R语言 visualFields包 vfobject()函数中文帮助文档(中英文对照)

loveR

vfobject(visualFields)
vfobject()所属R语言包：visualFields

                                        visualField objects
                                         visualField对象

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This is the main object of the visualFields package. It is essentially a dataframe, but with a fixed number of columns (with pre-determined names) for information about the subject and test data and a variable number of columns for the perimetry results. These can be the sensitivities, or total-deviation values, or pattern-deviation values obtained from standard automatic perimetry (SAP), frequency-doubling perimetry (FDP), or any other perimetry device. (The number of columns for tested locations is variable as is different for different testing patterns, 24-2, 30-2, 10-2, etc.) Mean deviation, Pattern-standard deviation, vfi, etc are stored too in a visualField-type object
这是visualFields包的主要对象。它实质上是一个数据框，但具有固定数目的列（具有预先确定的名称）的信息，关于主体和测试数据和一个可变数目的视野检查结果的列。这些可以的敏感性，或总偏差的值，或从标准自动视野（SAP），倍频视野（FDP），或任何其他的视野检查装置获得的图案偏差值。 （测试的位置的列的数目是可变的，因为不同的测试图案，24-2，30-2，10-2，等）是不同的平均偏差，模式的标准偏差，VFI等也被存储在visualField类型的对象


Details

详细信息----------Details----------

The fixed columns of the visualField object with information about subject and test are:
固定列的visualField对象的学科和测试的信息：

The reminder of the columns can be different things. For threshold sensitivity values, and total-deviation and pattern-deviation values, and their corresponding probability maps, they are:
提醒的列可以是不同的东西。对于阈值的灵敏度值，和总偏差和图案的偏差值，以及其对应的概率映射，它们是：

For statistical values of the visual-fields results (mean deviation, pattern standard deviation, and others) and their corresponding probability mapped value, they are:
有关的视觉场结果（平均偏差，图案的标准偏差，以及其他的）和它们相应的概率映射值的统计值，它们分别是：

For visual field index (VFI) value and the corresponding probability mapped value, they are:
视野指数（VFI）值和相应的概率映射的值，它们分别是：


（作者）----------Author(s)----------


Ivan Marin-Franch <imarinfr@indiana.edu>



参见----------See Also----------

vfsettings
vfsettings


实例----------Examples----------


# DO NOT EXECUTE[不执行]
### ALL THESE HAVE THE SAME STRUCTURE WITH FIXED COLUMS id .. spause and then L1 .. L54 BUT DIFFERENT DATA[＃＃这一切都相同的结构与固定COLUMS的ID .. spause，然后L1 .. L54但不同的数据]
# one can load sensitivities using loadvfcsv or loadvfxml the data so[可以加载敏感性使用loadvfcsv或loadvfxml的数据，因此]
# vf &lt;- loadvfcsv( filename = "foo.csv", , patternMap = saplocmap$p24d2 )[VF < -  loadvfcsv（文件名=的“foo.csv”，次，patternMap = saplocmap $ p24d2）]
# calculate total deviation values using \code{\link{visualFields}} normative values for SAP SITAS 24-2 (and Goldman size III stimulus)[计算总使用\代码{\的链接{visualFields}}规范性的值为SAP SITAS的24-2（III）和高盛（Goldman大小刺激的偏差值）]
# td &lt;- tdval( vf )[TD < -  tdval（VF）]
# calculate pattern deviation values using total deviation values SAP SITAS 24-2 (and Goldman size III stimulus)[计算总偏差值SAP SITAS 24-2，（）和高盛（Goldman大小III刺激的模式偏差值）]
# pd &lt;- tdval( td )[PD < -  tdval（TD）]
# OR[或]
# pd &lt;- tdval( tdval( vf ) )[PD < -  tdval（tdval（VF））]
# calculate total deviation proabiliby maps[计算总偏差proabiliby图]
# tdp &lt;- tdpmap( td )[TDP < -  tdpmap（TD）]
# calculate pattern deviation proabiliby maps[计算模式偏差proabiliby图]
# pdp &lt;- pdpmap( pd )[PDP（PD）< -  pdpmap]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。