DCA(Decision Curve Analysis)临床决策曲线是一种用于评价诊断模型诊断准确性的方法，在2006年由AndrewVickers博士创建，我们通常判断一个疾病喜欢使用ROC曲线的AUC值来判定模型的准确性，但ROC曲线通常是通过特异度和敏感度来评价，实际临床中我们还应该考虑，假阳性和假阴性对病人带来的影响，因此在DCA曲线中引入了阈概率和净获益的概念。图片来源文章：Urinar

倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。为什么需

和第四部分，受访者的民主-共和两党认同。戈尔的支持者会倾向于对戈尔做出有利的反应，而对布什做出不利的反应，布什的支持者则相反。当观测数据以一系列分类响应的形式出现时- -例如，在民意调查、个人层面的投票数据、人与人之间可靠性的研究或消费者行为和决策中- -通常感兴趣的是调查观测变量之间的混淆来源，识别和表征相似案例的集群，并在许多感兴趣的变量中近似观测值的分布。本例数据中的PARTY为协变量，1是

交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，不仅如此，交互作用还可以使用来进行数据挖掘。在既往文章中，我们已经介绍了怎么使用R语言可视化visreg包对交互作用进行可视化分析（见下图），在既往文章中，我们已经使用R语言和SPSS分别绘制了logistic回归交互效应的可视化分

交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，进行可视化后可以清晰的表明变量之间的关系。2. SPSS联合Excel进行logistic回归亚组交互效应（交互作用）的可视化分析，不用代码操作也能做出交互效应图。编写NHANES亚组交互函数，可以一键生存亚组分析交互效应表并绘制森

高分SCI中几乎必备有交互效应分析表，通常为文章的表三或者表五，上一篇文章我们已经讲过怎么使用SPSS做出交互效应分析，今天我们R手把手实战做出下图这篇20分的文章的交互效应表。我们先要看他是怎么分析的，他把血小板进行4分组和2分组后，在进行血小板和叶酸的交互作用分析，从各个层面分析了血小板对叶酸的影响，所以别人能发高分不是没有原因的。在模型中，他还使用了调整模型和未调整模型进行比较，支持自己的证

以最简单的两因素两水平为例。logistic 回归模型得到的 OＲ 值，作为相对危险度(ＲＲ)的估计值，OＲ _A0B0 表示 A、B 都不存在时发病的 OＲ 值，分析时作为参照组;并不表示两因素无相加交互作用，也不表示无生物学交互作用，并从理论上探讨了用于评价因素间是否有区别于相乘交互作用的相加交互作用，以及三个评价指标:相对超危险度比(the relative excess risk due

FPED 人口文件是指 WWEIA 中食品的食品模式等效文件，可以在这个网址下载：https://www.ars.usda.gov/northeast-area/beltsville-md-bhnrc/beltsville-human-nutrition-research-center/food-surveys-research-group/docs/fped-databases/最后的DEMO文

SCI论文一般都需要高分辨率的图片，最好是那种可以自由拖动的矢量图，但是Rstudio自己生成的tif格式的图片图像质量都很差，不能满足论文要求。目前通常一些做法是先保存为ESP这种矢量图格式，再通过Adobe Illustrator软件来编辑保存，转换格式但是通过这样的方法，有些图片会损失一些信息，如我这张图片的可信区间就看不见了，没有可信区间的图片肯定是不合格的。我们还可以通过保存为PDF格式

但是怎么做出来这个P for overall我是清楚的，有个R包叫plotRCS，这个包是可以生成出P for overall这个结果的，我就以这个包的方法来演示一下怎么做P for overall。文章到此结束啦，内容有点短，主要是最近有点头绪了，正在编写Nhanes数据，也就是复查加权数据的亚组交互效应函数（P for interaction），用于一键生成交互效应表，占用了部分时间,这个工程