CLHLS是中国老年健康影响因素跟踪调查数据，由北京大学主持，覆盖1998-2018年全国23个省市，包含11.3万人次调查数据，重点关注高龄老人健康。数据可用于计算虚弱指数（由40个变量组成），支持纵向分析和轨迹分析。通过R语言的clhls.frailtyindex函数可快速提取虚弱指数，并支持多年度数据分析和全变量导出。该数据与CHARLS数据库有相通性，适合双库交叉验证研究。研究团队还开发了

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

数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值。假设咱们想race为研究目标，因为它是分类变量，咱们最好把它转成因子，因为scitb包有一定对数据类型的判定能力，如果你的分类变量类别大于5个，而你不转

这是一个有关于老年人护理的数据，我介绍一下等会我要用到的变量，neg_c_7：7个项目的负面影响，c12hour：每周平均护理时数，BARTHTOT：总分 BARTHEL INDEX，c161sex ：照顾者的性别，得出不同性别，在不同barthtot 分数段中，护理时间和负面影响的关系，我们可以看到barthtot 分数70分这段，护理时间越长，负面影响越高，男女都是一样，儿30分这段随着护理时

建立任务后第二部就是定义一个学习器（Learner），其实就等于选哪个R包来分析，学习器将数据传给模型进行训练并返回结果,就等于把数据传给R包，R包得出结果在返回来，回归模型使用的是 regr.rpart等于使用rpart包来分析。从上可知，这个学习器只要用3个R包， mlr3, mlr3learners, stats，其实就是主要用mlr3learners包，把数据放入学习器，就是把数据放入R包

生成表，和1.4版本一样data是你的数据，必须是数据框形式，x是你研究的目标变量，y是你的结局变量，Interaction是你的分层变量，这个必须是分类变量并转成因子，cov是你的协变量，在我的设定中cov是要包含Interaction的，这也符合我们的习惯。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，p

在既往文章《scitb5函数1.6版本（交互效应函数P for interaction）发布----用于一键生成交互效应表》中，我发布了本人编写的scitb5函数1.6版本，反应还不错，没有发现很大的问题，本期发布最新的1.7版本scitb5函数，1.7版本修复了1.6版本的一些小问题，最主要的一个是当结果变量Y是连续变量时，生成的表格应该是β而不是OR，虽然结果没错，但是列名没有改，1.7版本修

我们做临床研究常见的烦恼为没有好的数据，目前气象网站上有很多关于气象因素和空气质量数据，但是没有系统的整理和格式等问题，我们使用起来非常不方便，而且很费时间，我们可以使用R语言爬虫工具对网站上的数据进行抓取，然后对数据进行整合，最后进行分析，达到事半功倍的效果，先申明一下，爬取工具不是病毒，原理我就不废话这么多了，主要是对实际操作进行讲解。今天我们要爬取的网站是PM2.5网，为什么选这个网站，因为

age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。这里我指出一下，函数默认是做有交互影响的结果，如

scitb5函数我来解释一下data就是你的数据，必须是数据框形式，x是你的目标变量，目前必须是连续变量，y是你的结局变量，Interaction输入：交互变量，cov输入：协变量，family定义你的模型，逻辑回归就定义为logit。接下来我们就是要定义交互也就是分层变量，cov1表示在你模型出现的协变量，Interaction表示你要交互也就是分层的变量，我在函数中设定交互变量必须包含在协变量