临床预测模型的基本概念及应用场景 临床预测模型分类：疾病诊断和预后模型 构建临床预测模型的基本步骤

临床预测模型样本量的估算 数据异常值的识别和处理 缺失值的识别和填补方法 纳入临床预测模型的自变量转换类型

基于Logistic回归构建临床预测模型 基于Cox回归构建临床预测模型 采用Lasso回归实现对自变量的筛选

临床预测模型结果展示可视化：森林图 让临床预测模型更加简单易懂：列线图

评价临床预测模型的区分能力：ROC曲线及AUC 不同模型之间的预测能力比较：NRI和IDI指数 评价临床预测模型的校准能力：校准曲线 预测模型在临床中的实际效用：决策曲线DCA 临床预测模型的内部验证和外部验证

TRIPOD解读：题目和摘要报告规范 TRIPOD解读：前言和方法报告规范 TRIPOD解读：结果和结论报告规范

医学公开数据研究现状 常用医学公开数据库介绍 使用公开数据研究经验分享 使用公开数据研究实例分享

NHANES数据介绍及选题 NHANES数据清理与合并 NHANES数据常见分析策略 使用NHANES数据研究实例

单样本t检验-SPSS教程 独立样本t检验【简】-SPSS教程 独立样本t检验【详】-SPSS教程 配对样本t检验【简】-SPSS教程 配对样本t检验【详】-SPSS教程

卡方检验（2x2）-SPSS教程 卡方检验和Fisher精确检验（2x2）-SPSS教程 卡方检验（2xC）【简】-SPSS教程 卡方检验（2xC）【详】-SPSS教程 Fisher精确检验（2xC）-SPSS教程 卡方检验（R×C）-SPSS教程 配对卡方检验【简】-SPSS教程 配对卡方检验【详】-SPSS教程 比值比（2×2）的计算-SPSS教程 相对危险度（2×2）的计算-SPSS教程 卡方拟合优度检验-SPSS教程 两个有序分类变量相关性的卡方检验-SPSS教程 分层卡方检验-SPSS教程

单因素方差分析【简】-SPSS教程 单因素方差分析【详】-SPSS教程 两因素方差分析-SPSS教程 单因素重复测量方差分析-SPSS教程 两因素重复测量方差分析【简】-SPSS教程 两因素重复测量方差分析【详】-SPSS教程 单因素协方差分析【简】-SPSS教程 单因素协方差分析【详】-SPSS教程

多项测量指标的ROC曲线分析-SPSS教程 组内相关系数（ICC）-SPSS教程 Cohen's kappa系数-SPSS教程 Weighted Kappa系数-SPSS教程 Kendall's W检验-SPSS教程

Pearson相关性分析SPSS教程 Spearman相关分析-SPSS教程 Kendall's tau-b相关系数-SPSS教程

Cox回归-SPSS教程 KM曲线【简】-SPSS教程 KM曲线【详】-SPSS教程

二分类Logistic回归【简】-SPSS教程 二分类Logistic回归【详】-SPSS教程 有序多分类Logistic回归【简】-SPSS教程 有序多分类Logistic回归【详】-SPSS教程 1:m匹配病例对照Logistic回归-SPSS教程 无序多分类Logistic回归-SPSS教程 简单线性回归-SPSS教程 多重线性回归-SPSS教程 加权最小二乘法-SPSS教程 岭回归-SPSS教程 广义估计方程(GEE)-SPSS教程 分层回归-SPSS教程

Mann-Whitney U检验（两独立样本）-SPSS教程 Wilcoxon符号秩检验（配对样本）【简】-SPSS教程 Wilcoxon符号秩检验（配对样本）【详】-SPSS教程 Kruskal-Wallis H检验（多个独立样本）【简】-SPSS教程 Kruskal-Wallis H检验（多个独立样本）【详】-SPSS教程 Friedman检验-SPSS教程 Cochran's Q检验-SPSS教程

1:1倾向性评分匹配(PSM)-SPSS教程 病例与对照的1:1匹配-SPSS教程 克朗巴哈系数(Cronbach's α)-SPSS教程 主成分分析-SPSS教程 1:n倾向性评分匹配(PSM)-SPSS教程

真实世界研究概念与流程 真实世界研究横断面研究案例 真实世界研究队列研究案例

线性回归模型R实操 逻辑回归模型R实操一 逻辑回归模型R实操二 Cox模型R实操 混合效应模型R实操

倾向性评分原理和应用 真实世界研究倾向性评分匹配 倾向性评分加权R实操

文献计量分析学习目的

文献计量分析图谱基础

文献检索基本策略

Web of Science数据导出

CiteSpace合作网络分析 CiteSpace关键词网络分析

VOSviewer合作网络分析 VOSviewer关键词/术语分析

文献计量分析结果框架精讲 合作网络写作精讲 关键词/术语写作精讲

12分文献计量分析速读

人工智能浪潮：从ChatGPT到医疗健康研究 机器学习与大数据挖掘：医疗健康研究的新纪元

机器学习核心概念和类型 机器学习建模一般流程 机器学习常用算法

基于克利夫兰心脏病数据集的机器学习预测模型的构建和验证 运用COX回归和随机生存森林建立结直肠癌患者预后预测模型 运用可解释技术实现黑箱模型的可视化与个性化解释：以乳腺癌风险预测模型为例 基于K-means聚类算法挖掘糖尿病患者生化指标的临床亚型

AI如何帮你提高科研效率 AI赋能医院产业：挑战与机遇 咒语——医学研究的AI提示语工程

AI辅助飞速撰写医学科研标书与SCI论文 如何应用AI工具辅助英文翻译、润色、写作

AI教你快速学编程：Python篇 零基础R语言统计：AI助力小白变大神 用AI快速做生物信息分析 AI帮你制作思维导图和PPT

破内卷：人工智能时代的医工结合研究方向启示 神兵利器：X-彩蛋技巧

Cover letter写作-文化因素和写作模板

写作模板-PICOT 变通

摘要内容取舍 强化与变通

写作路径 进阶与变通

流程图+study design 进阶-抓大放小 方法部分的内容取舍

Results部分只写结果 图表的自明性与逻辑

讨论的核心-结果的科学性和普适性 变通与强化

文化因素与写作模板