啊啊啊啊啊我真的无意间get了欣欣同款抓夹哈哈哈哈哈还有同款发型哈哈哈哈哈but从21年寒假买了它之后就经常用前段时间22年暑假在家它刚刚破了之前看到图2就很惊喜但不是很确定是同款刚刚看欣欣发的两个人的小森林预告又惊喜了哈哈哈哈哈真的一模一样耶耶耶和欣欣缘分+1哈哈哈哈哈
经常掉头发有什么好办法?个人使用首迷防脱洗发水后的感受就是,能洗干净,没有副作用及过敏。瓶子外观我喜欢,我不是一个在乎牌子的人,只要好 看我就会买。也是使用一段时间后才看到效果。用了后,不油腻了,很蓬松的,心里暗暗的高兴,非常适合自己的发质使用,固定用这个了,现在不会掉发了,头发 很有光泽,特别好看的,洗发水味道很香。非常好闻,洗完头无比飘逸,而且头屑基本没了而且用了香味还很持久!
* Logistic regression model's fitness
当增减变量的时候,看mobel 的预测能力是变好还是变差,Receiver Operating Characteristic (ROC) curves and the Concordance (C) statistic 并不是好的选择, 虽然医学文献中经常出现。更合适的检验的方法是用likelihood-ratio test 或者 Akaike Information Criterion (AIC)或者Bayesian Information Criterion (BIC)
--
医学院学生学的统计经常有很多数学推导,可是等到熬过学校和住院医的漫长的年头,到临床独当一面的时候,忙到脚不点地,根本没时间看统计背后的数学推导。看到医学文献要迅速判断文献的内容对临床有什么相关性,有什么意义。所以统计和临床要结合得熨帖,统计要足够合理准确,但是需要以临床做指导。
--
比如,Receiver Operating Characteristic (ROC) curves 中有敏感性和特异性,在临床上,往往其中一个的重要性高于另外一个,但是这个curve对敏感性和特异性是同等对待的。
又比如,在logistic regression model dianostic 里的两个步骤,discrimination and calibration, 临床上可能其中一个比另一个更重要。有些在统计上有意义,但是临床上无意义的,比如在某种情况下的死亡率是1.0%就是low risk, 1.2%就是high risk, 虽然模型的discrimination做得很好,但是这么小的百分比的差距在临床上的意义很有限。
当增减变量的时候,看mobel 的预测能力是变好还是变差,Receiver Operating Characteristic (ROC) curves and the Concordance (C) statistic 并不是好的选择, 虽然医学文献中经常出现。更合适的检验的方法是用likelihood-ratio test 或者 Akaike Information Criterion (AIC)或者Bayesian Information Criterion (BIC)
--
医学院学生学的统计经常有很多数学推导,可是等到熬过学校和住院医的漫长的年头,到临床独当一面的时候,忙到脚不点地,根本没时间看统计背后的数学推导。看到医学文献要迅速判断文献的内容对临床有什么相关性,有什么意义。所以统计和临床要结合得熨帖,统计要足够合理准确,但是需要以临床做指导。
--
比如,Receiver Operating Characteristic (ROC) curves 中有敏感性和特异性,在临床上,往往其中一个的重要性高于另外一个,但是这个curve对敏感性和特异性是同等对待的。
又比如,在logistic regression model dianostic 里的两个步骤,discrimination and calibration, 临床上可能其中一个比另一个更重要。有些在统计上有意义,但是临床上无意义的,比如在某种情况下的死亡率是1.0%就是low risk, 1.2%就是high risk, 虽然模型的discrimination做得很好,但是这么小的百分比的差距在临床上的意义很有限。
✋热门推荐