目前临床医学GWAS研究多基于此类Theinfinitesimalmodel（详见：解释复杂疾病的四种主流模型CDCV/RAME/infinitesimal/Broad-sense-heritability），该模型认为复杂疾病的遗传变异是由于大量的，效应很弱（相对风险低于1.2）的变异引起。该模型解释了丢失的遗传力其实大部分是被隐藏了，由于大量对疾病有较弱效应的变异无法在检验中达到预设的显著阈值。目前很多GWAS关联检验方法都基于这一模型。一般情况下复杂性状都是多基因决定的，因此有多个位点都对表型有贡献。因此我们可以总结每个位点对表型的贡献，并用以计算和评估表型的变化。这就是PRS的作用。这

目前临床医学GWAS研究多基于此类Theinfinitesimalmodel（详见：解释复杂疾病的四种主流模型CDCV/RAME/infinitesimal/Broad-sense-heritability），该模型认为复杂疾病的遗传变异是由于大量的，效应很弱（相对风险低于1.2）的变异引起。该模型解释了丢失的遗传力其实大部分是被隐藏了，由于大量对疾病有较弱效应的变异无法在检验中达到预设的显著阈值。目前很多GWAS关联检验方法都基于这一模型。一般情况下复杂性状都是多基因决定的，因此有多个位点都对表型有贡献。因此我们可以总结每个位点对表型的贡献，并用以计算和评估表型的变化。这就是PRS的作用。这

临床资料收集：1.提出科学问题2.收集临床资料3.选择合适统计学方法4.选择合适的统计软件5.评估结果，结合专业知识回答科学问题这个框架真的很好用的，我在间接性残废地学习统计一年多以来，觉着这样的框架才是真正的功夫。将自己的统计工作，时刻比对这这五点进行下去，才不至于工作做了一半发现少了数据，然后重头返工，要么就是做到一半不知道怎么结束这项工作。坑，是开始时候自己就给自己挖好了。我要做的就是选择一条好走的路，没有坑的路。这个框架里，最难的是第一条，提出一个科学问题，往往别人忽略。第三第四是结果的展示阶段，出了一张图，p值闲话聊完，开始水这一篇的主角临床预测模型。我是看到公众号上《简单易懂》，觉

临床资料收集：1.提出科学问题2.收集临床资料3.选择合适统计学方法4.选择合适的统计软件5.评估结果，结合专业知识回答科学问题这个框架真的很好用的，我在间接性残废地学习统计一年多以来，觉着这样的框架才是真正的功夫。将自己的统计工作，时刻比对这这五点进行下去，才不至于工作做了一半发现少了数据，然后重头返工，要么就是做到一半不知道怎么结束这项工作。坑，是开始时候自己就给自己挖好了。我要做的就是选择一条好走的路，没有坑的路。这个框架里，最难的是第一条，提出一个科学问题，往往别人忽略。第三第四是结果的展示阶段，出了一张图，p值闲话聊完，开始水这一篇的主角临床预测模型。我是看到公众号上《简单易懂》，觉

之前给大家写过一个临床预测模型：R数据分析：跟随top期刊手把手教你做一个临床预测模型，里面其实都是比较基础的模型判别能力discrimination的一些指标，那么今天就再进一步，给大家分享一些和临床决策实际相关的指标，主要是校准calibration和决策曲线Decisioncurveanalysis。校准曲线做预测模型都应该报告校准曲线的：ReportingoncalibrationperformanceisrecommendedbytheTRIPOD(TransparentReportingofamultivariablepredictionmodelforIndividualProg

之前给大家写过一个临床预测模型：R数据分析：跟随top期刊手把手教你做一个临床预测模型，里面其实都是比较基础的模型判别能力discrimination的一些指标，那么今天就再进一步，给大家分享一些和临床决策实际相关的指标，主要是校准calibration和决策曲线Decisioncurveanalysis。校准曲线做预测模型都应该报告校准曲线的：ReportingoncalibrationperformanceisrecommendedbytheTRIPOD(TransparentReportingofamultivariablepredictionmodelforIndividualProg