基因测序：数据处理与标准问题仍待解
【导读】目前我国在数据行业标准方面概念还很模糊，这就导致科研机构、医疗机构、企业在利用基因数据的时候，没有统一的规则，也造成基因测序行业良莠不齐。这种情况，亟须得到改变。目前我国在数据行业标准方面概念还很模糊，这就导致科研机构、医疗机构、企业在利用基因数据的时候，没有统一的规则，也造成基因测序行业良莠不齐。这种情况，亟须得到改变。
中国科学报 - 基因测序，数据处理 - 2015-11-24
NeuroImage：动态模态分解可从rs-fMRI数据中提取时空特征预测行为
DMD在从rs-fMRI数据中提取时空特征的数据分解方法有优越性
MedSci原创 - 静息态功能连接，动态模态分解 - 2022-01-23
临床数据造假怎么处理？CFDA正式发布意见！
5月24日，CFDA发布《关于药物临床试验数据核查有关问题处理意见的公告》，对过去两年开展的药物临床试验数据核查的问题做出具体处理意见。
E药经理人 - 数据造假，CFDA - 2017-05-25
如何处理临床研究中的缺失数据？
某研究人员拟研究针灸疗法对于治疗肩部疼痛的效果，设计了一个随机单盲对照临床试验，一共纳入了52名患有肩袖肌腱炎的运动员，随机分为2组，分别接受针灸治疗和虚拟针灸治疗，治疗共持续4周，研究以基线和治疗后的肩关节评分作为疗效评价指标，最终共有45名研究对象完成了本次临床试验。在该研究中，有7名（13.5%）研究对象因为各种各样的原因退出了本次临床试验，其中试验组3名，对照组4名，研究人员未能真实地
医咖会 - 缺失，临床研究 - 2017-10-19
如何使用SAS软件高效率处理大数据
最近，我参与一个大数据的处理与分析，作为一个不太专业的SAS使用者，在此过程中边查、边学、边用，在解决困难的过程中有了一些心得，分享给大家，希望对大家用所帮助。1.SAS是一般统计分析人员处理大数据的较好选择在处理大数据时，SPSS软件根本用不上，处理效率极低，而R软件处理数据时是先把数据读取到内存，因此当数据大小接近或超过内存大小时，R也无法应用，SAS是利用硬盘
临床流行病学和循证医学 - SAS软件 - 2019-04-16
在python中使用KNN算法处理数据中的缺失值
处理缺失的数据并不是一件容易的事。 方法的范围从简单的均值插补和观察值的完全删除到像MICE这样的更高级的技术。 解决问题的挑战性是选择使用哪种方法。 今天，我们将探索一种简单但高效的填补缺失数据的方
deephub翻译组 - 缺失值，KNN算法 - 2020-10-31
拿到原始数据就直接统计分析？慢着！听说过数据标准化处理吗？
我们在进行临床研究时，通常会收集大量不同的指标变量，每个指标的性质、量纲、数量级等特征，均存在一定的差异。针对涉及多个不同指标综合起来的评价模型，由于各个指标的属性不同，无法直接在不同指标之间进行比较和综合。例如，假设各个指标之间的水平相差很大，此时直接使用原始指标进行分析时，数值较大的指标，在评价模型中的绝对作用就会显得较为突出和重要，而数值较小的指标，其作用则可能就会显得微不足道。因此，为
医咖会 - 数据分析 - 2018-11-20
大数据技术人员的工具包——开源大数据处理工具
下面是文档简版，收集整理者为Aquester详细信息，请关注MedSci官方微信，然后输入“大数据工具”，可以直接下载详细的工具包表格关注微信： 类别
大数据 - 大数据，开源 - 2015-10-14
高通量基因表达数据的预处理策略
一次微阵列实验能获得细胞在某一条件下的全基因组表达数据，包含成千上万个基因在细胞中的相对或绝对丰度，不同条件(细胞周期的不同阶段、药物作用时间、肿瘤类型、不同病人等)下的全基因组表达数据就构成了一个G×N的数据矩阵M，通常情况下G>>N，其中每一个元素 表示第 i 个基因在第 j 个条件下的表达水平值(在多数应用情况下，是 Ratio 值或 log(Ratio) )，行向量
MedSci原创 - 基因表达，策略 - 2013-11-18
临床试验中缺失数据的预防与处理
缺失数据在临床试验中是非常常见且不可避免的。缺失数据不仅会降低试验的把握度,而且会给试验结果的评价带来偏倚。因此,一方面,在数据统计分析时,采用适当的统计分析方法提高试验的检验效能,减小
药学学报 - 缺失，数据 - 2017-05-12
确证性临床试验中数据缺失的处理指南
该阶段试验通常要求纳入较多的样 本例数，设计随机双盲对照试验，并在此基础上进行数据统计以客观评价新药疗效。然而，受各种因素影响，在确证性临床试验中出现数据缺失是不可避免的，例 如：患者拒绝继续研究、治疗失败/成功或出现不良事件导致退出试验、患者移居，以及观测指标
中国新药杂志 - 临床试验，数据缺失 - 2014-08-09
用R语言巧妙处理不平衡数据的方法
在对不平衡的分类数据集进行建模时，机器学**算法可能并不稳定，其预测结果甚至可能是有偏的，而预测精度此时也变得带有误导性那么，这种结果是为何发生的呢？在不平衡的数据中，任一算法都没法从样本量少的类中获取足够的信息来进行精确预测因此，机器学**算法常常被要求应用在平衡数据集上那我们该如何处理不平衡数据集？本文会介绍一些相关方
MedSci原创 - R语言，不平衡数据 - 2018-12-17
卫计委：严肃处理临床研究中数据造假机构和医生
11月11日，国家食品药品监督管理总局公告第一批临床试验数据核查结果，8家企业11个药品注册申请的临床试验数据存在
卫计委 - 数据造假，研究 - 2015-11-19
为您找到相关结果约500个
