SEER数据库 常用发文方法：Nomogram，给你的文章增加“亮点”
一篇论文需要有自己的亮点。《拉丁美洲研究》编辑委员Fiona Macaulay曾经说过：“ 不要把你的亮点藏得像大海捞针一样 ”。 Nomogram就是这样一种可以清晰简洁地展示你的亮点方式。 近年来，Nomogram崭露头角，越来
推荐阅读
热门文章
R数据可视化14:生存曲线图
我们经常用随机森林等机器学习又或者是其他数据挖掘的方法寻找某些疾病的biomarker或者候选基因。但是来自临床的数据包括了生存事件等信息，数据的内容有所不同，所以需要一些和之前不太一样分析方法，其中常见的就是通过制作生存曲线图获取结论。
R数据可视化14:生存曲线图
我们经常用随机森林等机器学习又或者是其他数据挖掘的方法寻找某些疾病的biomarker或者候选基因。但是来自临床的数据包括了生存事件等信息，数据的内容有所不同，所以需要一些和之前不太一样分析方法，其中常见的就是通过制作生存曲线图获取结论。
如何用matlab和R语言画K线图
采用默认的ChartSeries绘制K线图library(quantmod)data_origin=read.csv("data.csv",header = F)data<-data.frame(Op
R语言绘制曲线怎么在原图上绘制
使用低级绘图命令，如points(x,y) 、lines(x,y)、text(x,y)等比如利用plot(2,3)做了个点图，再用points(1,2)，则在(1,2)加了个点，变成2个点在一张图上但是，有些小伙伴想做某变量在所有亚组下的生
分层区组随机化及R语言实现（blockrand包）
可以看到，该课题根据性别及年龄两个层次最终把患者分为了4个亚组（统计学中，本文的年龄及性别称做分层名称，每个层内的分类成称为水平，既本研究有2个层，每个层2个水平） 分层随机化中，我们在进行分层后最终根据患者的不同特征把患者分为了各个亚
k-m生存曲线可以像回归曲线一样具有预测性吗？
对于生存数据，1958年，E. L. Kaplan 和 Paul Meier 两位教授介绍了一种全新的、解决随访期间右删失 (right censoring) 问题的生存分析方法，被称作Kaplan-Meier方法。这种方法精确地记录并利
R语言|亚组分析森林图-2 (基于生存率结果)
但是，有些小伙伴想做某变量在所有亚组下的生存率，那就需要我们做很多组KM曲线，例如上图8个变量，若做KM曲线就要做17幅，会占用大量文章面积，得不偿失。 而亚组分析森林图能清晰、明了的总结研究变量在各个亚组的n年生存率差异。结合上期介绍
R语言|亚组分析森林图-2 (基于生存率结果)
但是，有些小伙伴想做某变量在所有亚组下的生存率，那就需要我们做很多组KM曲线，例如上图8个变量，若做KM曲线就要做17幅，会占用大量文章面积，得不偿失。 而亚组分析森林图能清晰、明了的总结研究变量在各个亚组的n年生存率差异。结合上期介绍
R|生存分析 - KM曲线 ，值得拥有姓名和颜值
生存分析作为分析疾病癌症预后的出镜频率超高的分析手段，而其结果展示的 KM曲线也必须拥有姓名和颜值 ！ 生存分析相关推文： 生存分析和KM曲线： R|生存分析（1）分析结果一键输出： R|生存分析-结果整理时间依