- 博客(8)
- 收藏
- 关注
RSS订阅原创 如何进行GBD数据库的前沿分析 Frontier analysis（GBD系列第七集）
如何进行GBD数据库的前沿分析 Frontier analysis（GBD系列第七集）
2025-03-03 18:32:16
406
原创 如何利用BAPC模型进行GBD数据库的全球疾病负担趋势预测 （GBD系列第六集）
如何利用BAPC模型进行GBD数据库的全球疾病负担趋势预测 （GBD系列第六集）
2025-02-20 18:54:56
1454
2
原创 如果利用 ARIMA 模型进行GBD数据库的全球疾病负担趋势预测 （GBD系列第五集）
自回归积分滑动平均 (ARIMA) 模型是一种广泛使用的统计方法，专门设计用于分析和预测时间序列数据。与假设数据点彼此独立的传统回归模型不同，ARIMA 模型明确考虑了时间序列数据中固有的序列相关性。ARIMA 模型通常表示为 ARIMA(p, d, q)，其中 p 是自回归阶数，d 是积分阶数，q 是滑动平均阶数。例如，ARIMA(1, 1, 1) 模型表示具有一个自回归项、一次差分和一个滑动平均项的模型。在公共卫生研究领域，GBD数据库结合ARIMA预测分析，已成为高质量论文写作的重要工具。
2025-02-18 17:43:04
480
原创 怎么使用Joinpoint 回归模型计算apc和aapc （GBD系列第四集）
它通过识别数据中的“连接点”（joinpoints），将时间序列分成若干个线性片段，每个片段具有不同的斜率。它封装了复杂的统计计算过程，采用joinpoint官方的命令行工具，并提供了易于使用的接口，分析速度更快。总而言之，Joinpoint 回归模型结合 APC 和 AAPC 指标，能够帮助研究者深入分析时间序列数据，识别趋势变化的关键时间点，并比较不同组别之间的趋势差异。，趋势变化的百分比。在 Joinpoint 模型中，每个线性片段都有一个 APC，表示该片段内趋势的增长或下降速度。
2025-02-17 16:16:40
754
转载 怎么做GBD数据库SCI论文常见的第一张表格：EAPC统计三线表（GBD系列第三集）
EAPC 是用来衡量某疾病指标（如发病率、死亡率、伤残调整生命年等）在特定时间段内的变化趋势。它反映了该指标的增长或下降速度，公式如下：β\betaβ是回归模型中时间变量的系数；eee是自然对数的底数（约等于2.718）。通过线性回归模型，可以拟合疾病指标的自然对数值与时间的关系，计算出 β\betaβ，从而得到 EAPC。常见文章中第一张表格如下：那么该如何计算EAPC呢？如下图是示例数据。
2024-12-26 20:12:29
1961
转载 一篇文章带你从零开始学习GBD数据库分析？（GBD系列第一集）
全球疾病负担数据库（Global Burden of Disease，简称GBD）是当今流行病学研究中最重要的数据来源之一。它通过系统化的测量和分析，揭示了全球范围内疾病、伤害和风险因素对健康的影响。GBD数据库被广泛应用于SCI论文中，为公共卫生政策、医疗资源分配和健康干预措施提供科学支持。那么，GBD数据库相关的SCI论文一般会涉及哪些内容？本文将带你一探究竟
2024-12-17 16:42:41
1974
1
原创 seerSurvivalR数据库专用工具包-实现高效文章分析和批量生产的工具
在现代医学和流行病学研究中，生存分析是不可或缺的工具，尤其是在癌症等重大疾病的研究中，SEER 数据库提供了丰富的患者信息。seersurvivalR 包的出现正是为了解决这一问题，提供了一行代码式的函数接口，使得数据清理、建模和可视化变得前所未有的高效。通过使用 seersurvivalR，您可以快速进行数据预处理、描述性统计、生存分析、Cox 回归分析、竞争风险分析、条件生存分析以及机器学习模型构建等工作。除此之外，包中还集成了倾向得分匹配（PSM）分析功能，帮助您更好地控制混杂变量。
2024-10-31 20:38:51
270
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人