Cell：重磅！癌症免疫治疗之前保持淋巴结完整可提高实体瘤疗效

癌症治疗通常包括取出肿瘤附近的淋巴结，以防它们含有转移性癌细胞。但加州大学旧金山分校和格莱斯顿研究所的研究人员的一项临床试验的新发现表明，免疫疗法可以激活附近淋巴结中的抗肿瘤T细胞。

2023年3月16日，加州大学旧金山分校的研究人员在《Cell》期刊发表了研究论文，这项在头颈癌患者中进行的人体临床研究显示， 在免疫治疗结束前保持淋巴结完整，可以提高对抗实体瘤的疗效。

在辅导很多经济学同学的毕业论文时，同学会问到DID是什么，简单的介绍一下DID是什么和能用来做什么。
双重差分法（Difference-in-Differences，简称DID）是计量经济学中一种常见的因果推断方法。它主要用于评估政策干预、制度变革或其他类似事件对特定结果的影响。DID模型基于一个关键假设：在没有干预的情况下，实验组和对照组的潜在结果变化趋势相同。换句话说，这意味着任何在干预之后观察到的结果差异可以归因于干预本身。在实际应用中，DID方法广泛应用于各种领域，如劳动经济学、卫生经济学、教育经济学和环境经济学等。例如，研究者可以使用DID方法来评估某项政策改革对劳动市场参与率的影响，或者评估医疗保健改革对患者健康状况的影响。是有实际研究意义的计量模型。
DID模型的基本框架如下：
1. 实验组和对照组：在DID模型中，我们需要将研究对象分为两组，即实验组（受到干预的个体或地区）和对照组（未受到干预的个体或地区）。这两组之间的差异将用于估计干预的效果。
2. 干预前后的数据：DID模型需要收集干预前后的数据，以便对比实验组和对照组在干预前后的变化情况。
3. 计算双重差分估计量：DID估计量是实验组在干预前后的平均结果变化与对照组在干预前后的平均结果变化之间的差异。换句话说，DID估计量 = （实验组后期平均值 - 实验组前期平均值）- （对照组后期平均值 - 对照组前期平均值）。
4. 回归框架：DID模型也可以使用线性回归框架来估计，如下式所示：
5. Y_it = α + β1(Treatment_i) + β2(Post_t) + δ(Treatment_i × Post_t) + ε_it
6. 其中，Y_it表示个体i在时期t的结果变量，Treatment_i是一个虚拟变量，表示个体i是否属于实验组，Post_t是一个虚拟变量，表示观察是否在干预之后，Treatment_i × Post_t是实验组和干预后的交互项，δ是DID估计量，即干预效果，ε_it是误差项。
值得注意的是，DID方法的有效性取决于其平行趋势假设的成立。平行趋势假设指的是在没有干预的情况下，实验组和对照组的潜在结果变化趋势相同。如果该假设不成立，DID估计量可能会受到偏误。为了检验平行趋势假设，研究者通常会利用干预前的数据来比较实验组和对照组的趋势，或者通过图形展示两组在干预前的趋势。此外，研究者还可以使用更复杂的DID模型，如多周期DID模型、合成对照组方法和面板数据固定效应模型，以进一步检验和解决潜在的偏误问题。
总之，双重差分法（DID）是一种在计量经济学中广泛应用的因果推断方法。通过比较实验组和对照组在干预前后的结果变化，DID模型可以评估政策干预、制度变革等事件的影响。然而，DID方法的有效性依赖于平行趋势假设的成立，研究者需要谨慎检验该假设并在必要时采用更复杂的模型以解决潜在的偏误问题。#曼彻斯特大学[超话]#

这周雀托进去以后，在下个月上班之前每天都有大半天自己的时间，体会到了自己安排自己的快乐。
游了两次1200m的泳，去了两次只有退休爷爷奶奶的健身房，抱了一次不怕摔死的石，看了一场只有自己一个人的《Tár》，游荡了一些没去过的城区，太阳出来的时候在秋千下看书等雀放学。
心满不满另说，身子一直在运转。
可以自己支配自己，就够开心。