1 导论

1.1 为什么医学生需要学习R语言？

在现代医学研究中，数据分析能力已经成为一项不可或缺的技能。R语言作为一个强大的统计分析工具，具有以下优势：

开源免费，无需支付许可费用
丰富的统计分析和可视化功能
活跃的医学研究社区
强大的可重复性研究支持
大量专业的医学统计包

1.2 本书使用的R包

本书使用了多个专业的R包来支持医学数据分析。以下是主要R包及其用途：

1.2.1 核心包

代码

# 核心数据处理和可视化包
core_packages <- c(
  "tidyverse",     # 数据处理和可视化核心包集
  "rmarkdown",     # 报告生成
  "knitr",         # 文档编织
  "ggplot2",       # 数据可视化
  "dplyr",         # 数据处理
  "tidyr"          # 数据整理
)

1.2.2 医学统计包

代码

# 医学统计分析包
medical_stats_packages <- c(
  "survival",      # 生存分析
  "survminer",     # 生存曲线可视化
  "gtsummary",     # 医学统计表格
  "medicaldata",   # 医学数据集
  "pROC",          # ROC曲线分析
  "car",           # 回归诊断
  "rms",           # 回归建模
  "MatchIt",       # 倾向评分匹配
  "lme4",          # 混合效应模型
  "vcd"            # 分类数据可视化
)

1.2.3 生物信息学包

代码

# 生物信息学分析包
bioinformatics_packages <- c(
  "GEOquery",            # GEO数据获取
  "limma",               # 差异表达分析
  "clusterProfiler",     # 通路富集分析
  "org.Hs.eg.db",        # 人类基因注释
  "enrichplot",          # 富集分析可视化
  "pheatmap"             # 热图绘制
)

1.2.4 可视化增强包

代码

# 可视化增强包
viz_packages <- c(
  "ggthemes",      # ggplot2主题
  "plotly",        # 交互式图形
  "DT",            # 交互式表格
  "gt",            # 静态表格
  "flextable",     # Word表格
  "corrplot",      # 相关矩阵可视化
  "tmap"           # 专题地图
)

1.3 包的安装

以下代码可以帮助您安装所有必需的包：

代码

# 安装CRAN包
install.packages(c(
  "tidyverse", "rmarkdown", "knitr", "survival", "survminer",
  "gtsummary", "medicaldata", "pROC", "car", "rms", "MatchIt",
  "lme4", "vcd", "ggthemes", "plotly", "DT", "gt", "flextable",
  "corrplot", "tmap"
))

# 安装Bioconductor包
if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")

BiocManager::install(c(
  "GEOquery", "limma", "clusterProfiler", 
  "org.Hs.eg.db", "enrichplot"
))

1.4 学习路径建议

本书的内容安排遵循循序渐进的原则：

基础知识 (第1-2章)
- R语言基础
- 数据结构和操作
数据处理与可视化 (第3-5章)
- 数据可视化
- 数据清洗和转换
- 临床数据处理
统计分析 (第6-7章)
- 基础统计方法
- 高级统计分析
专业应用 (第8-10章)
- 研究报告生成
- 生物信息学分析
- 综合项目实践

建议读者：

按章节顺序学习
完成每章的练习
尝试用自己的数据实践
参考扩展阅读深入学习

1.5 运行环境要求

R版本 >= 4.1.0
RStudio >= 2022.02
足够的系统内存（建议8GB以上）
稳定的网络连接（用于包的安装）

R version 4.4.2 (2024-10-31 ucrt)
Platform: x86_64-w64-mingw32/x64
Running under: Windows 11 x64 (build 26100)

Matrix products: default


locale:
[1] LC_COLLATE=Chinese (Simplified)_China.utf8 
[2] LC_CTYPE=Chinese (Simplified)_China.utf8   
[3] LC_MONETARY=Chinese (Simplified)_China.utf8
[4] LC_NUMERIC=C                               
[5] LC_TIME=Chinese (Simplified)_China.utf8    

time zone: Etc/GMT-8
tzcode source: internal

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
 [1] htmlwidgets_1.6.4 compiler_4.4.2    fastmap_1.2.0     cli_3.6.3        
 [5] tools_4.4.2       htmltools_0.5.8.1 yaml_2.3.10       rmarkdown_2.29   
 [9] knitr_1.49        jsonlite_1.8.9    xfun_0.49         digest_0.6.37    
[13] rlang_1.1.4       evaluate_1.0.1

下一章，我们将开始学习R语言与医学研究的基础知识。

# 导论 {#sec-introduction} ## 为什么医学生需要学习R语言？在现代医学研究中，数据分析能力已经成为一项不可或缺的技能。R语言作为一个强大的统计分析工具，具有以下优势： - 开源免费，无需支付许可费用 - 丰富的统计分析和可视化功能 - 活跃的医学研究社区 - 强大的可重复性研究支持 - 大量专业的医学统计包 ## 本书使用的R包本书使用了多个专业的R包来支持医学数据分析。以下是主要R包及其用途： ### 核心包 ```{r} #| label: check-packages #| message: false # 核心数据处理和可视化包 core_packages <- c( "tidyverse", # 数据处理和可视化核心包集 "rmarkdown", # 报告生成 "knitr", # 文档编织 "ggplot2", # 数据可视化 "dplyr", # 数据处理 "tidyr" # 数据整理 ) ``` ### 医学统计包 ```{r} #| eval: false # 医学统计分析包 medical_stats_packages <- c( "survival", # 生存分析 "survminer", # 生存曲线可视化 "gtsummary", # 医学统计表格 "medicaldata", # 医学数据集 "pROC", # ROC曲线分析 "car", # 回归诊断 "rms", # 回归建模 "MatchIt", # 倾向评分匹配 "lme4", # 混合效应模型 "vcd" # 分类数据可视化 ) ``` ### 生物信息学包 ```{r} #| eval: false # 生物信息学分析包 bioinformatics_packages <- c( "GEOquery", # GEO数据获取 "limma", # 差异表达分析 "clusterProfiler", # 通路富集分析 "org.Hs.eg.db", # 人类基因注释 "enrichplot", # 富集分析可视化 "pheatmap" # 热图绘制 ) ``` ### 可视化增强包 ```{r} #| eval: false # 可视化增强包 viz_packages <- c( "ggthemes", # ggplot2主题 "plotly", # 交互式图形 "DT", # 交互式表格 "gt", # 静态表格 "flextable", # Word表格 "corrplot", # 相关矩阵可视化 "tmap" # 专题地图 ) ``` ## 包的安装以下代码可以帮助您安装所有必需的包： ```{r} #| eval: false # 安装CRAN包 install.packages(c( "tidyverse", "rmarkdown", "knitr", "survival", "survminer", "gtsummary", "medicaldata", "pROC", "car", "rms", "MatchIt", "lme4", "vcd", "ggthemes", "plotly", "DT", "gt", "flextable", "corrplot", "tmap" )) # 安装Bioconductor包 if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install(c( "GEOquery", "limma", "clusterProfiler", "org.Hs.eg.db", "enrichplot" )) ``` ## 学习路径建议本书的内容安排遵循循序渐进的原则： 1. **基础知识** (第1-2章) - R语言基础 - 数据结构和操作 2. **数据处理与可视化** (第3-5章) - 数据可视化 - 数据清洗和转换 - 临床数据处理 3. **统计分析** (第6-7章) - 基础统计方法 - 高级统计分析 4. **专业应用** (第8-10章) - 研究报告生成 - 生物信息学分析 - 综合项目实践建议读者： 1. 按章节顺序学习 2. 完成每章的练习 3. 尝试用自己的数据实践 4. 参考扩展阅读深入学习 ## 运行环境要求 - R版本 >= 4.1.0 - RStudio >= 2022.02 - 足够的系统内存（建议8GB以上） - 稳定的网络连接（用于包的安装） ```{r} #| echo: false sessionInfo() ``` 下一章，我们将开始学习R语言与医学研究的基础知识。