常规收集的健康数据和各种免费开放的公共数据库,为研究人员和临床医生提供了丰富的机会,使其能够通过开展观察性研究来回答重要的科学问题。 老郑今天看到一篇Review article,为卒中研究人员提供了十个需
倾向得分匹配方法(PSM)主要用于处理观察性临床研究或临床试验研究数据亚组分析,能够有效消除混杂因素的影响。也由此,倾向评分在临床科研中迅速得到广泛应用。 用100多个变量构建logistic回归,计算倾向性得分,随后开展倾向性得分匹配,这样是不是合适? 老郑看到一篇研究论文,不仅做了,还发表在JA
《柳叶刀》近期发表了一项关于妊娠38周引产预防肩难产的随机对照实验,意向性治疗集(ITT集)未到达统计学意义,而符合方案集分析(PPS集)发现妊娠38周提早引产疑似大于胎龄儿(LGA)的婴儿可以降低肩死产的风险,并且对新生儿的二次结局没有影响。
之前我们对发表在《European Stroke Journal》杂志的一篇Review article进行了分享。 这篇评论文章为卒中研究人员对基于观察性数据的描述性流行病学和因果推断研究,提供了十个需要考量和实施的重要要点,以确保的有效性和可解释性。
2025年5月20日,外国学者在JAMA子刊《JAMA Network Open》(医学一区top,IF=10.5)发表了一项临床试验论文。旨在评估在混合现实中实施暴露与反应预防(ME
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。