सांख्यिकीय विश्लेषण के लिए विशेष AI एजेंट

ChatGPT जितना आसान, पर लोकल

फ़ोल्डर खोलें और अपने शब्दों में पूछें। Blade आपके कंप्यूटर पर R चलाता है, इसलिए टेबल, ग्राफ़ और स्क्रिप्ट जल्दी मिलते हैं।

मूल्य

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

अपने डेटा के बारे में पूछें

CSV, Excel या SPSS फ़ाइलें खोलें और बताएँ कि आप क्या जानना चाहते हैं।

परिणाम पढ़ें

तालिकाएँ, ग्राफ़ और मान्यताओं की जाँच एक ही जगह देखें।

R स्क्रिप्ट सहेजें

कोड जाँचें, दोबारा चलाएँ या किसी सहकर्मी के साथ साझा करें।

हर अध्ययन का अपना कार्यक्षेत्र

डेटा, बातचीत और R स्क्रिप्ट साथ रखें। प्रोजेक्ट बदलें और जहाँ छोड़ा था, वहीं से शुरू करें।

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

रिसर्च कठिन है। सांख्यिकी कठिन नहीं होनी चाहिए

डेटा जुटाने में महीने लगे। विश्लेषण में नहीं लगने चाहिए।

588 क्लिनिकल स्टडीज़ कहाँ अटकीं:

44.3%
मरीज़ों की भर्ती
26.7%
डेटा संग्रह
21.5%
डेटा विश्लेषण और व्याख्या
20.4%
स्टडी डिज़ाइन
20.2%
प्रकाशन

हर वर्ग 588 स्टडीज़ का 1% है। Cullati et al., BMC Medical Research Methodology, 2016

नेतृत्व का भरोसा

व्यावसायिक फ़ैसलों और शोध के लिए स्पष्ट जवाब।

Skala

“Blade डेटा, विश्लेषण और R स्क्रिप्ट साथ रखता है, ताकि हमारी टीम हर नतीजे को समझ सके।”

Febrilian

CEO, Skala

Risetku

“एक अध्ययन की हर चीज़ साथ रहनी चाहिए: डेटा, विश्लेषण और उनके पीछे की बातचीत।”

Elvan Wiyarta

CEO, Risetku

कच्चे डेटा से रिपोर्ट करने लायक नतीजों तक

कीमत का विवरण

Blade Free

Rp0

देखें कि Blade आपके अपने डेटा के साथ क्या करता है।

पूरा डेस्कटॉप ऐप
आपके कंप्यूटर पर R में विश्लेषण
हर दिन कुछ सवाल

Blade डाउनलोड करें

macOS और Windows पर चलता है।

Blade Pro

Rp299.000 एक महीने के लिए

डेडलाइन और व्यस्त रिसर्च महीनों के लिए।

Free की सारी सुविधाएँ
जितना काम को चाहिए, उतना पूछें
एक बार भुगतान, कोई ऑटो-रिन्यूअल नहीं

Blade Pro लें

QRIS या बैंक वर्चुअल अकाउंट से भुगतान करें।