dege857的博客

本文介绍了无吸收状态的马尔科夫链在医学研究中的应用。通过R语言分析模拟的肾功能状态转换数据，探讨了饮酒对肾功能恶化的影响。研究使用sci_msm包构建马尔科夫模型，计算不同时间点的状态转移概率，并可视化比较饮酒与非饮酒人群的状态转换差异。结果显示饮酒者肾功能向恶化状态转变的概率更高。文章详细展示了从数据导入、模型构建到结果可视化的完整分析流程，为医学研究者提供了无吸收状态马尔科夫链的应用范例。

交互效应森林图是SCI论文中展示亚组分析结果的重要工具。本文演示了使用R语言scitable包绘制单组和双组森林图的方法：对于连续变量使用scitb5a函数，分类变量使用scitb5b函数生成绘图数据，通过sciforest函数可视化。重点展示了双组森林图的绘制流程，包括生成未调整和调整模型的数据（tb5b1/tb5b2），使用sciforest2函数合并展示，并详细说明了如何自定义图表格式和参数设置。文章还提供了数据预处理、因子转换等关键步骤，帮助研究者高效完成符合SCI要求的交互效应可视化分析。

本文详细介绍了如何复现一篇9.1分肌少症研究中表三和图四的分析过程。通过R语言对年龄分组数据进行马尔科夫链分析，展示了不同年龄组（60-70岁、71-80岁、80岁以上）的发病风险比和转移概率。重点演示了使用sci_msm函数进行协变量分析，以及probability.msm函数计算状态转移概率并绘制趋势图的方法。文章还提供了数据预处理、模型解析和可视化绘图的完整代码，为类似研究提供了可复现的技术路线。

本文介绍了一篇9.1分肌少症研究文章，通过马尔科夫链分析肌少症状态转变模式。文章首先说明肌少症是与年龄相关的肌肉量和功能丧失，可能导致残疾和死亡等不良后果。研究选取了CHARLS数据库中4000多名60岁以上患者的肌少症数据，分两步进行：提取肌少症指标和使用马尔科夫链分析。作者详细演示了如何利用自定义的R函数charls.sarcopenia从2011、2013和2015年数据中提取肌少症相关指标（包括肌少症诊断、可能肌少症、骨骼肌质量等），为后续分析做准备。下期将继续介绍马尔科夫链分析方法。

什么是生物学年龄(GOLD BioAge)生物年龄是指与特定日历年岁预期水平相比，衡量生物体整体功能状态的指标，以反映其总体健康状况。

摘要：本文使用R语言DiagrammeR包复现了老年人肌少症状态转移图。该图展示了"非肌少症"、"可能肌少症"、"肌少症"和"死亡"四种状态之间的转换关系，其中死亡为吸收态。通过DOT语言编写代码定义图形属性（节点形状、颜色、字体等）和状态转移箭头，构建了与原文献相似的状态转移模型。文章详细说明了代码结构，并展示了如何通过参数调整实现图形美化。该图形直观呈现了肌少症发展的动态过程，为相关研究提供了可视化工具。

本研究基于中国健康与退休追踪调查（CHARLS）数据，采用机器学习方法构建帕金森病诊断模型。研究通过比较不同变量数量下随机森林模型的预测性能，发现10个变量时模型表现最优（AUC=0.85）。方法学上，研究采用训练集（70%）和测试集（30%）划分，评估了包括敏感性、特异性在内的13项指标。研究创新性地展示了变量数量与模型性能的关系，为社区帕金森病筛查提供了高效的特征选择方案。复现结果表明，该方法具有良好的可操作性，不同数据集（如胆管炎数据）验证了其普适性。

CHARLS 是中国45岁及以上人群的追踪调查数据库，涵盖社会经济和健康等多维信息。研究团队开发了charls.sarcopenia函数，可便捷提取2011-2015年肌少症相关数据。该函数能自动识别肌少症诊断、可能的肌少症、附肢骨骼肌质量、肌肉力量和肌肉质量等关键指标。通过简单的R语言代码即可完成数据提取，为老龄健康研究提供了高效工具。肌少症作为重要健康指标，在医学研究中可用作观察变量或结局变量，对研究老年健康具有重要意义。

CHARLS 是一项针对中国45岁及以上人群的追踪调查，建立了包含社会经济和健康等多维度的公共数据库。研究采用国际标准方法，自2011年起开展多轮追踪调查，样本覆盖全国450个社区。本文复现了一篇8.1分一区期刊文章，探讨腹部肥胖与非传统血脂参数对心脏代谢性多发病(CMM)的联合影响。研究通过R语言分析发现：1) 腹部肥胖与高AIP组CMM发病率显著升高；2) 多因素cox回归显示，调整混杂因素后风险比仍显著。研究结果为CMM的一级预防提供了重要依据，证实了代谢指标联合评估的价值。

摘要：C反应性蛋白原甘油三酯葡萄糖指数（CTI）是一种结合胰岛素抵抗和炎症的新型指标，对癌症、恶病质和心脏病风险具有预测价值。本文介绍了使用R语言从CHARLS数据库提取CTI和累积CTI（cuCTI）的方法，通过chrals.CTI和chrals.cuCTI函数可分别计算2012年和2015年的CTI值，并生成累积指标。该指数可通过ggexplore函数进行数据挖掘分析与其他健康结局的关联。研究为利用大型队列数据开展代谢相关疾病研究提供了便捷工具。

CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。

GOLD BioAge：新型生物年龄测量方法 GOLD BioAge是一种基于Gompertz定律的生物年龄算法，通过整合实际年龄和常规生物标志物来评估个体衰老程度。该指标能有效预测死亡风险和慢性疾病发病率，每增加1年差异，死亡风险提升13-15%。研究显示，高BioAgeDiff组（生物年龄与实际年龄差异大）的中老年人群生存概率显著降低。该算法已开发为R包scitable的chrals.bioAge函数，便于科研应用。初步分析表明，GOLD BioAge与多种健康指标存在显著关联，为衰老研究提供了新的量化

血浆动脉粥样硬化指数（AIP）作为新型心血管风险指标受到关注。研究表明AIP与胰岛素抵抗、糖尿病存在非线性关系。本文提供了CHARLS数据库计算AIP的R语言代码，可同时提取6种非传统脂质参数。通过数据挖掘方法，研究者可快速探索AIP与其他健康指标的相关性，为相关研究提供简便的分析工具。文章还列举了AIP在糖尿病、动脉粥样硬化等领域的应用参考文献，为开展相关研究提供便利。

今天咱们来介绍一下一篇5分的潜轨迹文章+随机森林charls文章复现，文章的名字叫Predictive analysis of bullying victimization trajectory in a Chinese early adolescent cohort based on machine learning（基于机器学习的中国青少年早期队列欺凌受害轨迹预测分析）

本次复现一篇charls的文章名字《社交和智力活动与我国中老年人群认知轨迹的关联：一项全国代表性队列研究》Associations between social and intellectual activities with cognitive trajectories in Chinese middle-aged and older adults: a nationally representative cohort study

CHARLS（中国健康与养老追踪调查）是一项针对中国大陆45岁及以上人群的全国性追踪调查，旨在构建一个高质量的公共微观数据库，涵盖社会经济和健康状况等多维度信息，以支持老龄科学研究。该调查参照国际老龄研究标准，如美国的HRS，确保数据的国际可比性。自2011年基线调查以来，已进行了多轮追踪调查，并在2020年增加了新冠疫情相关信息的采集。为便于数据可视化，开发了scimp包中的charlsmap函数，支持快速绘制中国省市级地图，并提供了多种自定义选项，如省名拼音显示、比例调整、图例标题修改及多颜色配置，帮助

本文复现了《固体烹饪燃料使用与衰弱轨迹之间的关联：来自中国全国队列的结果》一文的研究，探讨了固体燃料使用与衰弱轨迹之间的关系。研究基于中国全国队列数据，通过潜轨迹模型（GBTM）分析虚弱指数的变化轨迹，并将其分为四类：低水平组1、低水平组2、快速升高组和缓慢升高组。研究结果显示，使用固体燃料与虚弱指数的快速增长显著相关，而清洁能源的使用则与缓慢增长相关。复现过程中，作者使用了R语言进行数据处理和模型拟合，并通过基线表和逻辑回归模型验证了研究结果。复现结果与原研究基本一致，进一步支持了固体燃料使用对健康的负面

先提取2011年的，要先生成2011年数据，其实主要是要demographic_background，health_status_and_functioning，health_care_and_insurance这三个，我这里直接沿用既往代码了。CHARLS数据中有个变量就是认知功能（痴呆）的评分，再医学和社会学很多文章用得到，但是这个指标需要手工提取，目前我编写了charlscognition函数，可以很方便的提取出认知功能（痴呆）的评分。可以提取2011-2018年的认知评分数据。

但是也是相当复杂的，29个变量中，有些变量计算非常复杂，比如说认知功能，而且每一波的有些指标会变化，等于每个年份都要校对一遍，这个工作量想想都大，我也是校对变量校对到想吐了。在上图文章中，可以看到这篇文章虚弱有5个指标定义，是个2分类变量，在本篇文章中虚弱是个结局变量，也有部分文章把它用作观察变量，查看和死亡或者其他结局的关联。虚弱和虚弱指数自己手动算还是比较麻烦的，特别是虚弱指数，光找变量就有得你找的，但是用我写的函数可以很轻易做出来，下面我来演示一下，以2011年基线表为例子。

这是一篇去年的比较新的文章，我查了下大概8.5分，文章大概就是介绍一种指数，叫做：甘油三酯葡萄糖-腰身高比指数（cumulative_TyG_WHtR），研究甘油三酯葡萄糖-腰身高比指数和新发心血管疾病的关系，作者搞了个K值聚类分析来把cumulative_TyG_WHtR指数分类，研究分类后指标和心血管疾病关系，这样类似的指数还有很多，比如TYG，WHtR，TyG_WHtR，目前这是一个发文的方向，这样的指数，变一个结局变量，又可以继续搞一篇文章，很多类似文章层出不穷，nhanes也有很多，

很多新手刚才是总是觉得自己没什么可以写的，自己不知道选什么题材进行分析，使用scitable包+ggscitable包后这个完全不用担心，选题多到你只会担心你写不完，写得不够快。刚才咱们定义的是结局变量，看哪个变量和结局又关系，我们也可以定义观察变量X变量，看哪个变量和X有关系。这个是个来自私人创建的医院内部数据库，我一个朋友的，变量我就不解释了，这个数据有141个变量，605个数据。这个数据中有个TYG指数（甘油三酯葡萄糖指数），假设我想看哪个结局和这个指数相关，前面的整理数据步骤都是一样的。

这个是一个完整的独立的charls机器学习文章复现教程，，从数据下载到数据分析全流程，因为要照顾一些新手和文章的完整性，会从基线数据下载，多年数据整理合并开始说，可能会和前面得一些教程有点重合，这也是没办法的事，注意衡量取舍一下，别到时说我凑字数，凑文章，最后说明下我只是复现一个思路，不能解决你所有问题，只是开启思路，达到抛砖引玉的目的。下载和整理数据分成两个章节，1是下载2011年的基线数据，2.是把2013年、2015年，2018年、2020年的数据和2011年的数据进行合并。

在文章《scimp包发布，轻松秒绘制charls数据文章中的地图》中，咱们已经介绍了scimp包绘制chalrs地图，但是由粉丝提出，地图要加入权重，不然人数太少了，不符合实际情况，我想了一下，确实如此，因此在1.7版加入了权重参数，下面我来演示一下。上图咱们可以看到，虽然按比例显示了吸烟患者的分布，但是一个省的吸烟人数才几百例，显然不符合实际情况，因此咱们可以给他加上一个权重。数据是我自己提取的charls2011年的基线表数据，我们可以看到有城市，和省的变量分布。这样就相对合理多了。

我目前专门编写了一个scimp包，目前只有一个charlsmap函数，顾名思义，这个是一个专门用于绘制charls数据地图的函数，但并不是说它只能绘制charls地图，基本中国省市级地图都能绘制，肯定没有其他的专业地图绘制包专业和功能详尽，但是可以快速出图，目的可以帮助新手小白快速出图，节省你的时间。假设我是有研究对象的，我想研究吸烟者在全国的分布，这里我要说一下，scimap包接受两种数据格式，一个时0和1格式，就是是否吸烟。Charlsmap函数的格式如下，data就是你的研究数据，x是研究变量。

2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。这个数据有36个变量，其中Frailty是结局变量，今天咱们就以Frailty为结局，看看那些变量和它有关联。提取整理好的数据和分类变量。咱们先把所有变量导出来。

提取数据方法就不介绍了，我的文章《CHARLS数据库系列教程（2）—数据清洗、拼接和整理（2）》已经详细介绍了咱们提取数据，这里要注意一下，研究的变量X是词条是：What is the main source of cooking fuel”，对应的编码是i022，慢性肺疾病的编码是：da007_5_，我们还要提取每年的肺活量数据，后面进行纵向分析，我们要取得是没有慢性肺病的患者，这里要排除一下。首先咱们是要对数据进行提取，因为后几年是随访数据，所以我主要是对2011年数据的患者进行提取并绘制地图。

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。因为它很有典型，预测模型的列线图、校准曲线、决策曲线、roc、lassso回归等都包含了，它的观察变量是二分类变量，是否糖尿病，下次再介绍一篇3分类的，玩法稍有不同。

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。

2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。视频介绍一下如何使用我写的函数轻松复现CHARLS文章中的表三，比较适合没有统计基础的初学者，根本不用费劲学什么T检验，卡方检验，回归等。

2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。原创不易，需要全套代码的粉丝，把公众号的本篇文章转发朋友圈，集10个赞后，截图发给我，嫌麻烦的话直接给我打赏5元，截图发给我也可以。导入后把数据进行合并。

调整了年龄、性别、教育程度、婚姻、吸烟、饮酒、体重指数、腰围、收缩压、高血压病史、心血管疾病史和降脂药物，我们看下亚组变量是不在协变量里面的，和我以前讲的完全一样，就是协变量中要删除亚组本身的那个变量。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。今天咱们继续介绍：亚组分析，P for trend，P for interaction，就是下面这个表格的制作。

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。在上一篇文章中，咱们还有一个随访时间忘记生成了，这里我补充介绍一下，主要在合并数据后生成，我们看到，在2013年确诊糖尿病的这部分是随访了2年，2015年确诊和没有确诊的都随访了4年。

作者指出甘油三酯葡萄糖指数被认为是胰岛素抵抗的替代物，研究TYG指数与中国中年和老年人患糖尿病的风险之间的关系，作者做了cox回归，分位数回归、多模型比较、限制性立方样条和亚组分析，咱们在后面将会一一进行介绍，咱们先看看作者是怎么获取数据的，主要看流程图。CHARLS数据最麻烦的就是整理数据了，因为没有成熟的查对系统，一边整理一边查找变量，我整理了这份数据也花了2天时间，整理数据内容比较多，光代码都有100多行，1章实在说不完，准备写成个2章得小合集，尽量介绍得详细一点。

Charls的数据量不大，但是变量挺多的，非常详尽，特别是一些社科类的数据，又经过多年的随访，挺适合做重复测量数据的，因为表格众多，所以涉及到数据的合并、拼接和清洗，这是一个重要的内容，下一节继续介绍。申请账号以后进入到主页面，需要哪一年的数据都要进行申请，一般都成功，大概3个工作日通过，通过上面的内可以得知2011年是数据的基线表，后面的是随访分析，所以2011年是一定要下载的。比如怎么收集都数据的，和nhanes有些相似，采用多阶段抽样的方式，先选定县区，然后再县区内随机抽取3个二级单元。