image
临床大数据研究系列文献分享第7篇，由浙江大学章仲恒老师撰写的临床大数据系列专栏文章发表在 Annals of Translational杂志，这篇文章主要介绍的是介绍单变量描述和双变量统计推断。这里只做学习交流，版权归原作者所有。
摘要
在观察性研究中，第一步通常是探索数据分布和各组之间的基线差异。数据描述包括其集中趋势（例如，均值，中位数和众数）和离散度（例如，标准差，范围，四分位数范围）。有两种双变量统计推断方法，例如分别针对正常数据，Skew和分类数据的Student t检验，Mann-Whitney U检验和卡方检验。本文介绍了如何使用R代码执行这些分析。此外，作者认为整个工作流程的自动化至关重要，因为（I）它允许其他人重复您的结果； （II）您可以轻松地了解修订过程中的分析方式； （III）节省了手工输入的数据，并且不易出错； （IV）在更正原始数据集时，可以通过执行代码自动更正最终结果。因此，提供了一种制作包含所有上述统计信息和P值的出版量表的过程，从而使读者可以根据自己的需要定制这些代码。
前言
当通过使用上述方法（如校正，重新编码，重新缩放和缺失值插补）很好地准备了数据时，下一步就是执行统计描述和推断。在观察性研究中，第一个表通常显示总体人口的描述性统计数据，以及组间差异的统计推断。该表很重要，因为它可以估算基线特征的差异，并为进一步的多变量分析提供证据。本文首先概述了用于双变量分析的方法，然后提供了有关**如何在R中执行这些分析的分步教程。最后，我将展示如何自动创建表格。当存在大量变量时，这很有用。
参考文献
BCT07-2.png
BCT07-3.png
BCT07-4.png
BCT07-5.png
BCT07-6.png
BCT07-7.png
网友评论