在不同规模的组中随机分配治疗+ dplyr
在不同规模的组中随机分配治疗是一种研究设计或实验设计方法，用于比较不同治疗方法或策略在不同组中的效果。该方法的目的是消除潜在的偏倚和混杂因素，确保结果的可靠性和准确性。
这种设计方法通常包括以下步骤：
- 确定研究的目的和研究对象。
- 将参与研究的个体或实验单位随机分配到不同的组别中。
- 在每个组别中应用不同的治疗方法或策略。
- 收集和分析数据，评估不同组别中治疗方法的效果。
这种设计方法的优势包括：
- 随机分配可以减少偏倚和混杂因素的影响，提高结果的准确性和可靠性。
- 可以比较不同治疗方法或策略的效果，帮助医生或研究人员做出更好的决策。
- 可以控制实验条件，确保研究结果的可重复性和可验证性。
在医学领域，这种设计方法常用于临床试验，用于评估新药或新治疗方法的效果。在其他领域，如教育研究、社会科学研究等，也可以应用随机分配治疗的设计方法。
腾讯云提供了一系列云计算产品，其中与该设计方法相关的产品包括：
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）：提供了丰富的人工智能算法和工具，可用于数据分析、模型训练和结果评估。
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）：提供高性能、可靠的数据库服务，用于存储和管理研究数据。
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）：提供灵活的云服务器实例，可用于部署和运行研究所需的软件和工具。
请注意，本答案没有提及其他云计算品牌商，仅以腾讯云为例进行推荐，其他品牌商也提供类似的产品和服务，读者可根据实际需求选择适合的云计算平台和产品。
相关·内容
3回答
我为Netflix实验提供了以下代码，以降低Netflix的价格，看看人们看电视的次数是多还是少。每次有人使用Netflix，它都会显示他们看了什么，看了多长时间。
**library(tidyverse)
sample_size <- 10000
set.seed(853)
viewing_data <-
tibble(unique_person_id = sample(x = c(1:100),
size = sample_size,
replace = TRUE),
tv_show = sample(x = c("Broadchurch", "Duty
浏览 0提问于2020-03-15得票数 1
我有一个大型数据(称为dftot)，具有多个环境变量列，包括深度、盐度和处理位置。相同的治疗位置被多次使用。为了简化：
Depth<-c(1,4,33,7,8,20,12,8)
Treatment<- c("1.1", "1.2", "1.3", "2.1", "2.2", "2.3", "1.1", "1.2")
dftot<- data.frame(Depth, Treatment)
和一个(目前)空的盐度柱：
dftot[, "
浏览 2提问于2022-06-02得票数 3
上下文
在进行随机对照试验(RCT)时，一些参与者被随机分配到治疗状态，另一些则被分配到对照组。然而，并非每个接受治疗的人都可能遵循治疗协议(称为“治疗依从性”)。
根据的说法，解决这个问题的一个明智的方法是使用复杂的平均因果效应，有时也被称为局部平均治疗效应。根据的说法，“接受治疗的样本子集的治疗效果是当且仅当他们被分配到治疗的时候，也就是所谓的治疗者。”换句话说，如果被分配到治疗组的参与者中有一部分没有遵循治疗方案，这将是有用的。
问题
你如何在R中进行这一分析？
我无法从Google和堆栈溢出搜索中找到任何精确的信息。
另外，尽管我阅读了很多数据，但我仍然不知道预期的结果是什么。当使用C
浏览 3提问于2020-09-29得票数 1
回答已采纳
1回答
我使用的是一个长(人周期)数据集，其数量不平衡(每个人的观测量变化N)。我想要做的是对每个人(在一个新的列内)的每一行/观察随机分配一个治疗(A，B或C)，每个人的治疗都是随机变化的。因此，每个人都会得到三种干预中的一种，而对他们的每一次观察，干预都保持不变。
因此，从ID列开始，我想随机分配治疗。最终的结果会是这样的。
ID <- c(1,1,1,2,2,2,2,2,3,3,4,4,4,4,5,6,6,6,7,7)
Treatment <- c('a','a','a','b','b','b&#
浏览 2提问于2021-02-01得票数 2
回答已采纳
我有三个治疗方案(A，B，C)和30个中心。每个中心只对参与者进行一次治疗。例如，center1向其参与者提供治疗A，center2管理治疗B，等等。
结果和人口统计数据是从参与者那里收集的。
在控制人口统计学后，我想了解治疗对结果的影响。因此，固定的效果是治疗和人口统计学。
同一中心的参与者相互依赖。因此，想把中心建模为二级随机拦截。问:如果每个中心只执行一次治疗，那么将中心建模为随机拦截是否有意义？
浏览 5提问于2022-02-12得票数 0
3回答
首先是一些上下文:我正在处理一个数据集，其中包括与健康相关的数据。包括治疗前后的问卷评分。然而，一些客户在数据中重新出现，以便进行进一步处理。我在代码部分提供了一个模拟数据示例。
我试图在dplyr上找到一个解决方案，因为这是我最熟悉的包，但我没有实现我想要的。
#Example/mock data
ClientNumber<-c("4355", "2231", "8894", "9002", "4355", "2231", "8894", "9002",
浏览 0提问于2019-05-10得票数 0
回答已采纳
1回答
因果推理，其中治疗分配是随机的
、、、、
我主要使用的是观察数据，其中的治疗任务不是随机的。在过去，我曾经用PSM，IPTW来平衡，然后计算ATE。我的问题是:现在我正在研究一个问题，在这个问题上，治疗任务是随机的，这意味着不会有令人困惑的效果。但治疗组和对照组有不同的大小。桶不平衡。
现在，我应该只分析现有的数据，并进行统计意义和统计能力测试吗？还是我应该用协变量匹配来平衡治疗和控制之间的不平衡，然后进行显着性检验？
浏览 4提问于2021-12-08得票数 2
1回答
我希望对A/B测试设计有一个更好的理解。特别是，我对如何选择治疗和控制单元感兴趣。我读到这两组是随机选择的(例如，这里)，但也有一些方法，在选择治疗后(随机或不随机)，对照是根据与治疗组的“相似性”选择的。这两种方法都有效吗?选择一种或另一种的理由是什么？
例如，Alteryx有特定的处理和控制工具来解决这个问题，而且它们不是随机的(它们使用最近的邻居方法)。
浏览 0提问于2020-06-01得票数 1
回答已采纳
我目前正在研究一个实验中的一些数据。因此，我有一些个人的数据，他们被随机分配到两个不同的治疗。每次治疗，我们进行了三次治疗。在每一次会议上，与会者被要求作出一系列决定。
我想要做的是：(1)用一个包含随机效应的模型来估计治疗的效果，然后再对标准错误进行聚类。
在R中，我可以很容易地使用plm软件包来估计随机效应模型：
model.plm<-plm(formula=DependentVar~TreatmentVar+SomeIndependentVars,data=data,
model="random",effect="individual")
我
浏览 2提问于2014-03-04得票数 4
回答已采纳
1回答
我有一些治疗方法(A, B, C, D等)有4个条件(z, y, x, v等)病人使用的次数之和(行)。
示例：
treatments = tibble(treatment = rep(c("A","B","AB"), 4),
condition = rep(c("z","y","x","v"),3),
n_times_used = 10:21) %>%
arrange (treatment)
有时也有联合治疗AB使用。我想要写一个函数:
浏览 0提问于2018-11-01得票数 1
回答已采纳
我想对120名参与者进行分组随机化，分成40组，每组3人。每个块内的2个参与者被分配给治疗(用1表示)，1个参与者被分配到控制(用0表示)。
我希望使用R程序将每个块中的数字(1，1，0)随机化。生成我使用的数字
n00=1
n11=2
标签= rep(c(rep(0，n00)，rep(1，n11)),40)
如何将数字按3的块随机化，这样就有了2 1和10 s？
浏览 0提问于2019-09-15得票数 0
4回答
我正在运行一个包含两个实验的实验: experiment_1和experiment_2。每个实验有5个不同的处理(即1，2，3，4，5)。我们正在尝试在组内随机分配治疗。
我们希望通过采样来做到这一点，而不是在每个组内迭代替换。我们希望这样做是为了确保我们在治疗中获得尽可能平衡的样本(例如，我们不想最终导致组1中的4名受试者被分配到治疗2，而没有人接受治疗1)。因此，如果一组有23名受试者，我们想要将受访者分成4个小组，每个小组5个，然后我们想要在第一个小组5个中随机抽样，这样每个人都被分配了一个处理，对第二个，第三个和第四个小组5个做同样的事情，对于最后一个小组3个随机样本没有替换。因此，我
浏览 9提问于2015-07-30得票数 0
1回答
我对线性混合模型相当陌生，我正在尝试使用lmer生成一个模型，在该模型中，我测试了以下内容的效果：
组(固定)：2个级别
治疗(固定)：2级(未刺激和刺激)
组*治疗
在因变量“结果”上，考虑了“主体”的随机效应。
在本实验中，两组受试者各有一只手臂受刺激，另一只未受刺激。
到目前为止，我想出的模型是
lmer(Outcome ~ Group + Treatment + Group*Treatment + (1|Subject), REML=FALSE, data= data)
然而，我不知道如何具体说明每一个被试都有一个未受刺激的手臂和一个被刺激的手臂。
有人能帮忙吗？
浏览 9提问于2018-12-06得票数 0
回答已采纳
1回答
我当然可以用钢笔和计算器来完成这个任务，但我认为在R中这样做是有意义的。我已经用Rmisc为我的数据生成了一个包含各种手段、sd、se和ci的表格。
summarySE(data=Chloro，"ChlorophyllSq"，groupvars =c(“治疗”，“时间”)，conf.interval = 0.95)
我有三个自变量(治疗(4个因素)，时间(5个因素)和深度(2个因素)。
有没有办法找出不同处理不同时间点之间叶绿素平均值的百分比变化？在不同的处理(1,2,3,4)中，我想找出叶绿素在1，2，3，4处理中的时间点1和5(最后一个时间点)的差异。
然后，我可能有兴
浏览 3提问于2020-04-19得票数 0
这是我的数据：
Guild Treatment value
Ins Low 59.1
InsAerGleEdge Low 19.7
InsAerOpen Low 6.7
InsAerGleEdgeClut Low 4.4
Frug Low 3.7
InsAerGleClut Low 3.5
InsAerEdge Low 2.3
InsGleClut Low 0.6
浏览 4提问于2019-10-28得票数 0
我想总结一下按地区分列的接受治疗的人的百分比。
为此，我创建了一个虚拟数据集：
id <- seq(1:1000)
region <- rep(c("A","B","C","D","E"),c(200,200,200,200,200))
treatment <- rep(seq(1:2), each=4)
d <- data.frame(id,region,treatment)
我如何知道(a)每个地区的总人数(我估计我会在这方面使用长度)及(b)按地区计算，接受治疗1(相对于2)的人所占百
浏览 5提问于2016-01-14得票数 2
回答已采纳
1回答
我想知道是否有更快的方法使用data.table/dplyr来根据以前的值按组替换值。
假设我的原始数据表如下所示：
DT_orig <- data.table(name = c("A", "A", "A", "B", "B", "B"),
year = c("2001", "2002", "2003", "2001", "2002", "2003"),
浏览 3提问于2020-01-19得票数 1
回答已采纳
1回答
实验的设计涉及10名参与者。所有患者均经过A、B、C、D条件治疗，而参与者1-5的治疗条件为E、F，参与者6-10的治疗条件为G、H。
我正在使用带有lme功能的nlme包来处理丢失的数据，并防止按列表删除参与者。测量变量= DV，固定效应=条件，随机效应=参与者)。当一切都刚刚过去的时候，这就是我所拥有的：
lme(DV~cond, random =~1|ppt, data = OutcomeData, method = "ML", na.action = na.exclude)
当第一部分(条件A，B，C，D)交叉而第二部分E，F，G，H嵌套时，统计量是什么？任何帮助或指导
浏览 1提问于2014-07-27得票数 0
回答已采纳
1回答
我创建了一个数据集，将治疗随机分配给实验对象。个人将接受三次治疗。有7种治疗方法，我需要确保一个人在接受随机分配的同时不会接受超过一次相同的治疗。有35个个体和7个处理，所以每个处理有5个重复。
数据：
set.seed(566)
treatments<-rep(c(2,4,8,16,32,64,100), each=5)
random_design<-data.frame(individual=c(1:35), trial1=sample(treatments), trial2=sample(treatments), trial3=sample(treatments))
正如你所
浏览 23提问于2020-05-06得票数 2
回答已采纳
3回答
试图设置一个McNemar测试，但我不能很好地编码(使用R)
我的数据是成对的，它有1000对长，所以我有一个列，指定的对号如下
c(0 , 0 , 1, 1, 2, 2, 3, 3, 4, 4)
一个列，指定该对的哪个成员在控制组或治疗中(每对都有一个参与者，但顺序是随机的)，如下所示：
c(0, 1, 1, 0, 1, 0, 0, 1, 0, 1)
还有一个名为response的列，在该列中，这对成员中的任何一个或两个成员都不能收到这样的响应：
c(0, 1, 1, 1, 1, 0, 0, 0, 0, 1)
我试图创建一个计算结果的矩阵，比如：
a <- count of pair
浏览 4提问于2020-11-25得票数 3
回答已采纳
2回答
我想知道mutate是否可以将一个函数应用到仅选定的组(而不是观察！)？
我有多个变量，指示对象是否在给定的时间点内接受特定种类的处理。
df <- data.frame(id = c(1,1,1,1,2,2,2), treatment = c(0,0,1,0,0,1,0))
我的目标是以下列方式使一个具有相对治疗时间的变量：
df %>%
group_by(id) %>%
mutate(relative_time = seq_along(treatment) - which(treatment %in% 1))
id treatment relativ
浏览 2提问于2020-08-14得票数 1
回答已采纳
1回答
在R中绘制同名列
、、
我有这样的数据：
我想用同样的名字来画专栏，例如:肠杆菌科治疗一起1。
它看起来是这样的:X线-将包含治疗:治疗，1_1，治疗，1_2等等。Y行将包含值。此外，我想添加中位数和线性回归线。
问题是，我一直收到一个错误，因为有多个名称相同的列，而R认为这是一个将多个名称相同的列绘制在一起的问题。
我该怎么办？我是否应该尝试合并同名的列？
浏览 1提问于2021-12-02得票数 1
回答已采纳
2回答
解释回归模型中的交互作用
、、、
我希望是一个简单的问题。
我有一个实验设计，我测量了两组的反应(比如说血压)：对照组和受影响组，两组都接受了三种治疗: t1，t2，t3。数据在任何意义上都不是配对的。
下面是一个数据示例：
set.seed(1)
df <- data.frame(response = c(rnorm(5,10,1),rnorm(5,10,1),rnorm(5,10,1),
rnorm(5,7,1),rnorm(5,5,1),rnorm(5,10,1)),
group = as.factor(c(rep("con
浏览 0提问于2015-11-11得票数 3
3回答
我有一个数据集与4个不同的处理列出在一栏。它们是治疗1、治疗2、治疗3和治疗4，其结果显示在另一列中。我正在尝试转换数据，以便我可以运行一个anova，看看哪种治疗是最有效的。但是当我尝试使用cast函数时，我会得到一条错误消息。我如何将治疗分为4个单独的列，它们在旁边的列中有多有效。还有另一列，列出了观察编号。
浏览 4提问于2015-05-12得票数 0
回答已采纳
我正在处理一个数据集，在每个治疗中重复观察，我需要在每个治疗中找到平均值。我想使用dplyr。我的数据如下：
ex <- data.frame(plot = c(101,102,103,104,105,106,201,202,203,204,205,206,301,302,303,304,305,306),
trt = c("a","a","b","b","c","c","a","a","b","b
浏览 5提问于2022-08-16得票数 1
回答已采纳
我有一个网站，它使用一个自定义的文章类型的治疗，我们正在使用CPT-onomies插件链接作为一个分类到其他自定义文章类型。
我们有另一个帖子类型，从业者，我需要链接相关的治疗也，这一部分很容易。但我们还需要使他们能够节省每次治疗的价格，并具有POA (应用程序价格)选项。
目前，这是相当笨拙的序列化数组编码，这使得对数据的操作和报告需要很长时间。
将这两个额外的字段添加到自定义post类型中最简单的方法是什么？
浏览 0提问于2016-11-04得票数 0
起动数据
我在R工作，我有一套数据来自不同剂量的不同药物治疗的动物群(队列)。下面是我的数据集的一个可复制的简化示例：
# set starting values for simulation of animal cohorts across doses of various drugs with a few numeric endpoints
cohort_size <- 3
animals <- letters[1:cohort_size]
drugs <- factor(c("A", "B", "C"))
doses &l
浏览 1提问于2020-07-01得票数 2
回答已采纳
我目前有一个包含16个观察值的数据集。我有二元治疗任务(目前是8个对照，8个治疗)。我需要为这个数据集推导出所有可能的不同处理分配，仍然以8个对照和8个处理结束。我目前正在为16个观察值生成所有可能的0和1排列，并为8个对照或8个处理进行过滤。不幸的是，如果我需要做超过26个观察值(我相信这是一个神奇的数字)，数据帧对于R来说变得太大了。有没有办法创建一个排序表，而不需要像下面的代码那样复制所有的可能性并在中间过滤它。
library(tidyverse)
library(random)
library(data.table)
test <- tibbl
浏览 11提问于2019-07-12得票数 0
我有平均百分之每个功能组的覆盖率，根据年份，月份，网站，和治疗(见图)。对于每个治疗组(按年份、月份和地点排序)，这些功能组的平均值不等于100%。我想把它正常化到100%。我能够在Excel中创建一个等式(如照片的顶部所示)，但它是劳动密集型的。我不知道如何创建一个R函数来自动完成它。我试着开始写它(下面)，但我知道sum(x)部分是不准确的。我不知道如何总结所有的功能组的百分之覆盖的每一个治疗，按地点，月和年。也许使用聚合函数会有帮助？任何帮助都将不胜感激！
normalize <- function(x, na.rm = TRUE) x*100/sum(x)
下面是使用d
浏览 5提问于2019-12-11得票数 1
回答已采纳
我从优秀的资源、和了解到，data.table使用自动索引(创建一个key，即增压行名)和基于二进制搜索的子集，而tidyverse依赖于向量扫描。
我理解向量扫描需要扫描每一行和创建nrow(dataset)长度逻辑向量，重复这样做并不是那么有效。
我想知道是否有人能帮助我准确地描述这两种方法意味着当您需要按变量分组时，data.table操作运行速度比tidyverse快得多。也就是说，是因为data.table自动索引group_by列并将其分解为分组子集并在每个子集上运行操作，而向量扫描方法需要生成多个逻辑向量的n = unique groups，然后在核对结果之前对每个单独的逻辑向量
浏览 2提问于2020-04-20得票数 6
回答已采纳
在果园试验中，共设5个处理和5个小区。为了分析这些处理对树木和果实生长的影响，在中间树排的两边的处理都是相同的。我如何随机化R中的治疗，而不使一个块的最后一个处理与下一个块的开始处理相同。例如，我使用agricolae软件包对其区块内的治疗进行随机化，但我得到的随机化如下： Block 1: 3 1 5 2 4
Block 2: 2 3 4 5 1
Block 3: 2 5 1 4 3
Block 4: 1 5 3 4 2
Block 5: 2 3 1 5 4 正如你所看到的，块4以处理2结束，然后块5以2开始。如果可能的话，我想避免这种情况，但我不确定如何在r中做到这一点。 实验的可视
浏览 60提问于2021-02-10得票数 0
回答已采纳
我想在R中模拟一些丢失的数据，但是有问题。我创建了两个变量(“pre”和“post”)，它们代表了对同一个体治疗前后的测量(即配对数据)。我已经能够这样做的数据，是完全丢失在随机(MCAR) -见下文，但无法找到如何编码它的缺失在随机(MAR)。对于MAR缺失的数据，我想创建基于预处理观察的3类数据，这将决定治疗后的观察有多少缺失。即
25岁前，40%的职位失踪
对于pre > 21和≤25，丢失30%
对于pre≤21，20%的职位丢失
有人能帮忙吗？(我真的很感激！)
谢谢
set.seed(80122)
n <- 1000
# Simulate 1000 people wi
浏览 3提问于2016-02-26得票数 4
我已经安装了一个中断的时间序列回归来统计数据，并希望显示类似于此的结果。
摘自: Lindstrand，Bennet R，Galanis I，等。肺炎球菌结合疫苗引入后的鼻窦炎和肺炎住院治疗。儿科。2014年；134(6)：e1528-36。doi:10.1542/4177.2013年-4177。
具体来说，我试图(和失败)复制的是添加的洋红和青色趋势线。我一直在尝试做这个。问题是，我的模型适合于glm(family = poisson)，所以系数不在原来的尺度上。更复杂的是，我提供了风险人口作为一个偏移，即glm(count ~ ., offset(log(at_risk)), fam
浏览 2提问于2016-12-18得票数 4
回答已采纳
1回答
定义
x <- data.frame(
ID=letters[1:10],
class = as.factor(c(rep(1,5),rep(2,5))),
treat = rep(0,10))
s.t.
> x
ID class treat
1 a 1 0
2 b 1 0
3 c 1 0
4 d 1 0
5 e 1 0
6 f 2 0
7 g 2 0
8 h 2 0
9 i
浏览 1提问于2011-03-23得票数 2
回答已采纳
我有一个数据集，其中包含治疗的列表(治疗变量)，然后另一个人根据他们的作用机制(机制变量)对这些治疗进行分类。我想增加另一个机制的行动类别(低温)，我正在努力做到这一点。
我做了一个小的数据框架，作为一些治疗和它们的机制类别的例子。
Treatment <- c("Hypothermia", "CNS-1102", "Hypocapnia", "Dextrorphan", "Mannitol", "Caffeinol")
Mechanism <- c("Other", &
浏览 6提问于2020-06-02得票数 1
回答已采纳
我有一个数据集，每个ID都有不同的观察结果，而且这些参与者也处于不同的治疗状态(组)。我想知道我是否可以用proc方法快速计算参与者的数量和每个群体的就诊人数？理想情况下，我可以使用proc表示求和函数，根据组状态快速捕获具有0和1的值，并获得总数？然而，我被困在如何继续前进。
ID Visit Group
1 1 0
1 2 0
2 1 1
2 2 1
2 3 1
3 1 0
4 1 1
4 2 1
5 1 0
5 2 0
6 1 1
6 2 1
6 3 1
6
浏览 10提问于2022-11-15得票数 0
3回答
假设您有一个如下所示的dataframe：
df <- tibble(PatientID = c(1,2,3,4,5),
Treat1 = c("R", "O", "C", "O", "C"),
Treat2 = c("O", "R", "R", NA, "O"),
Treat3 = c("C", NA, "O", NA, "R"),
浏览 3提问于2022-04-15得票数 3
回答已采纳
我有四个组中的个人。 df <- data.frame(group=c(rep(1, 90),
rep(2, 110),
rep(3, 105),
rep(4, 95)),
id=1:400) 我想将每组中的每个人随机分配到五种治疗方法中的一种。我可以分别为每个组执行此操作，但我想知道如何在dplyr例程中完成此操作？ 最后，df应该看起来像这样： id group treat
1 1 5
2 1
浏览 7提问于2019-07-04得票数 0
1回答
我想用一个组变量根据不同的相关级别分配一个(非随机的)治疗变量。
例如，以下数据表：
library(data.table)
set.seed(123)
dt <- data.table(id=1:1000, group=sample(c(1:4), 1000, replace=T))
我想给小组分配一个0,1的治疗，其中第4组中的个体获得治疗的概率更高。我也希望能够改变作业的相关程度。
我知道simstudy包中的trtObserve()函数确实根据其他变量分配了处理。
例如，一个人可以设定一个公式来分配转让的概率：
library(simstudy)
formula1 <- c
浏览 3提问于2017-09-19得票数 0
我有两组病人，对照组(A组)和治疗组(B组)，每组患者在治疗开始和结束时的体重数据。我需要检查B组(治疗组)的平均体重动态是否明显优于A组(对照组)。指定的两个测试中哪一个是合适的？有Kruskal检验来比较两个独立样本的中位数(例如A和B在周期结束时的重量中位数)和t检验来比较相关样本(例如治疗前后B的平均重量和A的相同事物)。但是，似乎这并不能帮助我证明两组动态差异的意义。
浏览 0提问于2023-02-24得票数 0
2回答
循环中的条件格式
、、、
我试图在不同的社区中迭代一个df地址，对于每个邻居，我想把每个地址随机地分成两个相同的组。我的df看起来大致如下：
neighborhood <- c("armatage", "armatage", "armatage", "windom", "windom", "windom", "windom")
address <- c("a", "b", "c", "d", "e", "f&#
浏览 1提问于2021-02-01得票数 2
回答已采纳
1回答
我有以下研究，我想用混合效应模型来分析：
“受试者”分为两组(治疗A和B)。
“体重”记录在治疗前和治疗后3个月(“时间”)(重复措施)。
也需要对主语“年龄”和“性别”进行修正。
的主要问题是：两组对体重的影响是否不同？
对于混合效果，我考虑使用lmer函数的lme4包语法：
lmer(weight ~ Group*Time + age, (1|subject) + (1|gender), data=mydata)
这个语法是正确的，还是我需要使用更复杂的术语，如下面给出的术语：
(time|subject)
(time + 1|subject)
(1|subject) + (1|Group
浏览 4提问于2020-07-10得票数 3
回答已采纳
这可能很愚蠢，但我有以下问题:我有两个表：
(1)对某一特定患者进行治疗，包括开始日期和结束日期：
therapyID patientID startoftherapy endoftherapy
1 1 233 5.5.10 6.6.11
2 2 233 7.7.11 8.8.11
3 3 344 1.1.09 3.2.10
4 4 344 3.3.10 10.10
浏览 5提问于2016-04-15得票数 0
回答已采纳
我有一套刺激(陈述)，其中一半是真的，一半是假的。我想把它们随机地分配到包含相同数量的语句的4组，其中一半是真的，一半是假的。
以下是我到目前为止所取得的成果，但我需要补充的是，4组的随机化应该基于特定二进制列的内容(即，该语句是正确的还是错误的)：
statements <- data.frame(item_ID = c("1", "3", "4", "5", "6", "7"),
item = c("The first windmills were buil
浏览 1提问于2019-09-18得票数 1
回答已采纳
我正在尝试使用dplyr处理一个(相当大的)数据集，我相信我的问题源于对"summarise_if“函数的一些错误使用。下面是一些代码，用于生成与我的数据类似的虚拟数据：
df <- data.frame(Block = c(1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4),
Treatment = c(rep("Control", 4), rep("CF", 4), rep("LR", 4)),
var1 = c(9, 12, 15, 16,
浏览 2提问于2020-11-27得票数 1
回答已采纳
2回答
我有一个像这样的数据文件：
x y location
21 10 ny
12 22 ny
32 90 cha
33 14 cha
...
我想根据百分比随机抽样x和y列的行。我希望30%的x和y行是随机分配的group1，70%的行是随机分配的group2。就像这样：
x y location group
21 10 ny group1
12 22 ny group2
32 90 cha group2
33 14 cha group2
...
我想我可以用mutate()来完成这个任务，但是
浏览 1提问于2021-07-12得票数 0
回答已采纳
目前，我正努力用sankey图表来可视化晚期乳腺癌患者的抗癌治疗流程。
我为每一行治疗(beh1，beh2等)都有一个列，命名给定的治疗(6个选项或“其他”)。
然而，有些病人并没有接受我的df目前包含的所有6行治疗，因此在几个列中给出了一个N/A。
一个例子
sankey <- data.frame(ID = c("1","2","3","4","5"),
Beh1 = c("TDM1","Capecitabine", "Capeci
浏览 4提问于2021-06-15得票数 1
回答已采纳
1回答
我的问题类似于，但答案对我不起作用。基本上，我试图用“模糊”设计来生成一个回归不连续图，它使用治疗组和控制组的所有数据，但只绘制治疗组和对照组的“范围”内的回归线。
下面，我模拟了一些数据，并用基本图形生成了模糊RD图。我希望用ggplot2复制这个情节。请注意，最重要的部分是，浅蓝回归线适合使用所有的蓝色点，而桃色回归线适合使用所有的红点，尽管只是绘制在个人打算接受治疗的范围。这是我很难复制的部分。
我想要转到ggplot，因为我想使用faceting在不同的单元中生成相同的图，在这些单元中，参与者是嵌套的。在下面的代码中，我展示了一个使用geom_smooth的非示例。当一个群体中没有模糊
浏览 2提问于2016-10-05得票数 3
回答已采纳
我有一个大的数据集的样本，属于不同的群体，并在所涵盖的地区不同。数据集的结构简化如下。我现在想为每一组创建集合样本(子组)，其中每个子组所涵盖的区域等于指定的区域(例如20)。样本应该被随机分配，不需要替换给每个子组，子组的数量应该在数据帧末尾的一个新列中列出。
SampleID Group Area Subgroup
1 A 1.5 1
2 A 3.8 2
3 A 6 4
4 A 1.9 1
5 A 1.5 3
6
浏览 0提问于2018-10-24得票数 0
回答已采纳
1回答
我试图在有多种治疗方法的情况下进行隆起建模。我偶然发现了这个包，它可以为单个治疗执行隆起建模。
但我想扩大这个范围，以便进行多种治疗。有没有办法做到这一点？
浏览 1提问于2019-06-04得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
