这一页把 R 医学统计学习路径拆成可直接执行的模块：先搭环境，再完成描述统计、组间比较、回归、生存分析和竞争风险， 最终能够把示例脚本迁移到自己的医学课题数据上。
这里先看全局结构；点击任一模块即可进入对应详情子页，查看“学什么 / 用什么数据 / 适合什么课题”。
从文件结构看，这不是零散脚本，而是一套相对完整的医学统计练习资源： 包含 R 与 RStudio 安装指引、数据读取示例、描述性统计、t 检验与秩和检验、卡方检验、单/双因素方差分析、 相关性分析，以及线性回归、Logistic 回归、泊松回归、Cox 回归、竞争风险、列线图和森林图。
页面重点展示方法结构、代表性脚本名与图形预览，方便先判断这套资料是否适合你的课题方向。
R / RStudio 安装、R Project 使用、相对路径读数和环境自检。
CSV / XLSX / SAV 读取、基础对象操作、数据框观察和编码习惯。
描述性统计、t 检验、秩和检验、卡方检验、单/双因素方差分析。
相关性检验、简单线性回归、多元线性回归和回归诊断。
Logistic、泊松回归、列线图、森林图和课题汇报图形输出。
Kaplan-Meier、Log-rank、Cox 比例风险和竞争风险模型。
资料包里同时放了安装 PDF、视频和系统安装包，说明这套材料不是默认你已经会用 R，而是从环境搭建开始带你走。 真正值得迁移到课题流程的是：先建立 R Project，再用相对路径组织数据和脚本。
R语言安装教程及注意事项12.18.pdf安装模块提供环境说明与相对路径示例，适合先搭好项目结构，再把自己的数据接入分析流程。
基础部分的重点是“怎么把医学数据正确读进来”。脚本里涉及 CSV、Excel、SPSS 等不同格式， 这非常贴合临床课题常见的数据来源。
R基础/1.R、R基础/数据读取.R1.csv、1.xlsx、临床预测模型中的 lowweight.sav适合先拿来熟悉 R 基础对象、CSV/XLSX 读取和最初的数据导入流程。
这部分最适合作为“从论文表 1 到方法部分”的训练材料。描述统计、t 检验、秩和检验、卡方检验和方差分析都在， 还包含单向有序、双向无序、分层列联表和重复测量等细分场景。
描述性统计分析.R、t检验.R、卡方检验.R、单因素方差分析.R普通四格表卡方检验.csv、重复测量设计.csv、Friedman.csv模块包里已经放了描述统计、t 检验、卡方、方差分析的代表脚本和常用练习数据。
如果你的课题结局是连续型指标，这一组材料最值得优先复现。 从相关性检验到简单 / 多元线性回归，再到回归诊断，形成了一条比较完整的线性建模主线。
相关性检验.R、简单线性回归.R、多元线性回归.R、回归诊断.Rinsurance.csv、简单线性回归.csv这一块把临床研究里最常见的二分类结局、计数结局和可视化汇报串到了一起。 除了 Logistic 与泊松回归，资料里还放了列线图、森林图和独立绘图脚本，适合直接服务论文结果展示。
逻辑回归.R、泊松回归.R、（基于Logistic回归）临床预测模型.R、森林图绘制.R这里把 Logistic、泊松、临床预测模型、森林图和一个可公开的 lowweight.sav 一起挂出来了。
对于临床结局带时间维度的课题，这部分已经进入实战层级：不仅有 Kaplan-Meier 与 Cox， 还有竞争风险模型和基于 Cox 的森林图 / 列线图绘制脚本。
生存分析.R、cox比例风险模型.R、竞争风险模型.Rlogrank.csv、output.csv、cox单因素多因素分析.sav这一块我已经补成可点击下载。现在脚本、CSV 和你允许公开的 .sav 样例数据都已挂出。
资料包中包含一张森林图案例示意，适合用来理解回归结果在论文中的图形呈现方式。
先明确结局变量、暴露变量、协变量和时间变量分别是什么，再决定进入哪条脚本主线。
优先替换数据读入、变量重编码和模型公式部分，不要一开始就改动全部绘图参数。
每跑通一个模型，就同时保存结果表与图，避免后期只能回忆分析步骤却复现不出图。