【Обмен данными】Набор данных о лечении пациентов с аномалиями прикуса

Оригинальная ссылка:tecdat.cn/?p=22956

Первоисточник:Публичный аккаунт Tuoduan Data Tribe

Введение данных

У пациентов с аномалиями прикуса III типа (характеризуется выступом ниже зубной дуги) дисбаланс скелета развивается в раннем возрасте и становится более выраженным в период полового созревания и до зрелости скелета. Раннее предсказание успеха или неудачи лечения у одного пациента класса III облегчает его коррекцию, но его трудно предсказать только по небольшому количеству морфологических детерминант. Причина в том, что аномалия прикуса класса III редко является результатом аномалии одного черепно-лицевого компонента, поэтому отдельные клинические и рентгенологические измерения могут быть не такими показательными, как взаимодействие самих измерений.

Набор данных, который мы будем использовать, содержит 143 пациента (о том, как были получены данные, см. в конце статьи), с двумя наборами измерений (в годах) в возрасте Т1 и Т2.

Детали данных

Формат данных

csv

поле

Лечение: без лечения (НТ), плохой эффект после лечения (ТБ), хороший эффект после лечения (ТГ).

Рост: бинарная переменная со значением «хорошо» или «плохо».

ANB: угол (в градусах) между точками Дауна A и B.

IMPA: Резцово-нижнечелюстной угол (градусы).

PPPM: Угол небной плоскости-нижнечелюстной плоскости (градусы).

CoA: Общая длина верхней челюсти от мыщелка до точки А Дауна (мм).

GoPg: длина (мм) тела нижней челюсти от десны до десны.

CoGo: Длина нижней челюсти от мыщелка до зубовидного отростка (мм).

размер

12.2kb

размер образца

143

Просмотр данных

Возьмите предыдущие 7 строк данных в качестве примера, давайте предварительно просмотрим:

Исследование переменных:

Сбор данных

Ответить на фоне публичного аккаунта ниже"Набор данных неправильного прикуса» для получения полных данных.

---

Нажмите на заголовок, чтобы просмотреть прошлый контент

Байесовская сеть (BN), динамическая байесовская сеть, линейная модель на языке R для анализа данных о неправильном прикусе

Проведите пальцем влево и вправо, чтобы увидеть больше

01

02

03

04

Нажмите на заголовок, чтобы просмотреть прошлый контент

Язык R JAGS Анализ модели байесовской регрессии Докторанты отложили выпускной, чтобы завершить работу над диссертацией

R Language Metropolis Hastings Sampling и байесовская регрессионная модель Пуассона

Дерево решений Python, случайный лес, наивный байесовский метод, KNN (K-ближайший сосед) Классификационный анализ Банковская деятельность по добыче полезных ископаемых Потенциальные клиенты по кредитам

Язык R Bayesian MCMC: построение модели линейной регрессии с помощью rstan для анализа данных автомобиля и визуализации диагностики

Язык R Bayesian MCMC: логистическая регрессия GLM, линейная регрессия Rstan, примеры алгоритмов выборки Metropolis Hastings и Gibbs

Язык R Байесовская модель Пуассона-нормального распределения Пуассона для анализа количества голов в профессиональных футбольных играх

Оптимизация случайного леса для анализа байесовского прогнозирования автомобильной экономии топлива

Логистическая регрессия на языке R, наивный байесовский алгоритм Байеса, дерево решений, алгоритм случайного леса для прогнозирования сердечных заболеваний

Язык R использует Rcpp для ускорения выборки Метрополиса-Гастингса для оценки параметров модели байесовской логистической регрессии.

Блок Гиббса Гиббса Выборка байесовской множественной линейной регрессии в R

Python Байесовский регрессионный анализ набора данных о доступности жилья

Язык R реализует байесовскую квантильную регрессию, лассо и адаптивный лассо байесовский квантильный регрессионный анализ

Python использует PyMC3 для реализации байесовской модели линейной регрессии

Язык R использует программное обеспечение WinBUGS для построения иерархической (иерархической) байесовской модели для теста на академические способности.

Байесовский простой линейный регрессионный анализ выборки Гиббса на языке R

Язык R и STAN, JAGS: построение байесовской множественной линейной регрессии с помощью RSTAN, RJAG для прогнозирования данных о выборах

Исследование диагностической точности байесовской иерархической смешанной модели на основе связки в языке R

Язык R Байесовская линейная регрессия и множественная линейная регрессия для построения модели прогноза заработной платы

Байесовский вывод и MCMC в R: пример реализации алгоритма выборки Метрополиса-Гастингса

Язык R для регрессионной модели, основанной на байесовском выводе

Пример анализа иерархической модели RStan Bayesian на языке R

Язык R использует алгоритм выборки Метрополиса-Гастингса для адаптивной байесовской оценки и визуализации.

Выбор переменной случайного поиска языка R Оценка SSVS Модель байесовской векторной авторегрессии (BVAR)

WinBUGS для многомерных стохастических моделей волатильности: байесовская оценка и сравнение моделей

Реализация алгоритма Метрополиса-Гастингса и выборки Гиббса в MCMC на языке R

Байесовский вывод и MCMC в R: пример реализации алгоритма выборки Метрополиса-Гастингса

Язык R использует алгоритм выборки Метрополиса-Гастингса для адаптивной байесовской оценки и визуализации.

Видео: Stan Вероятностное программирование байесовских моделей для выборки MCMC в R

MCMC в R: выборка Метрополиса-Гастингса для байесовской оценки регрессии

Чтобы получить полный текст документа, нажмите «читать оригинал".