<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gwxcsdn1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gwxcsdn1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gwxcsdn1]]></copyright><item><title><![CDATA[基于R进行两组患者重复测量数据的分析：使用广义估计方程（GEE）]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137359370</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137359370</guid><author>gwxcsdn1</author><pubDate>Wed, 03 Apr 2024 22:31:23 +0800</pubDate><description><![CDATA[在医学和生物统计中，广义估计方程（GEE）是一种灵活且强大的方法，用于分析重复测量数据，尤其是当数据不满足传统方差分析的假设时。GEE方法通过指定一个工作协方差矩阵来纠正测量之间的相关性，从而提供了对组内相关性的稳健估计。]]></description><category></category></item><item><title><![CDATA[基于R进行两组患者重复测量数据的分析：重复测量方差方法]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137359189</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137359189</guid><author>gwxcsdn1</author><pubDate>Wed, 03 Apr 2024 22:22:26 +0800</pubDate><description><![CDATA[在医学、生物学和心理学等领域的研究中，经常需要对同一组患者在不同时间点进行多次测量，以评估某种干预措施（如药物治疗、行为疗法等）的效果。重复测量方差分析（Repeated Measures ANOVA）是一种常用的统计方法，用于分析这种类型的数据。]]></description><category></category></item><item><title><![CDATA[Webkit结构 简介与实战应用一]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137296197</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137296197</guid><author>gwxcsdn1</author><pubDate>Tue, 02 Apr 2024 22:53:33 +0800</pubDate><description><![CDATA[JavaScriptCore则负责执行页面上的JavaScript代码，提供了一套完整的JavaScript运行环境。它包括对ECMAScript标准的实现，以及一系列的性能优化手段，确保JavaScript代码能够高效执行。作为开源的浏览器渲染引擎，Webkit在浏览器历史上扮演了举足轻重的角色，特别是在Chrome和Safari等主流浏览器的背后，它都是那个“幕后英雄”。WebCore是Webkit的核心部分，它提供了HTML和CSS的解析、DOM树的构建、渲染树的形成、布局计算、绘制等一整套流程。]]></description><category></category></item><item><title><![CDATA[R语言 泰尔指数在医疗资源分配中的应用代码与示例]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137244516</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137244516</guid><author>gwxcsdn1</author><pubDate>Mon, 01 Apr 2024 20:00:35 +0800</pubDate><description><![CDATA[在医疗资源分配领域，泰尔指数作为一种有效的衡量工具，有助于我们深入了解和量化资源分配的不平等性。本篇博客将通过R语言实现泰尔指数的计算，并展示其在医疗资源分配中的应用示例。一、泰尔指数用于衡量医疗资源平等程度的原理泰尔指数用于衡量医疗资源在不同地区或群体之间的分配不平等程度。其原理基于熵的概念，通过计算各地区医疗资源占比的加权对数偏差来量化不平等。泰尔指数越低，表示医疗资源分布越均衡；指数越高，则分布越不均衡。这种分析方法有助于识别医疗资源分配的不平等问题，为政策制定提供科学依据。( T ) 是泰尔指数。]]></description><category></category></item><item><title><![CDATA[R语言萌新到高手系列 一. 在R软件环境中输入和输出医疗健康数据]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137228364</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137228364</guid><author>gwxcsdn1</author><pubDate>Mon, 01 Apr 2024 13:01:22 +0800</pubDate><description><![CDATA[在数字化时代的浪潮中，数据以多种方式存在和流转。本文旨在探索医学数据在不同格式间的转换与读取，展现R语言在处理这些数据时的灵活性和便利性。通过模拟实际场景，我们将一同体验从数据生成到保存，再到读取分析的完整流程。本文给出了excel格式，SAS格式，SPSS格式，Stata格式和R格式数据在R语言中的输入和输出代码。一、安装相应的包在安装好R和R studio后 为了运行以下代码，您需要安装相应的R包，如readxl（用于读取Excel文件）、haven（用于读取SAS和SPSS文件）、foreign。]]></description><category></category></item><item><title><![CDATA[R语言 卫生健康投入效率的包络分析详细代码注释与示例]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137212307</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137212307</guid><author>gwxcsdn1</author><pubDate>Sun, 31 Mar 2024 23:28:29 +0800</pubDate><description><![CDATA[本文旨在通过R语言演示包络分析在评估卫生健康投入效率中的应用，提供示例代码及解读，为相关领域研究者提供参考。包络分析（Envelope Analysis）是一种效率评估方法，它通过比较决策单元（如城市、医院等）在多投入和多产出情况下的相对效率，识别出最佳实践前沿，并评估每个决策单元距离这一前沿的“距离”，即效率得分。在卫生健康领域，包络分析可用于评估不同地区或机构在卫生资源投入（如技术人员、财政支持、床位数等）与健康产出（如期望寿命、新生儿死亡率等）之间的效率。]]></description><category></category></item><item><title><![CDATA[python 基于人口的医师配置公平性基尼系数和洛伦兹曲线代码和示例]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137190755</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137190755</guid><author>gwxcsdn1</author><pubDate>Sun, 31 Mar 2024 09:15:17 +0800</pubDate><description><![CDATA[在医疗资源分配日益成为公众关注焦点的当下，基于人口的医师配置基尼系数成为了衡量医疗资源分布公平性的重要指标。本文介绍用于计算这一系数和绘制洛伦兹曲线的Python代码，并通过示例数据展示其实际应用。通过了解基尼系数的计算原理和洛伦兹曲线的绘制方法，我们可以更直观地了解医师资源在不同人口群体中的分布状况，为优化医疗资源配置提供决策依据。一、方法原理衡量了医疗资源（医师）在不同人口群体中的分布均衡程度。其原理在于，若医师分布完全平等，则每个人口群体所享有的医疗资源应相等；]]></description><category></category></item><item><title><![CDATA[R语言 基于人口的医师配置公平性洛伦兹曲线的代码和示例]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137156526</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137156526</guid><author>gwxcsdn1</author><pubDate>Fri, 29 Mar 2024 21:39:06 +0800</pubDate><description><![CDATA[洛伦兹曲线（Lorenz Curve）是一种用于描述资源分配公平性的图形表示方法，可用于评价卫生技术人员的分布公平性。洛伦兹曲线可以用来表示累积人口百分比与累积医师数百分比之间的关系。如果曲线越接近对角线，表示医师的分布越公平。本文介绍R语言实现基于人口的医师配置公平性的洛伦兹曲线代码并示例。提示：以下是本篇文章正文内容，下面案例可供参考洛伦兹曲线在卫生技术人员配置公平性的评估中，是一种直观展示卫生资源累积分配情况的图形工具。]]></description><category></category></item><item><title><![CDATA[R语言 基于人口的医师配置公平性基尼系数计算代码和示例]]></title><link>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137154745</link><guid>https://blog.youkuaiyun.com/gwxcsdn1/article/details/137154745</guid><author>gwxcsdn1</author><pubDate>Fri, 29 Mar 2024 20:39:57 +0800</pubDate><description><![CDATA[本文提供R语言进行基于人口的医师基尼系数计算代码和示例。]]></description><category></category></item></channel></rss>