概述
在开发新的统计方法时，我通常会创建R（右）更容易应用它们的包。这是什么时候由于时间或资金限制，我无法上传R（右）我在上使用的代码我的github页面.
我参与了R（右）到目前为止，社区可以总结如下：
下面您可以找到有关其中一些的更多详细信息贡献。
R包装整洁
NEAT公司是代表网络富集分析测试，可用于评估的测试网络中节点集（通常是基因）之间的关系。
Signorelli、Vinciotti和Wit（2016）对该方法进行了描述。NEAT：一种高效的网络浓缩分析测试。BMC公司生物信息学，17:352，在R（右）包裹整洁的，可从CRAN获得。
如果您想了解有关NEAT的更多信息，您可以：
新闻：自2020年11月起，NEAT测试也可以使用生物导体包扩展浏览器.
R包铅笔
铅笔是一个缩写对于惩罚回归校准（PRC），一种可以在给定一组预测因子的情况下，用于预测生存结果高维和纵向测量。PRC在R（右）包裹铅笔，CRAN提供。
中国首次在Signorelli被描述等。(2021).惩罚回归校准：一种预测使用复杂的纵向和高维数据得出的生存结果。医学统计学, 40 (27), 6178-6196. A详细描述如何使用PRC进行生存期动态预测发现于Signorelli（审查中）。铅笔：一个R（右）多人生存动态预测软件包纵向预测。
了解更多有关中国和铅笔，查看以下资源：
R包装ptmixed
pt混合是一个缩写对于泊松-特威迪广义线性混合模型，一个已开发为灵活建模的混合效应模型具有过度分散、零膨胀特征的纵向计数数据和/或沉重的尾巴。
Signorelli，M.，Spitali，P.，Tsonaka，R.中描述了该模型。(2021). 泊松-特威迪混合效应模型：一种灵活的方法纵向RNA-seq数据分析。统计建模,21（6），520-545，并在R（右）包裹pt混合，CRAN提供。
要了解更多pt混合:
R包成功
成功（简称：生存控制Charts Estimation Software）是一个R（右）实现的包计算和可视化以下质量图表的方法生存结果控制：
- 漏斗图；
- 伯努利CUSUM；
- Biswas&Kalbfleisch的CUSUM（BK-CUSUM）；
- 连续时间广义快速响应CUSUM（CGR-CUSUM）。
请注意，漏斗图和Bernoulli CUSUM需要一个将生存结果分为二元结果，而CGR-CUSUM和BK-CUSUM可以适当地处理生存结果。
这个R（右）包装描述见：Gomon，D.，Fiocco，M。，H.推杆。，西尼奥雷利，M。(2023).SUrvival控制图中的ESimation软件R（右）：的成功包裹.R杂志，15（4），270-291。
要了解更多成功:
2020年欧洲R用户会议（e-Rum2020）
我是这次活动的组织者之一欧洲R用户会议2020年会议（e-Rum2020），均为组织委员会并负责会议的宣传。
e-Rum2020最初计划在2020年5月，米兰。然而，由于COVID19大流行，我们决定将活动变成免费的虚拟会议-第一个完全虚拟的R会议！
如果您想了解更多关于e-Rum2020的信息，您可以：