 近期逐渐出现一些文章，用机器学习+SHAP分析来做影响因素研究。
传统方法，如逻辑回归，已被广泛用于识别风险因素和预测疾病概率。 很多机器学习构建预测模型的文章中，XGBoost模型优于其他模型。
对于每一个科研工作者来说，英国统计学家Ronald Aylmer Fisher (1890~1962)创立的Fisher精确检验应该再熟悉不过了。 在 20 世纪科学的浩瀚星空中，罗纳德·艾尔默·费舍尔（Ronald Aylmer Fisher）的名字熠熠生辉。他不仅是一位遗传学家，更是一位伟大的统
引言 相信很多朋友都遇到过这个问题，线性趋势的结果和非线性趋势RCS图都有统计意义，这个事情矛盾嘛？ 今天郑老师来解答这个问题！ 如果你也有统计问题还未解惑，欢迎评论留言，我们将选取一些共性问题，陈老师和郑老师为您解答！ 有朋友利用
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 fo
这个问题问得很好，也说明这位童鞋对多重比较会发生一类错误膨胀有一定的思考。 医学研究，我们针对一个指标，可能会多次进行比较，计算多个P值，并下结论，或者多个指标多次比较，这称之为多重比较，多重比较会增加假阳性错误，或者一类错误，这个大部分统计学教科书会提到，但是为什么大多数的论文亚组分析的时候，没有
2025年3月31日，医学顶刊《BMJ》（医学一区top，IF=93.6）发表了一项由空军军医大学西京医院陶凌教授、
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
