Des agents IA spécialisés en analyse statistique

Aussi simple que ChatGPT, mais en local

Ouvrez un dossier et posez votre question simplement. Blade exécute R sur votre ordinateur : tableaux, graphiques et script arrivent vite.

Tarifs

Study A CHD risk factors

Study A › CHD risk factors

framingham.csv4,240 rows · 16 columns

age	sysBP	BMI	TenYearCHD
39	106	26.97	0
46	121	28.73	0
48	127.5	25.34	0
61	150	28.58	1
46	130	23.1	0
43	180	30.3	0

Which risk factors relate most to ten-year CHD?

Thinking

Shell.ExecRscript framingham_stats.RDone

Age and systolic BP are the strongest, then hypertension and diastolic BP.

with TenYearCHD	r	95% CI	p
age	0.23	0.20 to 0.25	< .001
sysBP	0.22	0.19 to 0.24	< .001
prevalentHyp	0.18	0.15 to 0.21	< .001
diaBP	0.15	0.12 to 0.17	< .001

Supervised

Study A CHD risk factors

Study A › CHD risk factors

R 4.4RunningRan in 0.4 s

1# Framingham -- linear regression output (OLS)2df <- read.csv("framingham.csv", check.names = FALSE)3 4# 2. multiple: sysBP5m2 <- lm(sysBP ~ age + male + BMI + heartRate + totChol,6         data = df)7print(summary(m2))

Console

Call:lm(formula = sysBP ~ age + male + BMI + heartRate + totChol,     data = df) Residuals:    Min      1Q  Median      3Q     Max -64.300 -12.481  -2.465   9.921 125.865  Coefficients:             Estimate Std. Error t value Pr(>|t|)    (Intercept) 22.531293   3.091221   7.289 3.72e-13 ***age          0.864168   0.035665  24.230  < 2e-16 ***male        -1.128182   0.596856  -1.890   0.0588 .  BMI          1.425642   0.072987  19.533  < 2e-16 ***heartRate    0.290839   0.024571  11.837  < 2e-16 ***totChol      0.036349   0.006852   5.305 1.19e-07 ***---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 18.84 on 4165 degrees of freedom  (69 observations deleted due to missingness)Multiple R-squared:  0.2642,	Adjusted R-squared:  0.2633 F-statistic: 299.1 on 5 and 4165 DF,  p-value: < 2.2e-16

	male	age	education	currentSmoker	cigsPerDay	BPMeds	prevalentHyp	totChol	sysBP	diaBP	BMI	heartRate	glucose	TenYearCHD
1	1	39	4	0	0	0	0	195	106	70	26.97	80	77	0
2	0	46	2	0	0	0	0	250	121	81	28.73	95	76	0
3	1	48	1	1	20	0	0	245	127.5	80	25.34	75	70	0
4	0	61	3	1	30	0	1	225	150	95	28.58	65	103	1
5	0	46	3	1	23	0	0	285	130	84	23.1	85	85	0
6	0	43	2	0	0	0	1	228	180	110	30.3	77	99	0
7	0	63	1	0	0	0	0	205	138	71	33.11	60	85	1
8	0	45	2	1	20	0	0	313	100	71	21.68	79	78	0
9	1	52	1	0	0	0	1	260	141.5	89	26.36	76	79	0
10	1	43	1	1	30	0	1	225	162	107	23.61	93	88	0
11	0	50	1	0	0	0	0	254	133	76	22.91	75	76	0
12	0	43	2	0	0	0	0	247	131	88	27.64	72	61	0
13	1	46	1	1	15	0	1	294	142	94	26.31	98	64	0
14	0	41	3	0	0	1	1	332	124	88	31.31	65	84	0
15	0	39	2	1	9	0	0	226	114	64	22.35	85	NA	0
16	0	38	2	1	20	0	1	221	140	90	21.35	95	70	1
17	1	48	3	1	10	0	1	232	138	90	22.37	64	72	0
18	0	46	2	1	20	0	0	291	112	78	23.38	80	89	1
19	0	38	2	1	5	0	0	195	122	84.5	23.24	75	78	0
20	1	41	2	0	0	0	0	195	139	88	26.88	85	65	0

==============================================================================
0. SAMPLE
==============================================================================
Rows: 4240   Columns: 16

==============================================================================
1. SIMPLE LINEAR REGRESSION: systolic BP ~ age
==============================================================================

Call:
lm(formula = sysBP ~ age, data = df)

Residuals:
    Min      1Q  Median      3Q     Max 
-57.382 -13.627  -2.627  10.182 148.042 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 82.14199    1.82570   44.99   <2e-16 ***
age          1.01276    0.03628   27.91   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 20.25 on 4238 degrees of freedom
Multiple R-squared:  0.1553,	Adjusted R-squared:  0.1551 
F-statistic:   779 on 1 and 4238 DF,  p-value: < 2.2e-16


Equation: sysBP = 82.142 + 1.0128 * age
n = 4240, R2 = 0.1553, adj R2 = 0.1551, residual SE = 20.253 mmHg
95% CI for slope: [0.9416, 1.0839]

==============================================================================
2. MULTIPLE LINEAR REGRESSION: sysBP ~ age + male + BMI + heartRate + totChol
==============================================================================

Call:
lm(formula = sysBP ~ age + male + BMI + heartRate + totChol, 
    data = df)

Residuals:
    Min      1Q  Median      3Q     Max 
-64.300 -12.481  -2.465   9.921 125.865 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 22.531293   3.091221   7.289 3.72e-13 ***
age          0.864168   0.035665  24.230  < 2e-16 ***
male        -1.128182   0.596856  -1.890   0.0588 .  
BMI          1.425642   0.072987  19.533  < 2e-16 ***
heartRate    0.290839   0.024571  11.837  < 2e-16 ***
totChol      0.036349   0.006852   5.305 1.19e-07 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 18.84 on 4165 degrees of freedom
  (69 observations deleted due to missingness)
Multiple R-squared:  0.2642,	Adjusted R-squared:  0.2633 
F-statistic: 299.1 on 5 and 4165 DF,  p-value: < 2.2e-16


n = 4171, R2 = 0.2642, adj R2 = 0.2633, F = 299.07, residual SE = 18.840

Interrogez vos données

Ouvrez des fichiers CSV, Excel ou SPSS et indiquez ce que vous voulez savoir.

Lisez les résultats

Retrouvez tableaux, graphiques et vérifications des hypothèses au même endroit.

Conservez le script R

Vérifiez le code, relancez-le ou partagez-le avec un collègue.

Un espace pour chaque étude

Gardez vos données, conversations et scripts R ensemble. Changez de projet sans perdre le fil.

Blade Desktop

Study A

Study A 4 files

framingham.csvCSV · 192 KB2m
framingham_analysis.RR · 6 KB2m
R_fig3_correlation.pngPNG · 258 KB2m
framingham_analysis.pngPNG · 360 KB1h

La recherche est difficile. Les statistiques ne devraient pas l’être

Collecter les données a pris des mois. L’analyse ne devrait pas.

Là où 588 études cliniques ont bloqué :

44,3 %
Recrutement des patients
26,7 %
Collecte des données
21,5 %
Analyse et interprétation des données
20,4 %
Conception de l’étude
20,2 %
Publication

Chaque carré représente 1 % des 588 études. Cullati et al., BMC Medical Research Methodology, 2016

La confiance des dirigeants

Pour les décisions et les recherches qui exigent des réponses claires.

Skala

« Blade réunit les données, l’analyse et le script R pour que notre équipe puisse suivre chaque résultat. »

Febrilian

CEO, Skala

Risetku

« Une étude doit rester complète : les données, l’analyse et les échanges qui l’accompagnent. »

Elvan Wiyarta

CEO, Risetku

Des données brutes aux résultats prêts à présenter

Détails des tarifs

Blade Free

Rp0

Découvrez ce que Blade fait de vos propres données.

L’application de bureau complète
Analyse dans R sur votre ordinateur
Quelques questions par jour

Télécharger Blade

Fonctionne sur macOS et Windows.

Blade Pro

Rp299.000 pour un mois

Pour les échéances et les mois de recherche chargés.

Tout ce qu’offre Free
Posez autant de questions que nécessaire
Un seul paiement, sans renouvellement automatique

Obtenir Blade Pro

Payez par QRIS ou compte virtuel bancaire.