آموزش تجزیه و تحلیل بهداشت و درمان: رگرسیون در R

Healthcare Analytics: Regression in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مدل های رگرسیون خطی و لجستیک را می توان با استفاده از R ، نرم افزار محاسبات آماری منبع باز ایجاد کرد. در این دوره ، متخصص بیوتکنولوژی و اپیدمیولوژیست مونیکا واهی با استفاده از مجموعه داده های نظارت بر فاکتورهای ریسک رفتاری (BRFSS) که در دسترس عموم است ، به شما نشان می دهد که چگونه یک روند مدل سازی گام به گام را انجام دهید. مونیکا به شما نشان می دهد چگونه با در نظر گرفتن قابل قبول بودن علمی و انتخاب یک فرضیه ، تحقیق خود را طراحی کنید. سپس ، او شما را از مراحل آماده سازی ، توسعه و نهایی کردن هر دو مدل رگرسیون خطی و یک مدل رگرسیون لجستیک برمی دارد. وی همچنین از روشهایی برای تفسیر طرحهای تشخیصی ، بهبود تناسب مدل ، مقایسه مدلها و موارد دیگر استفاده می کند.
موضوعات شامل:
  • پرداختن به قابل قبول بودن علمی
  • انتخاب فرضیه
  • تفسیر نقشه های تشخیصی
  • کار با شاخص ها و فراداده مدل
  • کار با چهارم و رتبه بندی
  • ساختن یک مدل کار
  • بهبود تناسب مدل
  • انجام مدل رگرسیون خطی
  • انجام مدل رگرسیون لجستیک
  • انجام رگرسیون گام به گام رو به جلو
  • برآورد پارامترها
  • تفسیر نسبت شانس
  • افزودن نسبت شانس به مدل ها
  • مقایسه مدلهای تو در تو
  • ارائه و تفسیر مدل نهایی

سرفصل ها و درس ها

مقدمه Introduction

  • به دوره خوش آمدید Welcome to the course

  • آنچه باید بدانید What you should know

  • مقدمه دوره Introduction to the course

  • با استفاده از پرونده های تمرینی Using the exercise files

1. طراحی تحقیقات خود را 1. Designing Your Research

  • بررسی روش علمی Scientific method review

  • با استفاده از یک رویکرد مقطعی Using a cross-sectional approach

  • مرور ادبیات موجود برای ایده ها Reviewing existing literature for ideas

  • پرداختن به مقبولیت علمی Dealing with scientific plausibility

  • انتخاب فرضیه رگرسیون خطی Selecting a linear regression hypothesis

  • انتخاب یک فرضیه رگرسیون لجستیک Selecting a logistic regression hypothesis

  • نصب بسته های لازم Installing necessary packages

2. آماده سازی برای رگرسیون خطی 2. Preparing for Linear Regression

  • توطئه های بررسی فرضیات در رگرسیون خطی Plots for checking assumptions in linear regression

  • تفسیر توطئه های تشخیصی Interpreting diagnostic plots

  • طبقه بندی و تحول Categorization and transformation

  • فهرستها Indexes

  • یک چهارم Quartiles

  • رتبه بندی Ranking

  • بررسی رگرسیون Regression review

  • آماده سازی برای گزارش نتایج Preparing to report results

3. شروع مدل سازی رگرسیون خطی 3. Beginning Linear Regression Modeling

  • روشهای مدل سازی Choices of modeling approaches

  • بررسی اجمالی روند مدل سازی Overview of modeling process

  • خروجی رگرسیون خطی Linear regression output

  • مدل های 1 و 2 Models 1 and 2

4- مدل رگرسیون خطی نهایی 4. Final Linear Regression Modeling

  • شروع مدل 3 Beginning Model 3

  • ساختن یک مدل کار 3 Making a working Model 3

  • نهایی مدل 3 Finalizing Model 3

  • به مدل نهایی نگاه می کنیم Looking at the final model

  • ماهیگیری و تعامل Fishing and interaction

  • راهکارهای دیگر برای بهبود مدل مناسب Other strategies for improving model fit

  • دفاع از مدل نهایی Defending the final model

  • ارائه مدل نهایی Presenting the final model

5. آماده سازی برای رگرسیون لجستیک 5. Preparing for Logistic Regression

  • آنالوگهای فرایند رگرسیون خطی Analogies to linear regression process

  • برآورد پارامتر در رگرسیون لجستیک Parameter estimates in logistic regression

  • تفسیر نسبت شانس Odds ratio interpretation

  • کد اساسی لجستیک Basic logistic code

  • رگرسیون گام به گام رو به جلو: دو دور اول Forward stepwise regression: First two rounds

  • رگرسیون گام به گام رو به جلو: دور 3 Forward stepwise regression: Round 3

6. تدوین مدل رگرسیون لجستیک 6. Developing the Logistic Regression Model

  • اجرای مدل 1 Running Model 1

  • نسبت های شانس به مدل ها اضافه کنید Adding odds ratios to models

  • ابرداده مدل Model metadata

  • ابرداده مدل Model metadata

  • به جلو گام به گام: دور 2 Forward stepwise: Round 2

  • به جلو گام به گام: دور 3 Forward stepwise: Round 3

  • استفاده از AIC برای ارزیابی تناسب مدل Using AIC to assess model fit

  • چه زمانی می توان مدل های تو در تو را مقایسه کرد When to compare nested models

  • نحوه مقایسه مدل های تو در تو How to compare nested models

  • ارائه مدل های 1 و 2 Models 1 and 2 presentation

  • ارائه مدل 3 Model 3 presentation

  • تفسیر مدل نهایی Interpreting the final model

نتیجه Conclusion

  • بررسی ابرداده Review of metadata

  • بررسی روند Review of the process

  • مراحل بعدی Next steps

نمایش نظرات

آموزش تجزیه و تحلیل بهداشت و درمان: رگرسیون در R
جزییات دوره
4h 2m
52
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
47,023
- از 5
ندارد
دارد
دارد
Monika Wahi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Monika Wahi Monika Wahi

مونیکا واحی یک متخصص علوم داده و بیوتکنولوژی است که در تحقیق و تجزیه و تحلیل داده های مراقبت های بهداشتی ماهر است. مونیکا واحی بنیانگذار علوم بهداشتی واسانا است که به عنوان مدیر ارشد علوم و رئیس ارشد مالی فعالیت می کند. وی در اپیدمیولوژی ، انفورماتیک و زیست آمار تخصص دارد و در SAS ، R ، Excel و SQL مهارت دارد. او همچنین به عنوان رئیس خدمات حرفه ای دت ونچ و به عنوان مدرس خدمت می کند و آمار را در کالج لابوره در میلتون ، ماساچوست تدریس می کند.