上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页
摘要: 1. topic变量--TERM Primary SOC只有一个相对一个--TERM,--BODSYS是从MedDRA根据分析需要指定的? 2. 3. 4. 5. transferable object 对可transfer的对象进行负责的单位。 6. 7. --ACN是和剂量相关的, --ACNO 阅读全文
posted @ 2022-01-14 10:21 Iving 阅读(61) 评论(0) 推荐(0) 编辑
摘要: 1. 干预类topic变量 --CLAS? --TRT是topic变量,也就是这条记录的核心,--DECOD是字典变量,在干预类,字典通常指MedDRA 2. 3. --PRESP --OCCUR --PRESP就是CRF提前设定好的干预使用,--OCCUR是设定好的干预使用是否发生 3.1 --S 阅读全文
posted @ 2022-01-14 09:00 Iving 阅读(93) 评论(0) 推荐(0) 编辑
摘要: 1. SDTM Model 版本是向前兼容的 2. SDTM Model是围着observation的建立的,一个observation是由离散的信息块组成,例如SUBJID 006在DAY 6出现恶心。 一条观测就是一行记录 3. 变量的五种角色: identifier variable, top 阅读全文
posted @ 2022-01-12 23:23 Iving 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 就是从某个时间点开始,间隔一段时间后,的时间是多少 比如: intnx('month', '15mar2000'd, 5, 'same'); returns 15AUG2000 就是从12mar开始,间隔五个月,返回15aug same:返回interval后那个时段,begining interv 阅读全文
posted @ 2022-01-04 22:48 Iving 阅读(1479) 评论(0) 推荐(0) 编辑
摘要: 1. 函数式编程 就是把函数作为参数传入另一个函数 2. map函数 需要两个参数,一个是函数,另外一个是迭代器,并将结果作为新的迭代器 把函数作用在迭代器上的每一个元素(其实这就默认有个for循环),函数接收的参数就是迭代器的元素 2.1 reduce 把结果继续和序列的下一个元素做合并计算(相当 阅读全文
posted @ 2021-12-26 18:26 Iving 阅读(30) 评论(0) 推荐(0) 编辑
摘要: 1. 切片 列表,元组,字符串都可切片操作 list[:3]前三个 list[::2]隔2个取一个 list[:10:2]前十个隔2个取一个 list[-2:]从倒数第二个取到最后 list[-5:-1]倒数第五个取到最后 2. 迭代 for循环 列表,元组,字典,字符串都可迭代 for i in 阅读全文
posted @ 2021-12-25 22:13 Iving 阅读(29) 评论(0) 推荐(0) 编辑
摘要: 1. 内置函数 int() #取整或转为整型 float() #转为浮点型 bool() #转为布尔型 str() #转为字符型 abs() min() max() str.lower() str().upper() str.capitalize() str.find() len()长度 2. 函数 阅读全文
posted @ 2021-12-25 14:32 Iving 阅读(29) 评论(0) 推荐(0) 编辑
摘要: 1. python大小写敏感 2. a = 10000 a = 10_000 是完全等价的,后者只是便于数数 3. 1.23x109就是1.23e9 10的指数可以用e表示 4. \是转义符 例如转移单双引号,转义\,例如\\, \\\\ print("I'm ok")#I'm okprint("I 阅读全文
posted @ 2021-12-25 11:10 Iving 阅读(28) 评论(0) 推荐(0) 编辑
摘要: 最近遇到一个问题,如果因变量为一个连续变量(如胰岛素水平),主要考察的变量为分组变量(如正常血糖组,前糖尿病组,糖尿病组三组),现在的目的是想看调整多种变量(包括多个连续性变量和分类变量)后,胰岛素水平是否一致。一开始的思路想到的是采用GLM进行协方差分析来解决。但是有觉得似乎不是很对,因为经典的协 阅读全文
posted @ 2021-12-05 12:24 Iving 阅读(1459) 评论(0) 推荐(0) 编辑
摘要: 混合模型也叫随机模型,多水平模型。 重复测量是多水平模型一个特例。 随机语句通常用于对对象之间的变化进行建模,而重复语句通常用于对对象内的变化进行建模。也就是REPEATED 和 RANDOM语句。 随机效应 VS 固定效应简单介绍了两种效应。 1. 这是线性模型,残差服从均值为0,方差为sigma 阅读全文
posted @ 2021-11-21 22:39 Iving 阅读(910) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 12 下一页