? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

歡迎來到此次 R/Python 醫學數據分析 workshop，本周即將進入免費培訓的第三期。（對整個活動，或者往期內容感興趣的，可以直接往后拉）

機器學習實戰

一個代謝組學案例

?· 內容簡介 ·?

一個肺癌案例，串起假設檢驗、回歸分析與常見機器學習模型。

首先我們會對代謝組學進行基本介紹，側重關注的科學問題、分析方法、數據結構；然后會引入一組肺癌患者與對照組尿樣的開放數據并介紹數據特征；之后會應用最簡單的假設檢驗來尋找差異表達代謝物并講解多重比較問題；最后結合患者的信息構建預測肺癌的統計學習模型，并講解從單一模型到模型組合的數據分析過程。最終目的是使大家意識到實際數據分析的復雜性，并掌握一些處理實際問題的方法。

?·?內容大綱?·?

1. 代謝組學簡介

• • 組學與代謝組學

  • 代謝組學在醫學中的應用

  • 代謝組學分析方法

  • 代謝組學數據結構

2. 案例數據

• • 案例背景介紹

  • 數據可視化

  • 主成分分析

3. 差異分析

• • t 檢驗

  • 多重比較問題

4. 預測模型

• • 隨機森林模型及解釋

  • 模型組合方法

5. 作業

• • 用另一組數據進行分析并給出報告。

?· 參與方式 ·?

掃描海報中二維碼，或者點擊“閱讀原文”，至此次活動頁面報名。再次強調一下，此次活動用愛發電，完全免費！

---

?· workshop簡介?·?

這是和鯨社區舉辦的線上培訓，聚焦 R/Python 在醫學數據分析場景中的實際應用，面向所有醫學領域人士或者對醫學數據分析感興趣的朋友。活動全程免費，并全程提供免費的算力&在線開發工具 ModelWhale，同時支持 R/Python。

在接下來的 4 周時間內，你可以自學 4 份在線教案項目、完成作業、參加線上作業點評交流會直播，通過案例探究+實戰，切實提高自己的醫學數據分析水平。

?· 活動亮點 ·?

隨到隨學

workshop 分為四期，每期持續一周時間。難度合理，內容獨立，隨到隨學。

教案不錯

圍繞實際應用場景的教案設計：因果分析、meta 分析、機器學習、風險模型預測。有數據有代碼，有思路有方法。

項目實戰

采取?案例探究+項目實戰?機制，所有教案項目&作業均可在 ModelWhale 上完成閱讀、代碼調試、動手實踐。

?· 特邀導師?·?

年前，我們有幸邀請到醫學領域 4 位資深科研/臨床專業人士，作為導師，為大家精心準備各期教案（非常感謝 4 位導師！）。按照各期時間順序，向大家介紹：

?· 日程安排 ·?

第零期：2021 年 2 月 16 日（已結束）

開營直播&第一期教案簡介

第一期：2021 年 2 月 17 日起（已結束）

因果分析入門：腎結石手術 VS 超聲波治療

第二期：2021 年 2 月 24 日起（已結束）

meta 分析大作戰

第三期：2021 年 3 月 3 日起

機器學習實戰：一個代謝組學案例

第四期：2021 年 3 月 10 日起

親手搭建一個糖尿病及并發癥風險預測模型

?· 活動獎勵?·?

每一期作業點評交流會上，當期導師將挑選 1-2 份優秀作業。他們將會獲得：和鯨社區鯨幣 20、虛擬蛇徽 1 枚（將展示在你社區個人主頁）、紀念馬克杯 1 個、價值 ￥ 50 京東電子購物卡 1 張。

---

?· 往期內容 ·?

第一期

因果分析入門 - 腎結石手術 VS 超聲波治療

??1. 因果分析簡介

• • 用 intervention 來定義因果分析

  • 相關性和因果性

  • 因果分析區別去一般統計分析的地方

  • 代碼（R）：手把手教你模擬因果性與相關性

? ?2. 從幾個悖論來看因果分析的意義

• • 辛普森悖論

  • 混雜因子偏差（Confounding Bias）

  • 案例：腎結石手術與超聲波療法對比

? ?3. 基于觀察數據的因果分析與隨機對照實驗(RCT)的關系

• • 為什么 RCT 是一個很有價值的工具

  • RCT 的優缺點

  • 代碼（R）：生成模擬腎結石實驗數據

? ?4. Inverse Probability Weighting（IPTW）

• • 模型簡介

  • 代碼（R）：腎結石數據分析

  • 小心！IPTW 在分析觀察數據的注意事項

? ?5. 一個作業

• • 誰是更好的擊球手？

  • 比較兩種治療方法的康復率

  • (Extra)Monty Hall 游戲

第二期

meta 分析大作戰 -?心梗后服用阿司匹林能否降低死亡率

??1. meta 分析簡介

• • 什么是 meta 分析

  • meta 分析的優點

  • 標準流程：七步法

  • Meta 分析的目的及適用性

  • Meta 分析的局限性

???2. 應用 R 語言做 meta 分析

• • meta 分析的類型

  • R 語言做 meta 分析的類型

  • R 語言做 meta 分析的使用場景

? ?3. 經典案例：心梗后服用阿司匹林能否降低死亡率？

• • 數據背景介紹

  • 具體數據介紹

  • 輸入數據的格式化

  • meta 分析主程序

  • 結果解釋

  • 森林圖的繪制

  • 改變效應量畫圖

  • 漏斗圖的繪制

  • 減補法對發表偏倚進行校正

  • 敏感性分析：評估你的結果穩健性

  • 敏感性分析的實現

? ?4. 探索異質性的來源：當研究間的結果不一致時

• • meta 回歸探索異質性來源

  • 研究人群的平均年齡是否是研究結果不一致的來源

  • meta 回歸的結果解釋

  • 研究發表年份是否是研究結果不一致的來源

  • meta 回歸的結果的圖形展示

  • 根據 meta 回歸的結果，將 Age 分為 young 和 old 兩組

  • 亞組分析，meta 分析探討異質性來源的主要法寶

  • 亞組分析，調整參數

  • 總結

? ?5. 作業：請分析 Olkin95 溶解血栓劑治療數據，并給出報告

※ “往期”指作業提交、導師點評已結束，但報名活動后仍可回看教案

如果你對以上課程大綱還比較滿意的話，歡迎加入我們的?R/Python 醫學數據分析 workshop，和我們一起玩耍~

參與課程猛戳下方

“閱讀原文”

總結

以上是生活随笔為你收集整理的实战+练习！用机器学习预测肺癌 | 明晚8点美国西奈山博后免费直播的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。