选择模板

更多 最新动态

  • 医小咖
    医小咖  发布了新帖 样本量计算:生存分析 7天前

    (来源:“医咖会”微信公众号)一、临床研究问题生存分析研究在临床上非常常见,例如肿瘤科大夫想要评价两种治疗措施对于患者生存期的影响,或者肿瘤复发的影响,一般要用到生存分析。一般肿瘤治疗药物的临床研究,都会采用Logrank检验比较主要结局。本文将介绍如何利用PASS软件计算生存分析Logrank检验的样本量。本文适用于无期中分析的试验设计类型。对于有期中分析的试验,样本量计算涉及到α消耗函数等调整假阳性率的方法,需要其他模块完成。二、样本量计算所需参数在介绍样本量计算之前,首先介绍几个参数的概念。1. 中位生存时间mOS:即50%的患者死亡时所对应的时间。如果将所有患者生存时间按从小到大排序,中位生存时间即顺序处于中间的患者的生存时间。2. 入组时间:入组患者很难瞬间完成

  • 医小咖
    医小咖  发布了新帖 文献中常看到的P for trend,该怎么操作实现? 33天前

    (来源:“医咖会”微信公众号)我们在阅读文献时,常常会看到文章结果展示的表格中,给出了P for trend的检验结果,如下表所示。在本例中不难理解,研究人员将每一个自变量按照一定的切点分为3组,并以水平最低的一组作为参照,设置了2个哑变量带入到模型中,分别求出其对应的OR值及P值。同时在表格中每一个变量分组下又列出了一行P for trend的结果,那么问题来了,这个P for trend代表的是什么意义呢,它有什么作用呢?我们在实际的分析中怎样才能求得P for trend的结果呢?今天我们将结合几篇发表的文献,来向大家介绍一下回归模型中趋势性检验的魅力。研究实例一JAMA Oncology期刊(影响因子:16.56)2017年10月在线发表了一篇文章《Dose-Response Ass

  • 医小咖
    医小咖  的帖子被加了1分 34天前

    举例说明近10种常见类型的Meta分析

    来源:“医咖会”微信公众号系统综述可以分为定性和定量两种分析方法:用统计学方法对资料的定量综合即Meta分析(Meta analysis);有些资料不适合Meta分析时,可以进行定性综合。Meta分析有很多种类型,常见的几种如下:1、常规Meta分析这种Meta分析以合并随机对照...
  • 医小咖
    医小咖  发布了新帖 大量混杂因素要调整?这4种倾向性分析方法你值得了解! 51天前

    来源:“医咖会”微信公众号在前两期的内容中,我们分别介绍了两种在观察性研究中最常用的控制混杂因素的方法,即分层分析法和多因素调整分析法,这两种方法操作起来较为简单也易于理解,但是他们都有一个共同的局限性,也就是同时调整的混杂因素的数量不能太多,且受到结局事件例数的限制。如果有大量的混杂因素需要同时进行调整的话,此时该怎么办呢?今天我们就来继续为大家介绍一种高大上的控制混杂因素的常用方法——倾向性分析(Propensity Analysis)。倾向性评分在介绍倾向性分析方法之前,我们先介绍一个非常重要的概念:倾向性评分。顾名思义,倾向性评分是指在一定协变量条件下,一个观察对象接受某种暴露/处理因素的可能性,它是一个从0到1的范围内连续分布的概率值。其基本原理是将多个混杂因素的影响用一个综合的倾

  • 医小咖
    医小咖  发布了新帖 观察性研究控制混杂因素全解析 64天前

    来源:“医咖会”微信公众号在随机对照试验(RCT)中,随机化保证了研究对象的各项基线特征(例如年龄、性别、疾病严重程度、伴随疾病等能够影响疾病预后的因素)在试验组和对照组之间的均衡性。然而,RCT研究并非总是可行。第一,对于需要很长时间的干预和随访来观察长期效应的研究,或者需要大量样本来观察罕见严重不良事件的研究,RCT并不是最理想的,因为它十分昂贵且需要耗费大量资源,实施起来也非常困难;第二,当研究的干预措施具有一定风险时,随机分组则可能无法满足伦理要求,不能将患者随机分配到具有一定风险的干预组中。针对这些情况,观察性研究可以提供更好的证据来源。实际上,越来越多设计规范的观察性研究被广泛应用到疗效比较中,甚至有学者认为观察性研究能够解决RCT在人群普遍适用性上的缺陷,从而提供最接近真实世界

  • 医小咖
    医小咖  发布了新帖 说到控制混杂因素,怎么能不提多因素分析! 64天前

    来源:“医咖会”微信公众号写在前面的话:时不时有小伙伴会咨询多重线性回归、logistic回归和Cox回归的区别,本文虽不是专门讲三者区别的文章,但是文中有个表也许会对你有所帮助哦。上一期的内容里,我们介绍了在观察性研究中,当预后因素在暴露组和对照组间分布不均衡时,最简单的处理办法就是对研究资料按照混杂因素来进行分层分析,从而达到控制混杂因素的目的。然而,分层分析仅仅适用于混杂因素较少,且多为分类变量的情况。当我们的研究中存在较多的混杂因素,且混杂因素较为复杂(例如混杂因素为多分类变量或连续变量)时,应该如何对混杂因素进行控制和调整呢?今天我们就来一起讨论下,大家平时最常用到的多因素调整分析法。多因素调整分析多因素分析是相对于单因素分析而言,单因素分析仅关注一个因素在组间的差异或对结局事件的

  • 医小咖
    医小咖  回复了帖子 观察性研究控制混杂因素全解析 64天前
    说到控制混杂因素,怎么能不提多因素分析!来源:“医咖会”微信公众号写在前面的话:时不时有小伙伴会咨询多重线性回归、logistic回归和Cox回归的区别,本文虽不是专门讲三者区别的文章,但是文中有个表也许会对你有所帮助哦。上一期的内容里,我们介绍了在观察性研究中,当预后因素在暴露组和对照组间分布不均衡时,最简单的处理办法就是对研究资料按照混杂因素来进行分层分析,从而达到控制混杂因素的目的。然而,分层分析仅仅适用于混杂因素较少,且多为分类变量的情况。当我们的研究中存在较多的混杂因素,且混杂因素较为复杂(例如混杂因素为多分类变量或连续变量)时,应该如何对混杂因素进行控制和调整呢?今天我们就来一起讨论下,大家平时最常用到的多因素调整分析法。多因素调整分析多因素分析是相对于单因素分析而言,单因素分析
  • 医小咖
    医小咖  发布了新帖 说到控制混杂因素,怎么能不提多因素分析! 64天前

    来源:“医咖会”微信公众号写在前面的话:时不时有小伙伴会咨询多重线性回归、logistic回归和Cox回归的区别,本文虽不是专门讲三者区别的文章,但是文中有个表也许会对你有所帮助哦。上一期的内容里,我们介绍了在观察性研究中,当预后因素在暴露组和对照组间分布不均衡时,最简单的处理办法就是对研究资料按照混杂因素来进行分层分析,从而达到控制混杂因素的目的。然而,分层分析仅仅适用于混杂因素较少,且多为分类变量的情况。当我们的研究中存在较多的混杂因素,且混杂因素较为复杂(例如混杂因素为多分类变量或连续变量)时,应该如何对混杂因素进行控制和调整呢?今天我们就来一起讨论下,大家平时最常用到的多因素调整分析法。多因素调整分析多因素分析是相对于单因素分析而言,单因素分析仅关注一个因素在组间的差异或对结局事件的

  • 医小咖
    医小咖  发布了新帖 观察性研究控制混杂因素第一弹:分层分析 64天前

    来源:“医咖会”微信公众号在随机对照试验(RCT)中,随机化保证了研究对象的各项基线特征(例如年龄、性别、疾病严重程度、伴随疾病等能够影响疾病预后的因素)在试验组和对照组之间的均衡性。然而,RCT研究并非总是可行。第一,对于需要很长时间的干预和随访来观察长期效应的研究,或者需要大量样本来观察罕见严重不良事件的研究,RCT并不是最理想的,因为它十分昂贵且需要耗费大量资源,实施起来也非常困难;第二,当研究的干预措施具有一定风险时,随机分组则可能无法满足伦理要求,不能将患者随机分配到具有一定风险的干预组中。针对这些情况,观察性研究可以提供更好的证据来源。实际上,越来越多设计规范的观察性研究被广泛应用到疗效比较中,甚至有学者认为观察性研究能够解决RCT在人群普遍适用性上的缺陷,从而提供最接近真实世界

  • 医小咖
    医小咖  回复了帖子 绘制回归分析结果的森林图,R和Stata软件学起来! 67天前
    2、绘制森林图2.1 数据录入:点击Data → Data Editor → Data Editor(Edit)2.2 点击User → Meta-Analysis → Of Binary and Continuous(metan),按照下图所示进行设置,点击OK完成操作。2.3 Stata绘制的森林图如下图所示。在Graph界面点击Start Graph Editor,也可以对图形细节进行进一步调整,这里不再详述,留给大家自行尝试。以上是通过Stata的窗口界面进行设置来绘制森林图,图形输出的同时,在命令框也会显示对应的命令,熟练的同学也可以直接输入命令简单快速的完成森林图的绘制。metan hr lowerci upperci, label(namevar=
  • 医小咖
    医小咖  回复了帖子 绘制回归分析结果的森林图,R和Stata软件学起来! 67天前
    Stata--Meta分析全才Stata功能强大,且操作简单,在Meta分析中,Stata相对于RevMan(Meta分析最常用的经典款软件)来说,它除了可以完成普通的二分类变量和连续型变量的Meta分析,还可以进行Meta回归分析、累积Meta分析、诊断试验、剂量反应关系等几乎所有的Meta分析方法,同时也可以对发表偏移进行Egger’s检验,进行敏感性分析等,因此Stata被认为是Meta分析的全才,绘制森林图当然就不在话下。下面我们以Stata 14为例,来介绍如何绘制回归分析结果的森林图。1、安装Meta分析模块1.1 在命令框输入search meta dialog,点击Meta分析模块的安装包链接,并点击click here to install进行安装,安装成功后显示
  • 医小咖
    医小咖  回复了帖子 绘制回归分析结果的森林图,R和Stata软件学起来! 67天前
    4、利用forestplot函数绘制森林图forestplot(as.matrix(ForestPlot[,1:3]), HR, LowerCI, UpperCI, graph.pos=2,   zero=1, graphwidth=unit(50,"mm"), lineheight="auto", boxsize=0.1, xticks=(c(0.5,1.0,1.5,2.0,2.5)), col= fpColors(all.elements = "black"))以上参数是forestplot函数最基本的一些设置,最终生成的森林图如下图所示。当然还有很多其他参数可以对图形细节进行进一步修饰,大家可以自行尝试一下。
  • 医小咖
    医小咖  发布了新帖 绘制回归分析结果的森林图,R和Stata软件学起来! 67天前

    来源:“医咖会”微信公众号 本期内容中,我们介绍两款进阶的常用软件--R和Stata,教大家玩转森林图。我们以2016年发表在JACC杂志上的一篇文章《A Prospective Natural History Studyof Coronary Atherosclerosis Using Fractional Flow Reserve》为例,利用文章中的Table 3多因素回归结果来绘制森林图。 R--统计作图神器R作为一个90后,在数据处理、统计分析、计算绘图等方面,俨然已经成为了一颗新星。尤其是R在绘图方面的突出表现,凭借强大的程序资源包,以及漂亮、高质量的图形输出,获得了一大片死忠粉的拥护。下面我们就来介绍一下,如何通过R简单的4行代码,来绘制回归分析结果的森林图。

  • 医小咖
    医小咖  的帖子被加了1分 91天前

    重复测量资料的统计方法,你用对了吗?

    重复测量资料在医学研究中很常见,比如观察服用降压药物后血压随时间的变化趋势(时间概念),同一肿瘤患者不同肿块的标志物差异(空间概念)等,其特点是同一研究对象的重复测量值之间是非独立的。然而,对重复测量数据统计分析方法的误用情况十分严重。下面我们举例来探讨重复测量资料的统计方法:一...
  • 医小咖
    医小咖  的帖子被加了1分 229天前

    怎么区分OR和RR?用大量实例来讲解

    来源:“医咖会”微信公众号病例对照研究和队列研究都可以评价暴露因素(Exposure)和疾病的发展是否存在关联,以及当这个关联存在时,强度有多大。(Tips: 暴露,是指具有某项特征(如年龄、性别等)、某行为(如吸烟、高脂饮食等)或接触某种待研究的物质(如雾霾、重金属等)一、先举...
  • 医小咖
    医小咖  的帖子被加了2分 237天前

    多图实例讲解如何绘制ROC曲线,很详细的教程!

    在选择诊断试验时,许多研究者会在灵敏度和特异度之间进行艰难的取舍。那么,是否可以综合考虑灵敏度和特异度的特点,根据一个指标评价诊断试验的准确性呢?Lusted于1971年提出受试者工作特征曲线(receiver operating characteristic curve,简称R...
  • 医小咖
    医小咖  的帖子被加了1分 255天前

    回复:SPSS实例教程:二分类Logistic回归

    dxy_3ei6okf8 请教楼主,如果研究中年龄是危险因素之一,而我在做其他危险因素(年龄可能为混杂因素)的单因素分析时还需要进行年龄的校正么?,如果要校正,怎么操作?首先要说明你可能概念上理解有误,所谓单因素分析,既是单因素,就只考虑这个因素没有考虑其他因素的影响。所以你做其...
  • 医小咖
    医小咖  的帖子被加了1分 255天前

    回复:SPSS实例教程:二分类Logistic回归

    晗大王 @世界真美好麻烦问一下 当风险因素中涉及age变量的处理时   是以一个年龄点为分界分为两个变量如小于65为0,大于65为1  还是划分出阶段 比如 50-60 60-70 70-80 分别赋值0、1、2这样做。  在您的文章中“不关注年龄的...
  • 医小咖
    医小咖  的帖子被加了1分 255天前

    回复:SPSS实例教程:二分类Logistic回归

    oysklove 楼主,求问。我在选择变量筛选方法的时候,“向前”的几种方法都不能进去步骤1,“向后,进入”这几种方法可以得出结论。求帮助!采用不同的方法筛选变量,其结果可能会不一样。“向前法”的原理是先对每个自变量分析进行单因素回归,选择sum of square最大的变量留在...
  • 医小咖
    医小咖  的帖子被加为精华了 255天前

    SPSS实例教程:二分类Logistic回归

关于我们|联系我们|版权声明|资格证书|丁香志|加盟丁香园|友情链接 丁香园旗下网站: 丁香园|丁香通| 人才|会议|药学|博客