中国公共卫生

标记类型	描述	R Markdown 文档输入内容	渲染效果
普通文本	两个空格结束一行以开始新段落	这是第一行；这是第二行	这是第一行这是第二行
斜体	单个星号或下划线包围文本	斜体或_斜体_	斜体或斜体
粗体	双星号或双下划线包围文本	粗体或__粗体__	粗体或粗体
代码	反引号包围文本	`print（“Hello, world!”）`	print（“Hello, world!”）
下标/上标	波浪线或插入符号^包围文本	H～2～O和E=mc^2^	H₂O和E=mc²
删除线	双波浪线包围文本	～～删除线～～	删除线
转义字符	反斜杠转义特殊字符	\*\_\\	*_\
破折号	连字符创建破折号	–短破折号；—长破折号	–短破折号；—长破折号
方程	括在美元符号内	$A=r^{2}$	$ \mathrm{A}={\mathrm{r}}^{2} $
标题	井号表示标题	#标题1##标题2	标题1 标题2
链接	方括号加圆括号创建链接	[R Studio]（https://www.rstudio.com）	R Studio
图片	感叹号加方括号和圆括号（图的路径）插入图片	![GitHub Logo]（D:/github-mark/github-mark.png）
列表	星号、加号或减号创建无序列表	*项目1 +项目2	•项目1 •项目2
代码块	3个反引号包围多行代码	```print（“Hello”） print（“world!”）```	print（“Hello”） print（“world!”）
编号列表	数字加点号创建有序列表	1. 第一项 2. 第二项	1. 第一项 2. 第二项
表格	竖线和破折号创建表格	列1\|列2 –\|– 内容\|内容	列1　列2 内容　内容

标记类型	描述	R Markdown 文档输入内容	渲染效果
普通文本	两个空格结束一行以开始新段落	这是第一行；这是第二行	这是第一行这是第二行
斜体	单个星号或下划线包围文本	斜体或_斜体_	斜体或斜体
粗体	双星号或双下划线包围文本	粗体或__粗体__	粗体或粗体
代码	反引号包围文本	`print（“Hello, world!”）`	print（“Hello, world!”）
下标/上标	波浪线或插入符号^包围文本	H～2～O和E=mc^2^	H₂O和E=mc²
删除线	双波浪线包围文本	～～删除线～～	删除线
转义字符	反斜杠转义特殊字符	\*\_\\	*_\
破折号	连字符创建破折号	–短破折号；—长破折号	–短破折号；—长破折号
方程	括在美元符号内	$A=r^{2}$	$ \mathrm{A}={\mathrm{r}}^{2} $
标题	井号表示标题	#标题1##标题2	标题1 标题2
链接	方括号加圆括号创建链接	[R Studio]（https://www.rstudio.com）	R Studio
图片	感叹号加方括号和圆括号（图的路径）插入图片	![GitHub Logo]（D:/github-mark/github-mark.png）
列表	星号、加号或减号创建无序列表	*项目1 +项目2	•项目1 •项目2
代码块	3个反引号包围多行代码	```print（“Hello”） print（“world!”）```	print（“Hello”） print（“world!”）
编号列表	数字加点号创建有序列表	1. 第一项 2. 第二项	1. 第一项 2. 第二项
表格	竖线和破折号创建表格	列1\|列2 –\|– 内容\|内容	列1　列2 内容　内容

工具	一体化工作流	关键人工人操作步骤数^a	学习曲线	适用场景	使用成本
R Markdown文档	高（集成代码、分析和报告）	1（参数录入）	中等偏高（需R基础）	可重复性报告，学术研究	免费（开源）
Jupyter Notebook	中（集成代码和文档，弱报告）	4（手动运行单元→清理输出→ 导出→排版）	中等偏高（需编程基础）	交互式分析，探索性研究	免费（开源）
WPS/微软Word	低（需VBA或插件扩展）	3（Excel分析→粘贴数据→调格式）	低（基础功能）或中（用VBA）	简单文档，基础报告	商业版需购买
Tableau/Power BI	低（专注可视化）	4（设置筛选器→导出数据→ 粘贴数据→排版）	低（可视化）或中（用函数）	商业可视化，实时仪表板	商业版需购买

工具	一体化工作流	关键人工人操作步骤数^a	学习曲线	适用场景	使用成本
R Markdown文档	高（集成代码、分析和报告）	1（参数录入）	中等偏高（需R基础）	可重复性报告，学术研究	免费（开源）
Jupyter Notebook	中（集成代码和文档，弱报告）	4（手动运行单元→清理输出→ 导出→排版）	中等偏高（需编程基础）	交互式分析，探索性研究	免费（开源）
WPS/微软Word	低（需VBA或插件扩展）	3（Excel分析→粘贴数据→调格式）	低（基础功能）或中（用VBA）	简单文档，基础报告	商业版需购买
Tableau/Power BI	低（专注可视化）	4（设置筛选器→导出数据→ 粘贴数据→排版）	低（可视化）或中（用函数）	商业可视化，实时仪表板	商业版需购买

基于R Markdown文档的疾病监测报告自动化生成方法及应用：以蚊媒监测报告为例

PDF下载

陈创端 ¹ , 肖树 ²^,³ , 肖建鹏 ³ , 芦瑞鹏 ⁴ , 容祖华 ³ , 曾韦霖 ³ , 赵建国 ³ , 龚德鑫 ³^,^*^,^*

中国公共卫生 | 调查报告与分析 2026,42(2): 205-211

收起

中国公共卫生 |调查报告与分析 2026 , 42 (2) : 205 -211

基于R Markdown文档的疾病监测报告自动化生成方法及应用：以蚊媒监测报告为例

全屏

陈创端¹, 肖树²^,³, 肖建鹏³, 芦瑞鹏⁴, 容祖华³, 曾韦霖³, 赵建国³, 龚德鑫³^,^*^,^*

作者信息

¹广东省普宁市疾病预防控制中心，揭阳 515300

²暨南大学基础医学与公共卫生学院，广州 510632

³广东省疾病预防控制中心广东省公共卫生研究院，广州 511430

⁴广东省疾病预防控制中心消毒与病媒生物预防控制所，广州 511430

通讯作者:

龚德鑫，E-mail：dxgong@gdiph.org.cn

作者简介:

陈创端（1989—），主管医师，学士，研究方向：传染病预防控制

Automating report generation for disease surveillance data using R Markdown: a case study on mosquito surveillance data

Chuangduan CHEN¹, Shu XIAO²^,³, Jianpeng XIAO³, Ruipeng LU⁴, Zuhua RONG³, Weilin ZENG³, Jianguo ZHAO³, Dexin GONG³

Affiliations

¹Puning Municipal Center for Disease Control and Prevention, Jieyang 515300, China

²School of Medicine, Jinan University, Guangzhou 510632, China

³Guangdong Provincial Institute of Public Health, Guangdong Provincial Center for Disease Control and Prevention, Guangzhou 511430, China

⁴Institute of Disinfection and Vector Control, Guangdong Provincial Center for Disease Control and Prevention, Guangzhou 511430, China

Corresponding Author:

GONG Dexin, E-mail: dxgong@gdiph.org.cn

出版时间: 2026-02-10 doi: 10.11847/zgggws1147047

文章导航

摘要

收起

本文提出了一种基于R Markdown文档的疾病预防控制机构监测报告自动化生成方法，以蚊媒监测报告为例，展示了从数据收集、分析、可视化到报告生成的全流程。通过整合文本、代码及输出结果，R Markdown文档显著减少了人工操作，提高了报告的准确性和可重复性。本研究首次将R Markdown文档应用于蚊媒监测报告的自动化生成，为公共卫生领域提供了一种高效、可复用的解决方案。研究结果表明，该方法能够显著提升数据处理效率、增强报告灵活性，并为决策支持提供实时、可靠的数据支持。

关键词

R Markdown文档 / 自动化报告 / 疾病监测 / 蚊媒监测 / 数据处理 / 可视化

Abstract

收起

This study proposes a method for automated report generation in disease control agencies using R Markdown and demonstrates the entire workflow from data collection, analysis, and visualization to report generation through a case study on mosquito surveillance data. By integrating text, code, and output results, R Markdown significantly reduces manual operations and improves report accuracy and reproducibility. This study represents the first application of R Markdown in the automated report generation of mosquito surveillance, offering an efficient and reusable solution for public health. The findings highlight the method ability to enhance data processing efficiency, report flexibility, and real-time decision-making support.

Key words

R Markdown / automated report generation / disease surveillance / mosquito surveillance / data processing / visualization

引用本文

陈创端, 肖树, 肖建鹏, 芦瑞鹏, 容祖华, 曾韦霖, 赵建国, 龚德鑫. 基于R Markdown文档的疾病监测报告自动化生成方法及应用：以蚊媒监测报告为例. 中国公共卫生, 2026 , 42 (2) : 205 -211 . DOI: 10.11847/zgggws1147047

Chuangduan CHEN, Shu XIAO, Jianpeng XIAO, Ruipeng LU, Zuhua RONG, Weilin ZENG, Jianguo ZHAO, Dexin GONG. Automating report generation for disease surveillance data using R Markdown: a case study on mosquito surveillance data[J]. Chinese Journal of Public Health, 2026 , 42 (2) : 205 -211 . DOI: 10.11847/zgggws1147047

正文

收起

疾病监测是疾病预防控制机构的重要工作，传统的疾病预防控制机构监测数据处理流程通常涉及数据收集、清洗、分析、可视化和报告撰写等多个独立步骤。然而，这一过程一般在不同软件间切换，高度依赖于重复性的人工操作，效率较低且易出错。此外，静态报告难以实时更新数据，限制了应急响应速度。在多人协作撰写复杂或紧急报告时，版本差异和同步问题进一步影响了团队协作效率，可能导致信息滞后或不一致。近年来，随着信息技术和人工智能的快速发展，自动化和动态报告生成技术逐渐成为解决上述问题的有效手段。R Markdown文档作为一种基于R语言的文本标记工具^[1]，能够将数据处理、分析和报告撰写整合到一个统一的框架中，实现从数据导入、清洗、分析到可视化及报告生成的全流程自动化^[2–3]。与传统的报告生成方法相比，R Markdown文档通过无缝集成代码、文本和输出结果，显著提高了工作效率，并确保了分析过程的透明性和可重复性^[4]。尽管开源的R Markdown在计算科学^[2]、统计学和教育等领域已得到广泛应用^[5–6]，但其在公共卫生领域的应用仍处于起步阶段，相关研究较为有限。本研究将R Markdown文档应用于疾病预防控制机构监测报告的自动化生成，以蚊媒监测报告为例，详细展示了从数据收集、分析、可视化到报告生成的全流程。

1　R Markdown文档简介

收起

R Markdown文档是R语言生态系统中的一个重要工具，旨在创建动态文档，将文本、代码和输出结果有机整合^[7]。与传统的报告生成方法相比，R Markdown文档的核心优势在于其可重复性和自动化能力。通过将统计结果、静态图表、交互式地图等要素嵌入到叙述文本，R Markdown文档极大地提高数据分析效率、保证数据准确性、增强报告实用性和可重复性^[3,8–9]。

1.1　文档结构（图1）

R Markdown文档的基本结构包括YAML（标记语言“YAML Ain′t Markup Language”的缩写）头部和R Markdown文档正文两部分。YAML头部位于文档的最开始，用于定义文档的元数据（如标题、作者、输出格式等）^[1]。R Markdown文档正文部分则允许用户嵌入R代码块和Markdown文档文本（见1.2）。新建的R Markdown程序文档结构和说明如图1所示。

1.2　Markdown文本（表1）

R Markdown文档使用简洁易懂的Markdown文档标记语言语法，便于编写结构清晰、易于维护的文档。更多详细的Markdown语法细节可参考网站（https://markdown.com.cn）。表1总结了R Markdown文档的一些关键语法及其应用实例。

1.3　R Markdown文档核心功能（表2）

包括参数化设计、多格式输出和交互式内容生成。通过参数化报告，只需调整时间、地区等变量，即可快速生成定制化报告，显著提升效率；支持HTML、PDF、Word等格式^[1,10–11]，满足不同场景需求；结合Shiny和Leaflet等工具^[1]，可嵌入交互式图表和地图。此外，R Markdown文档依托R语言生态系统，无缝集成数据处理、分析和可视化工具，为报告生成提供集成解决方案。

1.4　与其他工具的比较

与Jupyter Notebook、Microsoft Word/WPS和Tableau/Power BI等工具相比，R Markdown文档在一体化工作流、可重复性和输出灵活性方面具有显著优势，特别适合需要高效、重复和灵活报告生成的场景^[2]。表2总结了R Markdown文档与其他工具的比较结果。

2　蚊媒监测报告自动化生成实例（图2）

收起

疾病预防控制机构常需要基于监测数据定期生成固定报告，如日报、周报、月报和应急报告等。通过预先定义的报告模板与自动化数据处理脚本，可显著减少工作量。本文基于广东省普宁市蚊媒密度监测数据，展示如何利用R Markdown文档实现监测数据的自动化处理和报告生成全流程。

2.1　创建rmd文档

Rstudio中点击新建R Markdown文档即可创建rmd文档，预设目标输出文档类型和元数据，然后即可参考普宁市蚊媒密度监测报告的模板，基于R Markdown文档语法编写内容。

2.2　插入代码（块）

在创建的rmd文档中，可以直接嵌入数据处理和分析的全部代码，但在实际报告撰写中，推荐先独立编写数据处理和分析的R脚本，然后通过source()函数在rmd文件中调用R脚本及其结果。这种方法可保持代码模块化和可维护性，还确保报告的清晰与高效。

2.2.1　数据收集与预处理

2.2.1.1　数据来源

本文使用的普宁市蚊媒监测数据（来源于普宁市疾病预防控制中心），监测指标包括布雷图指数（breteau index，BI）和诱蚊诱卵器指数（mosquito ovitrap index，MOI），时间涵盖2021年1月—2024年11月。首先用R分别读取BI和MOI文件：

files_bi<-list.files(folder, pattern="20\\d{2}年BI防控风险", full.names=TRUE)

files_moi<-list.files(folder, pattern="20\\d{2}年MOI防控风险")

bi_all<-do.call(rbind, lapply(files_bi, read_excel)) #合并BI数据

moi_all<-do.call(rbind, lapply(files_moi, read_excel)) #合并MOI数据

2.2.1.2　数据清洗和预处理

本研究基于病媒生物监测系统导出的结构化数据集进行分析，该数据已完成标准化清洗流程，故无需额外数据净化步骤。在数据转换阶段，采用str_extract函数提取时间与地区相关的变量，包括镇街名称、年份、月份以及区分上半月与下半月的标识。在此过程中，主要使用dplyr包实施数据操作，代码如下：

moi_all1<-moi_all%>%

mutate(乡镇=str_extract(地区, "^(.*?(街道'镇'乡'农场))")%>% gsub("广东省揭阳市普宁市", "",.),

year=str_extract(监测日期, "\\d{4}") %>% as.integer(),

month=str_extract(监测日期, "\\d{1,2}(?=月)") %>% as.integer(),

half_month=ifelse(str_detect(监测日期, "上半月"), "上", "下"))

2.2.2　统计分析

使用R语言编写R统计分析脚本，并将其嵌入R Markdown文档，以实现监测数据结果的自动化更新。分析的内容包括镇街的蚊媒监测指标（如BI、MOI等）均值、指标排序及增减变化、蚊媒密度等级构成比等，并生成相应的图表和地图。

2.2.2.1　描述性分析

以2024年11月下半月的报告为例，描述性统计分析BI和MOI数据，评估各监测点的蚊媒密度分布，计算各镇街的平均值。根据中国疾病预防控制中心发布的《登革热防治技术指南（2014版）》^[12]，监测项目包括幼虫密度（布雷图指数法BI）和成蚊密度（诱蚊诱卵器法MOI），以高密度（BI或MOI>20）、中密度（10<BI≤20或10<MOI≤20）、低密度（5<BI≤10或5<MOI≤10）、符合防控要求（BI≤5，MOI≤5）作为风险评估依据，对各镇街的风险等级分类。

2.2.2.2　趋势分析（图3A）

通过绘制当年及既往3年的月折线，直观展示普宁市伊蚊密度的变化趋势，并与往年同期比较，以识别潜在的风险上升期。图3A显示，2024年BI指数呈现典型单峰分布，于7月接近峰值8后呈下降趋势，较2021—2023年相比，峰值略高、高峰持续时间稍长。主要绘图代码如下：

plot_bi_half1<-ggplot(Bi_half_months_all， aes(x=时间_半月，y=Bi，color=factor(year), group=factor(year)))+geom_line()+geom_point()+labs(x="监测时间"，y="BI指数"，color="年份")

2.2.3　空间数据可视化（图3B）

展示蚊媒监测数据的空间分布，用ggplot2包绘制了BI指数分布地图。地图直观显示出池尾、流沙北等街道为中度传播风险，提示有暴发风险，需密切关注。核心代码如下：

bi_map<-ggplot()+

geom_sf(data=guangdong, aes(fill=Bi分类))+

scale_fill_manual(name="蚊媒密度状态"，values=bi_colors,

labels=c("符合防控要求""低密度传播风险""中密度传播风险""高密度传播风险"))+geom_sf_text(data=guangdong, aes(label=乡镇))

2.2.4　Rleaflet交互可视化（图3C）

本研究采用Rleaflet包，基于高德地图为底图生成交互式地图，可允许用户点击地图上的特定区域获取监测点位置、监测时间、数值等信息。相关代码如下：

MOI_puning<-leaflet(data=puning)%>%#调用空白地图为底图

amap(group="高德地图")%>%#调用高德地图

addPolygons(fillColor=topo.colors(12, alpha = NULL), stroke=FALSE)%>%

addMarkers(case_11月下半月$lon, case_11月下半月$lat，

popup=paste0("<b style='font-size:16px;'>"，"\"", case_11月下半月$监测日期, case_11月下半月$地区，"BI指数："，case_11月下半月$BI，case_11月下半月$蚊媒密度状态，"\""，"</b>")) #监测点时间、地区、BI指数、风险等级显示。

2.3　渲染生成报告（图4）

完成R Markdown 文档编写后，点击 RStudio中的“Knit”按钮即可导出为HTML、PDF或Word文档。文档支持参数化配置，便于快速生成符合需求的报告。在本案例中，引入全局参数window_report控制分析时间窗口，实现报告的自动化更新与批量生成，对应代码如下：

```{r message=FALSE，warning=FALSE, include=FALSE} #隐形的代码执行

window_report<-"2024年11月下半月" #分析时间为（默认既往3年）至2024年11月

source("code/data_analysis.R")

```

3　讨　论

收起

本研究以蚊媒监测报告撰写为例，验证R Markdown文档在疾控机构报告自动化生成中的应用价值。经本团队采用标准办公环境（Intel i5-12500H/16GB RAM）对15份历史报告进行实证测算，传统人工流程（数据处理→分析→制图表→文本更新）耗时中位数为1.5个工作日（IQR：1.0～2.5 d），而R Markdown文档自动化流程在代码框架就绪后，同等质量报告生成耗时中位数仅1.5 min（IQR：1.2～2.0 min），效率提升>99%。结果表明，R Markdown文档通过整合数据处理、分析和报告撰写，在降低人工错误风险及保障分析透明度和可重复性的同时^[2,13]，实现了分钟级报告产出，为突发公共卫生事件快速响应提供了技术基础。

与同类别工具相比，R Markdown文档在工作流程整合度与人工操作效率方面均具有显著优势，与医院场景实证结论相互印证^[14]。Jupyter Notebook虽然支持交互式编程，但其报告生成功能较弱，且缺乏动态文档特性^[15]；Microsoft Word/WPS通过VBA脚本可以实现部分自动化，但数据—文档分离架构导致灵活性与可重复性不足；Tableau和Power BI长于数据可视化，但在数据处理和报告生成方面功能有限^[16–17]。相比之下，R Markdown文档的一体化工作流程和动态文档特性，将人工操作精简至单一步骤（参数录入），兼顾自动化深度、灵活性、可重复性与格式一致性。

R Markdown文档应用不仅限于病媒监测，其模板化思路还可适配传染病月报、疫情分析、病原学监测、环境卫生监测、医院统计分析等工作报告^[14]。在数据兼容性上，R Markdown文档支持结构化（如传染病报告病例数、环境监测指标）与非结构化数据（如舆情文本、实验室检测报告），例如在代谢组学领域^[18]，R Markdown文档通过整合报告指南清单和动态文档特性，提升了数据分析报告的标准化和可重复性。对于时空数据，如本案例中的BI和MOI指数，可结合sf包与leaflet生成交互式地图。技术扩展性方面，参数化设计（如动态调整分析时间和地区）支持环境监测机构实时关联气象数据与空气污染数据，自动生成超标预警报告。此外，通过预置模板库与领域专用脚本，R Markdown文档能够显著降低迁移成本，成为跨学科监测的通用工具。

R Markdown文档在自动化报告生成中虽具优势，但也存在挑战。比如，与易上手的Tableau和Power BI等工具相比，R Markdown文档对用户的R语言编程技能有一定要求，可能成为初学者的门槛。在文档设计及格式化方面，尤其是中文处理，R Markdown文档不如专业排版软件或深度定制的Word。为此，可安装支持中文字符渲染rticles包，在创建R Markdown文档时选择专门支持中文的CTeX Document模板，在YAML中调节参数予以排版即可。

展望未来，R Markdown文档在公共卫生领域的应用可以从以下3个方面进一步拓展：首先，在蚊媒监测方面，可结合机器学习技术开发智能分析模型，自动识别蚊媒密度异常变化，为疾病预防控制机构提供早期预警^[19]。其次，利用R Shiny开发交互式报告模板，增强用户体验和报告可交互性。最后，基于疾病预防控制机构的具体需求，如传染病监测、慢性病管理、环境健康风险评估等，开发标准化的报告模板，并通过培训和提供技术支持推广R Markdown文档的应用，降低技术门槛。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

Xie Y H, Allaire J J, Grolemund G. R Markdown: the definitive guide[M]. New York: Chapman and Hall/CRC, 2018.

Peikert A, Brandmaier A M. A reproducible data analysis workflow with R Markdown, git, make, and docker[J]. Quantitative and Computational Methods in Behavioral Sciences, 2021, 1: e3763.

Dvorak T, Halliday S D, O′hara M, et al. Efficient empiricism: streamlining teaching, research, and learning in empirical courses[J]. The Journal of Economic Education, 2019, 50(3): 242-257.

Xie Y H. Dynamic documents with R and knitr[M]. 2nd ed. New York: Chapman and Hall/CRC, 2015.

Baumer B, Cetinkaya-Rundel M, Bray A, et al. R Markdown: integrating A reproducible analysis tool into introductory statistics[J]. Technology Innovations in Statistics Education, 2014, 8(1): 1-29.

Grayson K L, Hilliker A K, Wares J R. R Markdown as a dynamic interface for teaching: modules from math and biology classrooms[J]. Mathematical Biosciences, 2022, 349: 108844.

Xie Y H. Bookdown: authoring books and technical documents with R Markdown[M]. New York: Chapman and Hall/CRC, 2016.

Bauer P C, Landesvatter C. Writing a reproducible paper with R Markdown and Pagedown[EB/OL]. (2023-04-05)[2025-01-25]. https://osf.io/k8jhx.

Rimal Y. Reproducible academic writing and interactive data visualization using R Markdown (R programming flex-dashboard: flex_dashboard packages)[M]//Rathore V S, Dey N, Piuri V, et al. Rising Threats in Expert Applications and Solutions: Proceedings of FICR-TEAS 2020. Singapore: Springer, 2021: 603-615.

Auerbach C, Zeitlin W. SSD for R: an R package for analyzing single-subject data[M]. 2nd ed. Oxford: Oxford University Press, 2021: 155-166.

Xie Y H, Thomas A, Hill A P. Blogdown: creating websites with R Markdown[J]. The American Statistician, 2019, 73(1): 94-104.

中国疾病预防控制中心. 登革热防治技术指南[EB/OL]. (2014-09-29)[2025-01-25]. https://www.chinacdc.cn/jkyj/crb2/yl/dgr/jswj_dgr/201409/t20140929_298605.html.

Mati S, Civcir I, Abba S I. Eviews R: an R package for dynamic and reproducible research using EViews, R, R Markdown and quarto[J]. The R Journal, 2023, 15(2): 169-205.

韩栋, 叶韵韶. R Markdown在重复性医院统计分析报告中的应用[J]. 中国医院统计, 2020, 27(6): 554-557.

De Santana T L, Neto P A D M S, De Almeida E S, et al. Bug analysis in Jupyter Notebook projects: an empirical study[J]. ACM Transactions on Software Engineering and Methodology, 2024, 33(4): 1-34.

Town P, Thabtah F. Data analytics tools: a user perspective[J]. Journal of Information and Knowledge Management, 2019, 18(1): 1950002.

Carlisle S. Software: tableau and microsoft power BI[J]. Technology| Architecture + Design, 2018, 2(2): 256-259.

Considine E C, Salek R M. A tool to encourage minimum reporting guideline uptake for data analysis in metabolomics[J]. Metabolites, 2019, 9(3): 43.

杨蕊, 龙佳敏, 王霞, 等. 我国登革热的流行特征及监测预警研究进展[J]. 中华流行病学杂志, 2024, 45(2): 305-312.

2026年第42卷第2期

PDF下载

108

引用本文

BibTeX

文章信息

doi: 10.11847/zgggws1147047

接收时间：2025-02-07
首发时间：2026-10-23
出版时间：2026-02-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-02-07
修回日期：2025-05-13
录用日期：2025-09-04

基金

作者信息

¹广东省普宁市疾病预防控制中心，揭阳 515300

²暨南大学基础医学与公共卫生学院，广州 510632

³广东省疾病预防控制中心广东省公共卫生研究院，广州 511430

⁴广东省疾病预防控制中心消毒与病媒生物预防控制所，广州 511430

通讯作者:

龚德鑫，E-mail：dxgong@gdiph.org.cn

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgggws/CN/10.11847/zgggws1147047

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

标记类型	描述	R Markdown 文档输入内容	渲染效果
普通文本	两个空格结束一行以开始新段落	这是第一行；这是第二行	这是第一行这是第二行
斜体	单个星号或下划线包围文本	斜体或_斜体_	斜体或斜体
粗体	双星号或双下划线包围文本	粗体或__粗体__	粗体或粗体
代码	反引号包围文本	`print（“Hello, world!”）`	print（“Hello, world!”）
下标/上标	波浪线或插入符号^包围文本	H～2～O和E=mc^2^	H₂O和E=mc²
删除线	双波浪线包围文本	～～删除线～～	删除线
转义字符	反斜杠转义特殊字符	\*\_\\	*_\
破折号	连字符创建破折号	–短破折号；—长破折号	–短破折号；—长破折号
方程	括在美元符号内	$A=r^{2}$	$ \mathrm{A}={\mathrm{r}}^{2} $
标题	井号表示标题	#标题1##标题2	标题1 标题2
链接	方括号加圆括号创建链接	[R Studio]（https://www.rstudio.com）	R Studio
图片	感叹号加方括号和圆括号（图的路径）插入图片	![GitHub Logo]（D:/github-mark/github-mark.png）
列表	星号、加号或减号创建无序列表	*项目1 +项目2	•项目1 •项目2
代码块	3个反引号包围多行代码	```print（“Hello”） print（“world!”）```	print（“Hello”） print（“world!”）
编号列表	数字加点号创建有序列表	1. 第一项 2. 第二项	1. 第一项 2. 第二项
表格	竖线和破折号创建表格	列1\|列2 –\|– 内容\|内容	列1　列2 内容　内容

标记类型

描述

R Markdown 文档输入内容

渲染效果

普通文本

两个空格结束一行以开始新段落

这是第一行；这是第二行

这是第一行
这是第二行

斜体

单个星号或下划线包围文本

*斜体*或_斜体_

斜体或斜体

粗体

双星号或双下划线包围文本

**粗体**或__粗体__

粗体或粗体

代码

反引号包围文本

`print（“Hello, world!”）`

print（“Hello, world!”）

下标/上标

波浪线或插入符号^包围文本

H～2～O和E=mc^2^

H₂O和E=mc²

删除线

双波浪线包围文本

～～删除线～～

删除线

转义字符

反斜杠转义特殊字符

\*\_\\

*_\

破折号

连字符创建破折号

–短破折号；—长破折号

方程

括在美元符号内

$A=r^{2}$

$ \mathrm{A}={\mathrm{r}}^{2} $

标题

井号表示标题

#标题1##标题2

标题1
标题2

链接

方括号加圆括号创建链接

[R Studio]（https://www.rstudio.com）

R Studio

图片

感叹号加方括号和圆括号（图的路径）插入图片

![GitHub Logo]（D:/github-mark/github-mark.png）

列表

星号、加号或减号创建无序列表

*项目1
+项目2

•项目1
•项目2

代码块

3个反引号包围多行代码

```print（“Hello”）
print（“world!”）```

print（“Hello”）
print（“world!”）

编号列表

数字加点号创建有序列表

1. 第一项
2. 第二项

表格

竖线和破折号创建表格

列1|列2
–|–
内容|内容

列1　列2
内容　内容

工具	一体化工作流	关键人工人操作步骤数^a	学习曲线	适用场景	使用成本
R Markdown文档	高（集成代码、分析和报告）	1（参数录入）	中等偏高（需R基础）	可重复性报告，学术研究	免费（开源）
Jupyter Notebook	中（集成代码和文档，弱报告）	4（手动运行单元→清理输出→ 导出→排版）	中等偏高（需编程基础）	交互式分析，探索性研究	免费（开源）
WPS/微软Word	低（需VBA或插件扩展）	3（Excel分析→粘贴数据→调格式）	低（基础功能）或中（用VBA）	简单文档，基础报告	商业版需购买
Tableau/Power BI	低（专注可视化）	4（设置筛选器→导出数据→ 粘贴数据→排版）	低（可视化）或中（用函数）	商业可视化，实时仪表板	商业版需购买

工具

一体化工作流

关键人工人操作步骤数^a

学习曲线

适用场景

使用成本

R Markdown文档

高（集成代码、分析和报告）

1（参数录入）

中等偏高（需R基础）

可重复性报告，
学术研究

免费（开源）

Jupyter Notebook

中（集成代码和文档，弱报告）

4（手动运行单元→清理输出→
导出→排版）

中等偏高（需编程基础）

交互式分析，
探索性研究

免费（开源）

WPS/微软Word

低（需VBA或插件扩展）

3（Excel分析→粘贴数据→调格式）

低（基础功能）或中（用VBA）

简单文档，
基础报告

商业版需购买

Tableau/Power BI

低（专注可视化）

4（设置筛选器→导出数据→
粘贴数据→排版）

低（可视化）或中（用函数）

商业可视化，
实时仪表板

商业版需购买