dege857的博客

本文介绍了如何复现一篇9.1分的肌少症与马尔科夫链研究文章。作者使用R语言中的msm包进行马尔科夫链分析，详细展示了数据处理、基线表制作和转移概率矩阵生成过程。文章重点演示了如何从CHaRLS数据中提取指标，使用自定义函数sci_msm生成转移概率表，并尝试绘制状态转移图。虽然部分图表未能完美复现，但提供了完整的分析流程和代码实现。文章还简要解释了马尔科夫链的核心概念（状态和转移概率），为后续的表三和图四、图五复现工作做了铺垫。

CLHLS是中国老年健康影响因素跟踪调查数据，由北京大学主持，覆盖1998-2018年全国23个省市，包含11.3万人次调查数据，重点关注高龄老人健康。数据可用于计算虚弱指数（由40个变量组成），支持纵向分析和轨迹分析。通过R语言的clhls.frailtyindex函数可快速提取虚弱指数，并支持多年度数据分析和全变量导出。该数据与CHARLS数据库有相通性，适合双库交叉验证研究。研究团队还开发了便捷工具，简化了数据处理流程。

摘要：本研究基于北京大学"中国老年健康调查(CLHLS)"数据(1998-2018年)，分析了植物性饮食模式与中国老年人死亡率的关系。研究采用健康植物性饮食指数(hPDI)、不健康植物性饮食指数(uPDI)和总体植物性饮食指数(PDI)评估65岁以上老年人(样本量8,780人)的饮食模式。分析方法包括基线特征比较、Cox回归模型和限制性立方样条曲线(RCS)。结果显示，较高的hPDI评分与显著降低的死亡风险相关(P<0.001)，而uPDI评分与死亡风险呈非线性关系(P<0.

摘要：本文通过两个实际案例解释了宽数据转长数据时数据量翻倍的现象。在第一个案例中，将3种燃料类型数据合并后，数据量变为原来的3倍；第二个案例将4个年份的衰弱指数合并，数据量变为4倍。文章强调，纵向数据（面板数据）因包含多个时间点或类型，必然导致数据量增加。基线表的绘制方式取决于研究目的，可参考相关文献选择合适的数据结构。通过R代码演示了数据转换过程，直观展示了单个ID数据如何扩展为多行记录。

北京大学"中国老年健康调查"（CLHLS）是一项覆盖全国23省市的长期追踪研究，1998-2018年间完成8次入户调查，累计访问11.3万人次，重点关注高龄老人健康。研究发现饮食模式对老年健康有重要影响，植物性饮食（如地中海饮食）对糖尿病、心血管疾病等具有保护作用。研究者开发了专用R包sciclhls，包含CLHLS.hPDI和CLHLS.UPDI函数，可从CLHLS数据库便捷提取健康/不健康植物性饮食指数，为后续老年健康饮食研究提供分析工具。该研究为探索饮食模式与老年健康关系提供了重要

心脏代谢指数（CMI）是反映肥胖和血脂的新型指标，研究表明其与糖尿病及多种慢性病显著相关。本文介绍了CMI的计算方法，并利用CHARLS数据开发了专用提取函数charlsCMI，通过ggexplore工具快速挖掘CMI与其他变量的关联性。结果显示CMI与TYG、高血压等代谢指标显著相关（P<0.05），为研究者提供了高效的数据分析途径。该工具简化了CMI相关研究流程，有助于发现潜在的健康关联因素。

北京大学主持的"中国老年健康调查(CLHLS)"是一项覆盖全国23个省市的长期追踪研究，1998-2018年间完成8次调查，累计入户访问11.3万人次，其中80岁以上高龄老人占67.4%。研究收集了老人健康、认知、社会参与及照料需求等丰富数据，并包含2.89万死亡老人临终前状况。调查数据已通过开放平台免费共享，被1万多位学者使用，产出大量学术成果。该数据集以sav格式存储，包含8次调查数据，采用特定编码系统标记不同变量类型和缺失值。作为研究中国高龄老人健康的重要资源，该调查特别适合膳食模