medstatistic
30.01.202512:30
У аспирантов в этом году есть ещё одна отмазка😁
Не удалось получить доступ
к медиа контенту
к медиа контенту
19.12.202400:33
Как правильно задать вопрос об этнической принадлежности или уровне дохода?Такие вопросы называются демографическими и они актуальны для любых исследований с участием людей - как социологических, так и клинических. К ним относятся:
▪️Возраст
▪️Пол
▪️Расовая / Этническая принадлежность
▪️Уровень дохода
▪️Место жительства
▪️Образование
▪️Трудовой статус
и др.
Каждый такой вопрос должен быть оправдан целью исследования, он не должен задаваться «на всякий случай». Если в дальнейшем не планируется изучать этот демографический показатель, то такой вопрос лучше убрать из анкеты.
В статье Samhita Tankala “Why and How to Use Demographics in UX” даются полезные рекомендации, как лучше сформулировать демографические вопросы в анкете, чтобы респонденты не потеряли доверия к исследователю и не прекратили участие в опросе.
1️⃣ Использовать как можно более широкие диапазоны для порядковых переменных
При выставлении диапазонов ответа помните, что чем они уже, тем более затруднителен и чувствителен будет ответ для респондента. Например, в вопросе об уровне дохода интервалы с шагом в 10-20 тыс.руб. вызовут больше сомнений и раздумий, чем интервалы в 50 тыс.
2️⃣ Давать возможность респонденту не отвечать на вопрос
Среди возможных ответов на деликатные демографические вопросы всегда предусматривайте вариант: «Затрудняюсь с ответом».
3️⃣ Вместо длинного списка вариантов ответа использовать свободный ответ
Если на вопрос предполагается слишком много вариантов ответа, их полное перечисление может утомить респондента. Тем более какие-то варианты могут остаться не указанными. В этом случае лучше оставить несколько основных вариантов и добавить свободный ответ (см. следующий пункт).
4️⃣ Правильно обозначать вариант свободного ответа
Вариант «Другое» / «Иное» с полем для свободного ответа или без него - может вызвать неприятные ассоциации у респондентов при ответах на чувствительные личные вопросы. Будто бы те, кто выбирают его, являются «другими», «аномальными». Лучше обозначить такой вариант «Ответ в списке отсутствует» или «Свой вариант».
5️⃣ Задавать демографические вопросы в конце опроса
Рекомендуется начинать опрос с важных, недемографических вопросов, если только демографические не нужны для отбора респондентов (например, если проводится только среди женщин или среди людей с определенным уровнем дохода). Считается, что, ответив на важные вопросы по существу в начале опроса, респонденты будут более мотивированы дойти до конца, чем если мы сразу утомим их менее важными, общими демографическими вопросами.
6️⃣ Позволять выбирать несколько вариантов ответа
Часто мы требуем от респондента в вопросах об этнической принадлежности, образовании или занятости, чтобы он выбрал лишь один вариант ответа. Однако он может быть рожден в смешанной по национальности семье, иметь несколько уровней образования или одновременно и быть студентом, и работать. Так что при ответах на эти вопросы следует предусмотреть возможность множественного ответа.
Узнав об этих правилах, у меня стало меняться отношение к опросам, которые я иногда прохожу. Казалось бы, речь идет о слишком тонких нюансах, однако меня на самом деле утомляет необходимость выбора из 10+ вариантов ответа, ограничивает невозможность выбора нескольких вариантов в вопросах о трудовой занятости, а расположение малозначимых вопросов в начале опроса действительно не совсем мотивирует пройти его до конца (ну когда же пойдут важные вопросы, думаю я в этот момент).
Так что, если вы хотите сделать свой опрос комфортным для респондентов, эти правила могут быть весьма полезными.
03.12.202405:25
Новые сервисы для поиска публикаций, или как найти «Мать Всех Статей»?
Современные технологии, такие как искусственный интеллект, значительно упрощают процесс работы с литературой. Большинство сервисов для поиска публикаций, позволяют находить источники по ключевым словам и фразам, которые можно ввести с помощью поискового запроса.
Но, в дополнение к ним, появились новые сервисы, такие как Litmaps, которые для поиска публикаций вместо ключевых слов используют «сети цитирования».
Что это такое? Данное понятие означает связь между содержанием двух и более статей, когда автор одной статьи ссылается на другую статью. Мы можем представить эту связь с помощью линии («Статья А» цитирует «Статью B»). Кроме «Статьи А», на «статью B» могут ссылаться и другие статьи. В свою очередь, «статья B» и сама цитирует какие-то источники… Таким образом, ссылки множатся и переплетаются, создавая огромную «сеть цитирования». Можно визуализировать все эти связи между исследованиями, что облегчает выявление ключевых, «узловых» работ и тенденций. В итоге у исследователя формируется полная картина по теме выполняемого обзора.
В сервисе Litmaps доступны и другие функции. Например, можно отфильтровать источники по дате публикации или фамилии авторов. Также их данные можно выгрузить в виде файлов формата BibTeX (.bib), которые подходят для работы в библиографических менеджерах.
Более подробно средства, облегчающие работу с литературой и позволяющие написать первую главу диссертации за пару дней, обсудим на нашем курсе, который стартует уже 9 декабря. Записаться на него можно по этой ссылке.
Современные технологии, такие как искусственный интеллект, значительно упрощают процесс работы с литературой. Большинство сервисов для поиска публикаций, позволяют находить источники по ключевым словам и фразам, которые можно ввести с помощью поискового запроса.
Но, в дополнение к ним, появились новые сервисы, такие как Litmaps, которые для поиска публикаций вместо ключевых слов используют «сети цитирования».
Что это такое? Данное понятие означает связь между содержанием двух и более статей, когда автор одной статьи ссылается на другую статью. Мы можем представить эту связь с помощью линии («Статья А» цитирует «Статью B»). Кроме «Статьи А», на «статью B» могут ссылаться и другие статьи. В свою очередь, «статья B» и сама цитирует какие-то источники… Таким образом, ссылки множатся и переплетаются, создавая огромную «сеть цитирования». Можно визуализировать все эти связи между исследованиями, что облегчает выявление ключевых, «узловых» работ и тенденций. В итоге у исследователя формируется полная картина по теме выполняемого обзора.
В сервисе Litmaps доступны и другие функции. Например, можно отфильтровать источники по дате публикации или фамилии авторов. Также их данные можно выгрузить в виде файлов формата BibTeX (.bib), которые подходят для работы в библиографических менеджерах.
Более подробно средства, облегчающие работу с литературой и позволяющие написать первую главу диссертации за пару дней, обсудим на нашем курсе, который стартует уже 9 декабря. Записаться на него можно по этой ссылке.
14.11.202407:49
На YouTube-канале «А заключение когда?» вышло мое интервью. Это мой первый опыт, так что не судите строго. Но я старался быть максимально честным и открытым. Всем приятного просмотра🤗
Ссылка на видео
Ссылка на видео
18.10.202410:03
04.10.202412:07
На одном из недавних журнальных клубов разбирали статью: Байков Е.С. и соавт. Эффективность системы прогнозирования результатов хирургического лечения пациентов с грыжами поясничных межпозвонковых дисков // Хирургия позвоночника. 2020. Т. 17. No 1. С. 87–95. DOI: http://dx.doi.org/10.14531/ss2020.1.87-95.
Встретилась довольно распространенная ошибка при описании отношения рисков HR (то же бывает при описании отношения шансов, относительного риска). При значениях HR < 1, как в этом случае, фраза о том, что риски снизились в HR раз - некорректна.
Вспоминаем 2 класс средней школы. У Вани 3 яблока, а у Маши 6 яблок. Вопрос: во сколько раз яблок у Вани меньше, чем у Маши? Ответ, конечно, в 2 раза, хотя отношение числа яблок у Вани к числу яблок у Маши составляет 3/6 = 0,5. А если мы скажем, как авторы статьи, что яблок у Вани в 0,5 раз меньше? Тогда по правилам арифметики мы должны разделить число яблок у Маши на 0,5, а это то же самое, что умножить в 2 раза, т.е. у Вани должно быть 12 яблок, а не 3.
Поскольку это немного взрывает мозг, то правильным будет при указании во сколько раз одно число меньше другого или во сколько раз одно число больше другого - всегда делить большее число на меньшее. Естественно, отношение чисел указывается как есть, если оно >1 - значит первое число больше второго. Если <1 - значит первое число меньше второго. Например:
🔹 6 больше 3 в 2 раза (отношение чисел равно 2)
🔹3 меньше 6 в 2 раза (отношение чисел равно 0,5)
Возвращаемся из средней школы в высшую. Прочитав в статье фразу о том, что риски в группе II в 0,13 раза ниже, мы должны сделать вывод, что они на самом деле выше в 1/0,13 раза, то есть в 7,69 раза выше, чем в группе I. Стоит ли в таком случае рекомендовать экспериментальный метод - большой вопрос😅
Как сделать правильный вывод из рассчитанного HR=0,13? Очень просто: получив отношение рисков < 1, мы делим 1 на HR и пишем, что именно в такое число раз риски будут ниже в экспериментальной II группе по сравнению с I группой:
Риски реоперации в группе II в 7,69 раза ниже, чем в группе I (HR=0,13 с 95% ДИ: 0,03; 0,58; p = 0,002).
Встретилась довольно распространенная ошибка при описании отношения рисков HR (то же бывает при описании отношения шансов, относительного риска). При значениях HR < 1, как в этом случае, фраза о том, что риски снизились в HR раз - некорректна.
Вспоминаем 2 класс средней школы. У Вани 3 яблока, а у Маши 6 яблок. Вопрос: во сколько раз яблок у Вани меньше, чем у Маши? Ответ, конечно, в 2 раза, хотя отношение числа яблок у Вани к числу яблок у Маши составляет 3/6 = 0,5. А если мы скажем, как авторы статьи, что яблок у Вани в 0,5 раз меньше? Тогда по правилам арифметики мы должны разделить число яблок у Маши на 0,5, а это то же самое, что умножить в 2 раза, т.е. у Вани должно быть 12 яблок, а не 3.
Поскольку это немного взрывает мозг, то правильным будет при указании во сколько раз одно число меньше другого или во сколько раз одно число больше другого - всегда делить большее число на меньшее. Естественно, отношение чисел указывается как есть, если оно >1 - значит первое число больше второго. Если <1 - значит первое число меньше второго. Например:
🔹 6 больше 3 в 2 раза (отношение чисел равно 2)
🔹3 меньше 6 в 2 раза (отношение чисел равно 0,5)
Возвращаемся из средней школы в высшую. Прочитав в статье фразу о том, что риски в группе II в 0,13 раза ниже, мы должны сделать вывод, что они на самом деле выше в 1/0,13 раза, то есть в 7,69 раза выше, чем в группе I. Стоит ли в таком случае рекомендовать экспериментальный метод - большой вопрос😅
Как сделать правильный вывод из рассчитанного HR=0,13? Очень просто: получив отношение рисков < 1, мы делим 1 на HR и пишем, что именно в такое число раз риски будут ниже в экспериментальной II группе по сравнению с I группой:
Риски реоперации в группе II в 7,69 раза ниже, чем в группе I (HR=0,13 с 95% ДИ: 0,03; 0,58; p = 0,002).
23.01.202501:13
Не удалось получить доступ
к медиа контенту
к медиа контенту
16.12.202405:56
В статье Tucker L. et al. (2024, Biology), где длина теломер, отражающая биологический возраст человека, сопоставлялась с длительностью силовых тренировок, мы видим интересный пример оформления результатов сравнения трех групп.
1️⃣ При сравнении трех групп было получено общее p, которое указано в последнем столбике. В случае p<0.05 принято также выполнять сравнения групп попарно: 1 с 2, 1 с 3 и 2 с 3 (их ещё называют апостериорными). Обычно результаты таких сравнений указываются с помощью p. Однако здесь авторы показали статистически значимые различия через буквенные обозначения: a, b, с. Если в одной строке у двух групп одинаковые буквы, например, a - a, - различия незначимы. Если разные, например, a - b, - различия значимы.
Таким образом, при анализе 1-й модели мы можем сделать вывод, что длина теломер при тренировках длительностью 10-50 мин и 60+ мин не имела статистически значимых различий (одна и та же буква: b - b). А при отсутствии тренировок - была статистически значимо ниже (другая буква - a).
При анализе 2-й модели длина теломер во всех 3 группах статистически значимо различалась, так как у каждой группы - своя буква: a - b - c.
Такая методика представления парных сравнений кажется удобной и лаконичной. Однако иногда могут возникать сложные ситуации. Представим, что первая группа значимо отличается от третьей, а вторая группа - не имеет значимых отличий ни от первой, ни от третьей. Какими буквами тогда обозначить вторую группу? Она должна иметь обозначение, одинаковое и с первой, и с третьей группами, но это невозможно, так как первая и третья группы различаются.
Предположу, что в такой ситуации можно использовать такие обозначения: а - а,b - b. Но не запутает ли это читателя?
2️⃣ Другой интересный нюанс оформления результатов - последнее предложение в комментариях к таблице. Часто спрашивают, как отметить различия, где формально статистическая значимость не достигнута, но очень близка к выбранному порогу 0.05? Например, p=0.0897, как в этом примере.
Авторы пишут красивую фразу:
что дословно можно перевести как «различия были погранично значимыми». И, кстати, отмечают эти группы разными буквами.
1️⃣ При сравнении трех групп было получено общее p, которое указано в последнем столбике. В случае p<0.05 принято также выполнять сравнения групп попарно: 1 с 2, 1 с 3 и 2 с 3 (их ещё называют апостериорными). Обычно результаты таких сравнений указываются с помощью p. Однако здесь авторы показали статистически значимые различия через буквенные обозначения: a, b, с. Если в одной строке у двух групп одинаковые буквы, например, a - a, - различия незначимы. Если разные, например, a - b, - различия значимы.
Таким образом, при анализе 1-й модели мы можем сделать вывод, что длина теломер при тренировках длительностью 10-50 мин и 60+ мин не имела статистически значимых различий (одна и та же буква: b - b). А при отсутствии тренировок - была статистически значимо ниже (другая буква - a).
При анализе 2-й модели длина теломер во всех 3 группах статистически значимо различалась, так как у каждой группы - своя буква: a - b - c.
Такая методика представления парных сравнений кажется удобной и лаконичной. Однако иногда могут возникать сложные ситуации. Представим, что первая группа значимо отличается от третьей, а вторая группа - не имеет значимых отличий ни от первой, ни от третьей. Какими буквами тогда обозначить вторую группу? Она должна иметь обозначение, одинаковое и с первой, и с третьей группами, но это невозможно, так как первая и третья группы различаются.
Предположу, что в такой ситуации можно использовать такие обозначения: а - а,b - b. Но не запутает ли это читателя?
2️⃣ Другой интересный нюанс оформления результатов - последнее предложение в комментариях к таблице. Часто спрашивают, как отметить различия, где формально статистическая значимость не достигнута, но очень близка к выбранному порогу 0.05? Например, p=0.0897, как в этом примере.
Авторы пишут красивую фразу:
the difference… was borderline significant,
что дословно можно перевести как «различия были погранично значимыми». И, кстати, отмечают эти группы разными буквами.
25.11.202420:08
Уже через несколько часов мы можем встретиться с Вами в онлайн-формате на полях научно-практической конференции «Современная медицина. Взгляд молодого врача», которая проходит в Бишкеке. Расскажу об основных этапах статистической обработки, о методах сравнения данных, а в завершение доклада проведем полноценное исследование с участниками конференции. Затратив на него не более 10 минут!
Выступаю с 11.30 до 12.30 по МСК.
Подключиться к трансляции можно по этой ссылке.
Выступаю с 11.30 до 12.30 по МСК.
Подключиться к трансляции можно по этой ссылке.
11.11.202407:03
18 ноября (понедельник) состоится очередное заседание Школы Radiologylifestyle 🔥
Вместе с нашим дорогим другом, Дамиром Ильдаровичем, обсудим must-have темы для молодых (и не только) учëных 🙌🏻
📝 Тема: "Разработка дизайна исследования, создание и ведение базы данных"
🕔 Время: 16:30
📍 Место: Точка Кипения - Центр Алмазова (зал "Переговорная")
Докладчик (онлайн): Марапов Дамир Ильдарович, к.м.н., доцент кафедры общественного здоровья, экономики и управления здравоохранением КГМА - филиала ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования», генеральный директор ООО "Статтех", автор идеи и один из разработчиков статистической программы "Статтех" (Казань)
Ссылка для регистрации на мероприятие: https://leader-id.ru/events/527904
❗️ОБРАТИТЕ ВНИМАНИЕ: ссылка на Zoom-конференцию для подключения к заседанию будет доступна после регистрации на мероприятие на сайте Leader-ID по кнопке "Смотреть трансляцию"❗️
С нетерпением ждëм встречи 👍
Вместе с нашим дорогим другом, Дамиром Ильдаровичем, обсудим must-have темы для молодых (и не только) учëных 🙌🏻
📝 Тема: "Разработка дизайна исследования, создание и ведение базы данных"
🕔 Время: 16:30
📍 Место: Точка Кипения - Центр Алмазова (зал "Переговорная")
Докладчик (онлайн): Марапов Дамир Ильдарович, к.м.н., доцент кафедры общественного здоровья, экономики и управления здравоохранением КГМА - филиала ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования», генеральный директор ООО "Статтех", автор идеи и один из разработчиков статистической программы "Статтех" (Казань)
Ссылка для регистрации на мероприятие: https://leader-id.ru/events/527904
❗️ОБРАТИТЕ ВНИМАНИЕ: ссылка на Zoom-конференцию для подключения к заседанию будет доступна после регистрации на мероприятие на сайте Leader-ID по кнопке "Смотреть трансляцию"❗️
С нетерпением ждëм встречи 👍
16.10.202406:34
Дорогие коллеги! Ближайшие 3 дня мы будем работать на конгрессе РОСМЕДОБР-2024 в Москве. Буду рад всех видеть, если посетите выставку! Приготовили для Вас чудесный уникальный мерч и, конечно, будем демонстрировать программу StatTech🤗
04.10.202405:39
Дорогие друзья, 7 октября стартует 41-й поток нашего Курса по основам статистики!
Занятия проходят в 20:00 по МСК 3 раза в неделю на платформе Zoom (понедельник-среда-пятница). Все занятия записываются, срок доступа к видеозаписям и остальным материалам - не ограничен.
Расписание занятий:
07.10 - Создание базы данных. Типы статистических показателей
09.10 - Группировка статистических данных. Преобразование и вычисление переменных
11.10 - Проверка на нормальность распределения. Понятие о параметрических и непараметрических методах
14.10 - Описательная статистика: средние, меры изменчивости, меры репрезентативности
16.10 - Графические изображения в медицине и здравоохранении
18.10 - Сравнение независимых групп по количественным показателям (параметрические методы)
21.10 - Сравнение независимых групп по количественным показателям (непараметрические методы)
23.10 - Сравнение независимых групп по номинальным показателям (сравнение долей)
25.10 - Анализ зависимых групп
28.10 - Корреляционный анализ
30.10 - Парная и множественная линейная регрессия
01.11 - Дискриминантный анализ
04.11 - Бинарная логистическая регрессия
06.11 - ROC-анализ. Чувствительность и специфичность
08.11 - Кластерный анализ
11.11 - Анализ выживаемости: таблицы дожития, кривая Каплана-Мейера
13.11 - Анализ выживаемости: оценка влияния факторов, регрессия Кокса
15.11 - Расчет требуемого числа исследуемых.
Записаться на курсы
Занятия проходят в 20:00 по МСК 3 раза в неделю на платформе Zoom (понедельник-среда-пятница). Все занятия записываются, срок доступа к видеозаписям и остальным материалам - не ограничен.
Расписание занятий:
07.10 - Создание базы данных. Типы статистических показателей
09.10 - Группировка статистических данных. Преобразование и вычисление переменных
11.10 - Проверка на нормальность распределения. Понятие о параметрических и непараметрических методах
14.10 - Описательная статистика: средние, меры изменчивости, меры репрезентативности
16.10 - Графические изображения в медицине и здравоохранении
18.10 - Сравнение независимых групп по количественным показателям (параметрические методы)
21.10 - Сравнение независимых групп по количественным показателям (непараметрические методы)
23.10 - Сравнение независимых групп по номинальным показателям (сравнение долей)
25.10 - Анализ зависимых групп
28.10 - Корреляционный анализ
30.10 - Парная и множественная линейная регрессия
01.11 - Дискриминантный анализ
04.11 - Бинарная логистическая регрессия
06.11 - ROC-анализ. Чувствительность и специфичность
08.11 - Кластерный анализ
11.11 - Анализ выживаемости: таблицы дожития, кривая Каплана-Мейера
13.11 - Анализ выживаемости: оценка влияния факторов, регрессия Кокса
15.11 - Расчет требуемого числа исследуемых.
Записаться на курсы
Не удалось получить доступ
к медиа контенту
к медиа контенту
15.01.202508:10
Через неделю стартует 42-й поток Курса по основам статистики.
Набор практически завершен, и мне очень приятно, что большинство участников записываются на Курс по рекомендации коллег. Такое доверие - очень ценно.
Что получат все курсанты, успешно завершившие обучение?
1️⃣ Уверенные знания статистической терминологии, условий применения и интерпретации всех основных статистических методов. Вопросы рецензентов или членов диссовета «Почему использовали этот критерий?» или «О чем говорят границы доверительного интервала?» перестанут вызывать нервную дрожь. А статистика станет любимой наукой!
2️⃣ Практические навыки по анализу данных в статистической программе. Подробно разберёмся, какие кнопки и в каком порядке нажимать, чтобы получить корректный результат. Большое внимание уделим и правилам построения базы данных, это залог последующего статанализа.
3️⃣ Понимание того, как оформить полученные результаты для статьи или диссертации. Наш курс - прежде всего для тех, кто пишет свою научную работу. На занятиях мы используем специальные шаблоны оформления, а также отрабатываем этот навык при выполнении домашних заданий. Как правильно разместить данные в таблице? Сколько десятичных знаков оставить при округлении? Какие элементы должны быть на ящичной диаграмме? Как правильно описать статистически незначимый результат? На все эти вопросы будут даны четкие, обоснованные ответы.
4️⃣ Неограниченный по времени доступ ко всем материалам Курса. Включая презентации и видеозаписи наших зум-вебинаров. Более того, окончив обучение, весь поток переходит в общий чат участников Курса по основам. В нем будет всегда доступна ссылка на материалы последнего потока! То есть неважно, какой поток Вы окончили, всегда можно будет посмотреть самые актуальные презентации, видеозаписи и шаблоны описания результатов.
Занятия проводятся 3 раза в неделю, в вечернее время на платформе Zoom. Все вебинары записываются, поэтому если не успеваете присутствовать лично, можно смотреть их в записи. И обязательно выполнять домашние задания - это очень важно!
Приглашаю всех, кто желает освоить основные статистические методы, которые позволят уверенно и самостоятельно проанализировать и описать данные для своей диссертации или статьи.
Посмотреть расписание и записаться на курс можно по этой ссылке
Набор практически завершен, и мне очень приятно, что большинство участников записываются на Курс по рекомендации коллег. Такое доверие - очень ценно.
Что получат все курсанты, успешно завершившие обучение?
1️⃣ Уверенные знания статистической терминологии, условий применения и интерпретации всех основных статистических методов. Вопросы рецензентов или членов диссовета «Почему использовали этот критерий?» или «О чем говорят границы доверительного интервала?» перестанут вызывать нервную дрожь. А статистика станет любимой наукой!
2️⃣ Практические навыки по анализу данных в статистической программе. Подробно разберёмся, какие кнопки и в каком порядке нажимать, чтобы получить корректный результат. Большое внимание уделим и правилам построения базы данных, это залог последующего статанализа.
3️⃣ Понимание того, как оформить полученные результаты для статьи или диссертации. Наш курс - прежде всего для тех, кто пишет свою научную работу. На занятиях мы используем специальные шаблоны оформления, а также отрабатываем этот навык при выполнении домашних заданий. Как правильно разместить данные в таблице? Сколько десятичных знаков оставить при округлении? Какие элементы должны быть на ящичной диаграмме? Как правильно описать статистически незначимый результат? На все эти вопросы будут даны четкие, обоснованные ответы.
4️⃣ Неограниченный по времени доступ ко всем материалам Курса. Включая презентации и видеозаписи наших зум-вебинаров. Более того, окончив обучение, весь поток переходит в общий чат участников Курса по основам. В нем будет всегда доступна ссылка на материалы последнего потока! То есть неважно, какой поток Вы окончили, всегда можно будет посмотреть самые актуальные презентации, видеозаписи и шаблоны описания результатов.
Занятия проводятся 3 раза в неделю, в вечернее время на платформе Zoom. Все вебинары записываются, поэтому если не успеваете присутствовать лично, можно смотреть их в записи. И обязательно выполнять домашние задания - это очень важно!
Приглашаю всех, кто желает освоить основные статистические методы, которые позволят уверенно и самостоятельно проанализировать и описать данные для своей диссертации или статьи.
Посмотреть расписание и записаться на курс можно по этой ссылке
05.12.202421:49
Как идентифицировать учёного?
Недавно оформлял участие в грантовой заявке. Помимо прочего, нужно было подробно написать о своих научных достижениях и публикациях. А ещё - указать свои личные идентификаторы в разных исследовательских базах. Оказалось, что я в них уже был зарегистрирован.
Проверьте, а Вы имеете все эти идентификаторы?
🔶 ORCID (Open Researcher and Contributor ID) - цифровой идентификатор в реестре, созданном некоммерческой организацией ORCID, Inc. Свобода от привязки к конкретному издательству или базе научных журналов делает этот идентификатор наиболее широко используемым. При поиске по ORCID находится наибольшее число статей. Приятный бонус: как только у автора выходит новая статья, ORCID присылает письмо на почту с уведомлением.
Адрес страницы: https://orcid.org
🔶 Scopus ID - цифровой идентификатор авторов публикаций в базе, которой, как известно, владеет издательство Elsevier. Учитываются только публикации в «скопусовских» журналах, поэтому авторский список, найденный по Scopus ID, может быть меньше, чем по данным ORCID. Зато можно определить индекс цитирования h-index в базе Scopus, который часто просят указать при подачи заявки на участие в научных проектах.
Адрес страницы: https://www.scopus.com
🔶 Web of Science ResearcherID - цифровой идентификатор авторов публикаций в базе Web of Science (WoS). Он известен меньше и используется реже, чем ORCID и Scopus ID, так как:
▪️его применение ограничено только базой WoS,
▪️для получения ResearcherID необходимо иметь хотя бы одну публикацию в журнале из списка WoS,
▪️сервис коммерциализирован: например, информация о цитировании предоставляется на платной основе,
▪️автоматическое определяются не все статьи автора, часто их нужно самостоятельно указывать.
По данным ResearcherID тоже рассчитывается свой h-index.
Адрес страницы: https://www.webofscience.com
Для чего нужны научные авторские идентификаторы?
1️⃣ Они обеспечивают точную связь исследования с конкретным человеком, исключая путаницу с другими авторами с похожими именами, при смене фамилии, места работы и т.д.
2️⃣ Позволяют централизованно вести учет всех своих публикаций с автоматическим обновлением списка.
3️⃣ С помощью дополнительных аналитических инструментов можно определить важные характеристики ученого: публикационную активность, индекс цитируемости и др.
Благодаря присутствию в разных базах мне неожиданно удалось обновить свой список публикаций: обнаружил пару статей в Scopus и WoS, в которых когда-то участвовал в качестве соавтора, но почему-то потерял их при составлении списка. Так что наличие и использование различных ID - полезная функция!
Недавно оформлял участие в грантовой заявке. Помимо прочего, нужно было подробно написать о своих научных достижениях и публикациях. А ещё - указать свои личные идентификаторы в разных исследовательских базах. Оказалось, что я в них уже был зарегистрирован.
Проверьте, а Вы имеете все эти идентификаторы?
🔶 ORCID (Open Researcher and Contributor ID) - цифровой идентификатор в реестре, созданном некоммерческой организацией ORCID, Inc. Свобода от привязки к конкретному издательству или базе научных журналов делает этот идентификатор наиболее широко используемым. При поиске по ORCID находится наибольшее число статей. Приятный бонус: как только у автора выходит новая статья, ORCID присылает письмо на почту с уведомлением.
Адрес страницы: https://orcid.org
🔶 Scopus ID - цифровой идентификатор авторов публикаций в базе, которой, как известно, владеет издательство Elsevier. Учитываются только публикации в «скопусовских» журналах, поэтому авторский список, найденный по Scopus ID, может быть меньше, чем по данным ORCID. Зато можно определить индекс цитирования h-index в базе Scopus, который часто просят указать при подачи заявки на участие в научных проектах.
Адрес страницы: https://www.scopus.com
🔶 Web of Science ResearcherID - цифровой идентификатор авторов публикаций в базе Web of Science (WoS). Он известен меньше и используется реже, чем ORCID и Scopus ID, так как:
▪️его применение ограничено только базой WoS,
▪️для получения ResearcherID необходимо иметь хотя бы одну публикацию в журнале из списка WoS,
▪️сервис коммерциализирован: например, информация о цитировании предоставляется на платной основе,
▪️автоматическое определяются не все статьи автора, часто их нужно самостоятельно указывать.
По данным ResearcherID тоже рассчитывается свой h-index.
Адрес страницы: https://www.webofscience.com
Для чего нужны научные авторские идентификаторы?
1️⃣ Они обеспечивают точную связь исследования с конкретным человеком, исключая путаницу с другими авторами с похожими именами, при смене фамилии, места работы и т.д.
2️⃣ Позволяют централизованно вести учет всех своих публикаций с автоматическим обновлением списка.
3️⃣ С помощью дополнительных аналитических инструментов можно определить важные характеристики ученого: публикационную активность, индекс цитируемости и др.
Благодаря присутствию в разных базах мне неожиданно удалось обновить свой список публикаций: обнаружил пару статей в Scopus и WoS, в которых когда-то участвовал в качестве соавтора, но почему-то потерял их при составлении списка. Так что наличие и использование различных ID - полезная функция!
20.11.202407:45
Уважаемые коллеги, 4-й поток курса по работе с литературой стартует 9 декабря!
Занятия будут проходить в 19:00 по МСК на платформе Zoom, в режиме живого общения, 3 раза в неделю. Все занятия записываются, срок доступа к видеозаписям и остальным материалам - не ограничен!
Записаться на курс можно здесь :
https://taplink.cc/medstatistic/p/397b8f/
Программа занятий:
9 декабря - Библиографическое описание. Транслитерация.
11 декабря - Использование библиографических менеджеров (Zotero, Mendeley) при работе с литературой
13 декабря - Оформление списка литературы с помощью библиографических менеджеров
16 декабря - Работа в электронных базах, поиск литературы для диссертаций, обзорных статей и систематических обзоров с применением искусственного интеллекта.
18 декабря - Оформления обзора литературы для диссертации. Классификация обзорных статей, структура и особенности их оформления
20 декабря – Работа с системой антиплагиат. Рерайтинг, в т.ч. с применением искусственного интеллекта
Занятия будут проходить в 19:00 по МСК на платформе Zoom, в режиме живого общения, 3 раза в неделю. Все занятия записываются, срок доступа к видеозаписям и остальным материалам - не ограничен!
Записаться на курс можно здесь :
https://taplink.cc/medstatistic/p/397b8f/
Программа занятий:
9 декабря - Библиографическое описание. Транслитерация.
11 декабря - Использование библиографических менеджеров (Zotero, Mendeley) при работе с литературой
13 декабря - Оформление списка литературы с помощью библиографических менеджеров
16 декабря - Работа в электронных базах, поиск литературы для диссертаций, обзорных статей и систематических обзоров с применением искусственного интеллекта.
18 декабря - Оформления обзора литературы для диссертации. Классификация обзорных статей, структура и особенности их оформления
20 декабря – Работа с системой антиплагиат. Рерайтинг, в т.ч. с применением искусственного интеллекта
04.11.202408:56
В этот четверг в 16.00 по МСК встречаемся в Zoom с Евгенией Малинович, эксперту в области написания и защиты диссертаций. Обсуждаем возможности программы StatTech при сборе данных с помощью опросов!
Ссылка на вебинар:
Идентификатор конференции: 842 5201 8670
Код доступа: 455588
Буду рад всех видеть!🤗
Ссылка на вебинар:
https://us02web.zoom.us/j/84252018670?pwd=LIUHLcN7Db6QxZLOPOeHSTJE5sL9aA.1
Идентификатор конференции: 842 5201 8670
Код доступа: 455588
Буду рад всех видеть!🤗
14.10.202404:47
Программа StatTech обновилась до версии 4.6 и стала ещё более доступной, удобной и эффективной!
Краткий обзор новых функций:
1️⃣ Главное событие. Появился новый тарифный план: доступ на 1 месяц за 2 тыс. рублей
Учитывая, что выполнить анализ данных для статьи или диссертации в StatTech можно за очень короткое время, иногда - всего за несколько часов, срока в 1 месяц может быть достаточно для решения всех исследовательских задач. Также данный тариф подойдет для знакомства с программой, чтобы попробовать её в деле перед тем, как решиться на приобретение годового доступа. Ещё одним сценарием может быть продление доступа на 1 месяц, когда годового доступа немного не хватило для завершения работы.
2️⃣ Расчет разностей средних.
При сравнении количественных показателей теперь автоматически рассчитываются разности средних с 95% доверительными интервалами - MD (95% CI). Этот элемент вывода все чаще встречается в современных публикациях и, безусловно, обогатит статистический вывод.
3️⃣ Доработаны опросные формы.
🔺Во-первых, в опросах добавлена возможность создания вопросов с множественным выбором ответов. При этом каждый отмеченный ответ садится в базу в виде отдельной бинарной переменной со значениями 0 (не выбрано) и 1 (выбрано).
Например, мы можем сделать вопрос со списком симптомов и попросить отметить те, которые встречались у пациента. Когда будем выгружать ответы в базу, для каждого симптома будет автоматически создана отдельная колонка со значениями 0 и 1.
🔺Во-вторых, добавлена возможность повторного заполнения формы для автора опроса. Теперь после самостоятельного ввода данных в форму автор опроса может нажать кнопку «Внести новые данные» и вернуться к заполнению формы. Это может быть удобно, когда опросы используются для формирования базы самим исследователем, например, он вводит данные из медицинской документации.
4️⃣ Новые кнопки на слотах во вкладке «Мои базы»:
🔸 Удалить базу
🔸 Сохранить базу в файл
С их помощью можно, не открывая базу данных, сохранить её на свой компьютер. А если она уже не нужна, и мы хотим очистить слот, тогда можем удалить её нажатием одной кнопки.
Версия 4.6 уже во всех браузерах! Надеемся, что новые функции окажутся полезными и востребованными. Благодарим всех наших пользователей за доверие и желаем успехов в научной работе!🤗
Краткий обзор новых функций:
1️⃣ Главное событие. Появился новый тарифный план: доступ на 1 месяц за 2 тыс. рублей
Учитывая, что выполнить анализ данных для статьи или диссертации в StatTech можно за очень короткое время, иногда - всего за несколько часов, срока в 1 месяц может быть достаточно для решения всех исследовательских задач. Также данный тариф подойдет для знакомства с программой, чтобы попробовать её в деле перед тем, как решиться на приобретение годового доступа. Ещё одним сценарием может быть продление доступа на 1 месяц, когда годового доступа немного не хватило для завершения работы.
2️⃣ Расчет разностей средних.
При сравнении количественных показателей теперь автоматически рассчитываются разности средних с 95% доверительными интервалами - MD (95% CI). Этот элемент вывода все чаще встречается в современных публикациях и, безусловно, обогатит статистический вывод.
3️⃣ Доработаны опросные формы.
🔺Во-первых, в опросах добавлена возможность создания вопросов с множественным выбором ответов. При этом каждый отмеченный ответ садится в базу в виде отдельной бинарной переменной со значениями 0 (не выбрано) и 1 (выбрано).
Например, мы можем сделать вопрос со списком симптомов и попросить отметить те, которые встречались у пациента. Когда будем выгружать ответы в базу, для каждого симптома будет автоматически создана отдельная колонка со значениями 0 и 1.
🔺Во-вторых, добавлена возможность повторного заполнения формы для автора опроса. Теперь после самостоятельного ввода данных в форму автор опроса может нажать кнопку «Внести новые данные» и вернуться к заполнению формы. Это может быть удобно, когда опросы используются для формирования базы самим исследователем, например, он вводит данные из медицинской документации.
4️⃣ Новые кнопки на слотах во вкладке «Мои базы»:
🔸 Удалить базу
🔸 Сохранить базу в файл
С их помощью можно, не открывая базу данных, сохранить её на свой компьютер. А если она уже не нужна, и мы хотим очистить слот, тогда можем удалить её нажатием одной кнопки.
Версия 4.6 уже во всех браузерах! Надеемся, что новые функции окажутся полезными и востребованными. Благодарим всех наших пользователей за доверие и желаем успехов в научной работе!🤗
30.09.202412:38
🤩 МЫ ПОДГОТОВИЛИ ДЛЯ ВАС СПИСОК САМЫХ ПОЛЕЗНЫХ КАНАЛОВ ПО СТАТИСТИКЕ И ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЕ
💜 BioStat <- R | Чат по статистике и R
Чат создан преподавателями и выпускниками Института биоинформатики (Санкт-Петербург). Основная направленность обсуждений - современные методы биостатистики и их реализация в среде программирования R.
💜 Data Medicine
Канал врача и исследователя Артемия Охотина о биостатистике, эпидемиологии и политике в медицине. «Listen to your data, it is telling you the diagnosis»(с) В канале разбираются хорошие и плохие исследования, откровенно обсуждаются вопросы интерпретации их результатов.
💜 Ebm_base
Канал, где описываются основы и нюансы доказательной медицины, статистики и эпидемиологии. Автор (к слову, хирург) старается сам разобраться в сложных вещах и рассказать о них. Иногда (несмешные) шутки над чем угодно. Осторожно, токсичный контент!
💜 «Lobastov’s Scientific Library»
Личный канал (с перчинкой) доктора медицинских наук, врача-флеболога Кирилла Викторовича Лобастова с свежими исследованиями, интересными клиническими случаями, критическим разбором статей и ссылками на полезные ресурсы из мира научной флебологии и не только.
💜 Канал medstatistic
Блог, где понятным языком рассказывается о статистическом анализе медицинских данных. Ведет блог доцент Казанской государственной медицинской академии и один из создателей программы StatTech Дамир Марапов.
💜 medstatistic ЧАТ
Один из старейших чатов для обсуждения вопросов статистического анализа медицинских данных. Здесь можно задать любой вопрос о своём исследовании и получить компетентный ответ от экспертов.
💜 Канал "НЕЗАВИСИМОЙ НАЦИОНАЛЬНОЙ АКАДЕМИИ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ"
На этой платформе вы найдете материалы в области доказательной медицины и критической оценки научных публикаций. Если захотите высказаться, то есть чат ННАДМ.
💜 Сообщество "ОСНОВАНИЕ"
Сообщество врачей Казани, разделяющих принципы доказательной медицины. В канале публикуются рекомендации, основанные на клинических исследованиях, мнение экспертов, материалы о принципах чтения научных статей.
💜 Статистика и R в науке и аналитике
Автор канала биоинформатик Елена Убогоева пишет о простых и сложных вещах в статистике, рассказывает про особенности языка программирования R, а также выкладывает материалы о продуктовой аналитике и смежных темах
Подборка подготовлена ННАДМ и Мараповым Дамиром.
💜 BioStat <- R | Чат по статистике и R
Чат создан преподавателями и выпускниками Института биоинформатики (Санкт-Петербург). Основная направленность обсуждений - современные методы биостатистики и их реализация в среде программирования R.
💜 Data Medicine
Канал врача и исследователя Артемия Охотина о биостатистике, эпидемиологии и политике в медицине. «Listen to your data, it is telling you the diagnosis»(с) В канале разбираются хорошие и плохие исследования, откровенно обсуждаются вопросы интерпретации их результатов.
💜 Ebm_base
Канал, где описываются основы и нюансы доказательной медицины, статистики и эпидемиологии. Автор (к слову, хирург) старается сам разобраться в сложных вещах и рассказать о них. Иногда (несмешные) шутки над чем угодно. Осторожно, токсичный контент!
💜 «Lobastov’s Scientific Library»
Личный канал (с перчинкой) доктора медицинских наук, врача-флеболога Кирилла Викторовича Лобастова с свежими исследованиями, интересными клиническими случаями, критическим разбором статей и ссылками на полезные ресурсы из мира научной флебологии и не только.
💜 Канал medstatistic
Блог, где понятным языком рассказывается о статистическом анализе медицинских данных. Ведет блог доцент Казанской государственной медицинской академии и один из создателей программы StatTech Дамир Марапов.
💜 medstatistic ЧАТ
Один из старейших чатов для обсуждения вопросов статистического анализа медицинских данных. Здесь можно задать любой вопрос о своём исследовании и получить компетентный ответ от экспертов.
💜 Канал "НЕЗАВИСИМОЙ НАЦИОНАЛЬНОЙ АКАДЕМИИ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ"
На этой платформе вы найдете материалы в области доказательной медицины и критической оценки научных публикаций. Если захотите высказаться, то есть чат ННАДМ.
💜 Сообщество "ОСНОВАНИЕ"
Сообщество врачей Казани, разделяющих принципы доказательной медицины. В канале публикуются рекомендации, основанные на клинических исследованиях, мнение экспертов, материалы о принципах чтения научных статей.
💜 Статистика и R в науке и аналитике
Автор канала биоинформатик Елена Убогоева пишет о простых и сложных вещах в статистике, рассказывает про особенности языка программирования R, а также выкладывает материалы о продуктовой аналитике и смежных темах
Подборка подготовлена ННАДМ и Мараповым Дамиром.
Не удалось получить доступ
к медиа контенту
к медиа контенту
08.01.202515:09
В статье Kazda L. et al. Association of Attention-Deficit/Hyperactivity Disorder Diagnosis With Adolescent Quality of Life, опубликованной в журнале JAMA можно встретить очень красивое, максимально полное описание результатов сравнения 2 групп.
За исключением последней строки в таблице сравниваются средние значения количественных признаков. Какие нюансы оформления следует отметить?
1️⃣ Данные представлены в виде средних со стандартным отклонением - mean (SD). Размещение SD в скобках часто считается более предпочтительным, чем через ±.
2️⃣ В «шапке» таблицы указано число исследуемых в каждой группе: n=393.
3️⃣ Авторы указали наглядный и полезный параметр - разность средних с 95% доверительным интервалом - mean difference (95% CI). Мы можем напрямую оценить величину различий (на сколько в одной группе показатель выше или ниже, чем в другой), а также определить значимость различий. Если границы ДИ не пересекают 0 (то есть обе выше 0 либо обе ниже 0), например, от -0.26 до -0.02 или от 0.55 до 2.66 - различия признают статистически значимыми.
4️⃣ Примечания под таблицей дают нам понимание о шкале измерения каждого показателя (range, … to…) и его интерпретации (о чем говорят его низкие или высокие значения).
5️⃣ p-value указано с максимальной точностью до 3 знака. В случае очень низких значений p пишут <.001.
6️⃣ Нечасто используемый элемент описания - мера оценки эффекта (effect size). В данном случае представлена d Коэна (Cohen d). Её значения связаны как с разницей показателей, так и с их вариабельностью, и позволяют судить о величине наблюдаемого эффекта. Для этого в примечании указана шкала интерпретации значений Cohen d.
Приятно видеть настолько подробное представление результатов! Заметно желание авторов сделать описание максимально полным и доступным для читателей👍
#как_надо_делать
За исключением последней строки в таблице сравниваются средние значения количественных признаков. Какие нюансы оформления следует отметить?
1️⃣ Данные представлены в виде средних со стандартным отклонением - mean (SD). Размещение SD в скобках часто считается более предпочтительным, чем через ±.
2️⃣ В «шапке» таблицы указано число исследуемых в каждой группе: n=393.
3️⃣ Авторы указали наглядный и полезный параметр - разность средних с 95% доверительным интервалом - mean difference (95% CI). Мы можем напрямую оценить величину различий (на сколько в одной группе показатель выше или ниже, чем в другой), а также определить значимость различий. Если границы ДИ не пересекают 0 (то есть обе выше 0 либо обе ниже 0), например, от -0.26 до -0.02 или от 0.55 до 2.66 - различия признают статистически значимыми.
4️⃣ Примечания под таблицей
5️⃣ p-value указано с максимальной точностью до 3 знака. В случае очень низких значений p пишут <.001.
6️⃣ Нечасто используемый элемент описания - мера оценки эффекта (effect size). В данном случае представлена d Коэна (Cohen d). Её значения связаны как с разницей показателей, так и с их вариабельностью, и позволяют судить о величине наблюдаемого эффекта. Для этого в примечании указана шкала интерпретации значений Cohen d.
Приятно видеть настолько подробное представление результатов! Заметно желание авторов сделать описание максимально полным и доступным для читателей👍
#как_надо_делать
04.12.202411:28
Иногда в статьях встречаются очень простые кривые выживаемости, без каких-либо дополнительных элементов. Рассмотрим пример такой диаграммы в статье Т.Mashiba et al. (J Viral Hepat. 2022) «Efficacy of hepatitis C virus eradication after curative treatment for hepatocellular carcinoma…»
На этом рисунке мы видим:
1️⃣ Две линии - сплошная (для группы, где применяли противовирусную терапию) и пунктирная (для контрольной группы без противовирусной терапии). По оси Х - время наблюдения в месяцах, по оси Y - доля оставшихся живыми, или выживаемость, в долях единицы. В точке 0 по оси X выживаемость в обеих группах равна 1, или 100% (в начале исследования все пациенты живы), далее в процессе наблюдения часть пациентов умирает и доля оставшихся живыми постепенно уменьшается - линии снижаются.
2️⃣ Сплошная линия снижается медленнее, чем пунктирная, поэтому остается выше. Это говорит о том, что выживаемость в основной группе выше, чем в контрольной. По графику можно оценить выживаемость в этом исследовании для разных временных отрезков «на глаз». Например, через 2 года (24 мес.) в основной группе живыми остались примерно 95% пациентов, в группе контроля - примерно 87%. К 5 годам разница увеличивается, выживаемость примерно составляет 80 и 55%, соответственно.
3️⃣ В нижней части графика авторы указали p-значение, полученное с помощью лог-рангового критерия. Оно составило p<0.0001, что свидетельствует о статистически значимых различиях выживаемости в сравниваемых группах.
4️⃣ Под графиком мы видим таблицу с указанием числа пациентов, остающихся под наблюдением к отдельным временным точкам: Number at risk. Число уменьшается как за счет событий - смерти пациентов, так и за счет цензурированных, «выбывших» пациентов - т.е. тех, чье наблюдение прекратилось, при этом они оставались живыми. Можно косвенно оценить процент цензурирования по несовпадению выживаемости и доли оставшихся под наблюдением. Например, к 60 мес. Number at risk в основной группе составляет около 40% от исходного числа (57/140). Значит, выживаемость, которую мы оценили на уровне 80% - в 2 раза превышает долю оставшихся под наблюдением. Что говорит о значительной доле цензурированных пациентов к этому времени.
Какими элементами можно было бы дополнить эту диаграмму?
🔹показать медиану, которая достигнута в контрольной группе,
🔹указать HR с 95% ДИ для фактора способа лечения,
🔹таблицу под графиком дополнить числом цензурированных пациентов и числом событий,
🔹на линии кривых вертикальными черточками показать цензурированных пациентов.
На этом рисунке мы видим:
1️⃣ Две линии - сплошная (для группы, где применяли противовирусную терапию) и пунктирная (для контрольной группы без противовирусной терапии). По оси Х - время наблюдения в месяцах, по оси Y - доля оставшихся живыми, или выживаемость, в долях единицы. В точке 0 по оси X выживаемость в обеих группах равна 1, или 100% (в начале исследования все пациенты живы), далее в процессе наблюдения часть пациентов умирает и доля оставшихся живыми постепенно уменьшается - линии снижаются.
2️⃣ Сплошная линия снижается медленнее, чем пунктирная, поэтому остается выше. Это говорит о том, что выживаемость в основной группе выше, чем в контрольной. По графику можно оценить выживаемость в этом исследовании для разных временных отрезков «на глаз». Например, через 2 года (24 мес.) в основной группе живыми остались примерно 95% пациентов, в группе контроля - примерно 87%. К 5 годам разница увеличивается, выживаемость примерно составляет 80 и 55%, соответственно.
3️⃣ В нижней части графика авторы указали p-значение, полученное с помощью лог-рангового критерия. Оно составило p<0.0001, что свидетельствует о статистически значимых различиях выживаемости в сравниваемых группах.
4️⃣ Под графиком мы видим таблицу с указанием числа пациентов, остающихся под наблюдением к отдельным временным точкам: Number at risk. Число уменьшается как за счет событий - смерти пациентов, так и за счет цензурированных, «выбывших» пациентов - т.е. тех, чье наблюдение прекратилось, при этом они оставались живыми. Можно косвенно оценить процент цензурирования по несовпадению выживаемости и доли оставшихся под наблюдением. Например, к 60 мес. Number at risk в основной группе составляет около 40% от исходного числа (57/140). Значит, выживаемость, которую мы оценили на уровне 80% - в 2 раза превышает долю оставшихся под наблюдением. Что говорит о значительной доле цензурированных пациентов к этому времени.
Какими элементами можно было бы дополнить эту диаграмму?
🔹показать медиану, которая достигнута в контрольной группе,
🔹указать HR с 95% ДИ для фактора способа лечения,
🔹таблицу под графиком дополнить числом цензурированных пациентов и числом событий,
🔹на линии кривых вертикальными черточками показать цензурированных пациентов.
17.11.202421:22
Прекрасный отзыв от участницы 41-го потока, который завершился в эту пятницу. Особенно вдохновляют слова «теперь я не боюсь…» и «я все смогу сама». Мне кажется, это очень важно, когда появляется уверенность в своих знаниях и навыках. Когда статистика превращается из страшного и непонятного зверя в надежного помощника, которого так интересно изучать!
Впереди у каждого курсанта - работа над своим исследованием. Защита диссертации, публикация статей в высокорейтинговых журналах, участие в конгрессах и конференциях… Всем в помощь - неограниченный доступ к материалам курса и наш «вечный» чат, где мы продолжим общение.
А если Вам хочется пройти путь из 18 занятий от человека, путающего среднее значение с медианой, до ученого, уверенно интерпретирующего ROC-кривые и регрессионные модели - то прошу пожаловать на 42-й поток Курса по основам статистики. Он стартует 20 января, посмотреть условия и записаться можно по этой ссылке🤗
Впереди у каждого курсанта - работа над своим исследованием. Защита диссертации, публикация статей в высокорейтинговых журналах, участие в конгрессах и конференциях… Всем в помощь - неограниченный доступ к материалам курса и наш «вечный» чат, где мы продолжим общение.
А если Вам хочется пройти путь из 18 занятий от человека, путающего среднее значение с медианой, до ученого, уверенно интерпретирующего ROC-кривые и регрессионные модели - то прошу пожаловать на 42-й поток Курса по основам статистики. Он стартует 20 января, посмотреть условия и записаться можно по этой ссылке🤗
01.11.202412:33
К вопросу о расчете объема выборки
При расчете требуемого объема выборки в интервенционных исследованиях с помощью большинства калькуляторов (включая наш сервис в StatTech), есть значение, которое чаще всего оставляют по умолчанию равным 1. Это соотношение размеров групп. Действительно, кажется лучшим вариантом, когда сравниваемые группы включают одинаковое количество пациентов. Такой подход можно увидеть во многих исследованиях, в том числе публикуемых в авторитетных журналах.
Между тем, известно, что требуемый размер выборки зависит от вариабельности (дисперсии) признака - чем выше дисперсия, тем исследуемых должно быть больше. Мне попалась статья J.A.List et al. (Exp Econ (2011) 14:439–457, DOI 10.1007/s10683-011-9275-7), где предложено учитывать вариабельность признака при определении требуемого числа исследуемых.
Правило простое: при сравнении количественных показателей отношение числа исследуемых в группах должно соответствовать отношению стандартных отклонений сравниваемого признака. Например, если взять значения SD в полях нашего калькулятора по умолчанию: 12 и 8, число пациентов в 1 группе должно относиться к числу пациентов во 2 группе как 12:8 или 1,5:1 (как на скриншоте). Это обеспечит достижение необходимого уровня мощности при минимальном числе исследуемых.
Аналогичным образом предложено поступать и при сравнении бинарных исходов. В данном случае максимальная дисперсия признака наблюдается при частоте исхода 0,5, или 50%. Соответственно, чем ближе находится частота исхода в одной из групп к 50%, тем большее число исследуемых должно быть в этой группе.
Выглядит достаточно разумно и обоснованно. Встречался ли Вам такой подход при расчете требуемого числа исследуемых в статьях?
При расчете требуемого объема выборки в интервенционных исследованиях с помощью большинства калькуляторов (включая наш сервис в StatTech), есть значение, которое чаще всего оставляют по умолчанию равным 1. Это соотношение размеров групп. Действительно, кажется лучшим вариантом, когда сравниваемые группы включают одинаковое количество пациентов. Такой подход можно увидеть во многих исследованиях, в том числе публикуемых в авторитетных журналах.
Между тем, известно, что требуемый размер выборки зависит от вариабельности (дисперсии) признака - чем выше дисперсия, тем исследуемых должно быть больше. Мне попалась статья J.A.List et al. (Exp Econ (2011) 14:439–457, DOI 10.1007/s10683-011-9275-7), где предложено учитывать вариабельность признака при определении требуемого числа исследуемых.
Правило простое: при сравнении количественных показателей отношение числа исследуемых в группах должно соответствовать отношению стандартных отклонений сравниваемого признака. Например, если взять значения SD в полях нашего калькулятора по умолчанию: 12 и 8, число пациентов в 1 группе должно относиться к числу пациентов во 2 группе как 12:8 или 1,5:1 (как на скриншоте). Это обеспечит достижение необходимого уровня мощности при минимальном числе исследуемых.
Аналогичным образом предложено поступать и при сравнении бинарных исходов. В данном случае максимальная дисперсия признака наблюдается при частоте исхода 0,5, или 50%. Соответственно, чем ближе находится частота исхода в одной из групп к 50%, тем большее число исследуемых должно быть в этой группе.
Выглядит достаточно разумно и обоснованно. Встречался ли Вам такой подход при расчете требуемого числа исследуемых в статьях?
11.10.202416:53
У меня очередной новый опыт - очное интервью!🤩 Пообщался в студии с ведущими подкаста «А заключение когда?» (@zaklyuchenie_kogda)
Разговор получился нескучный (кажется) и откровенный (в этом я уверен).
И ещё сегодня я понял 2 вещи:
1️⃣ Давать интервью - очень сложно! Оформить мысли в слова, передать то, что лежит на душе в своем кратком ответе - та ещё работа! Все время сомневаешься, получилось ли сказать именно то, о чем думаешь, правильные ли слова подобрал.
2️⃣ Давать интервью - очень полезно! Вот благодаря сегодняшнему разговору родились очень интересные заключения, которые я бы сам, наверное, ещё не скоро сформулировал. Спасибо моим очаровательным интервьюерам, они помогли навести определенный порядок в мыслях!
С нетерпением и большим волнением жду появления видео! Надеюсь, и для вас оно будет интересным🤗
Ссылка на подкаст (подпишитесь, чтобы не пропустить😉)
Разговор получился нескучный (кажется) и откровенный (в этом я уверен).
И ещё сегодня я понял 2 вещи:
1️⃣ Давать интервью - очень сложно! Оформить мысли в слова, передать то, что лежит на душе в своем кратком ответе - та ещё работа! Все время сомневаешься, получилось ли сказать именно то, о чем думаешь, правильные ли слова подобрал.
2️⃣ Давать интервью - очень полезно! Вот благодаря сегодняшнему разговору родились очень интересные заключения, которые я бы сам, наверное, ещё не скоро сформулировал. Спасибо моим очаровательным интервьюерам, они помогли навести определенный порядок в мыслях!
С нетерпением и большим волнением жду появления видео! Надеюсь, и для вас оно будет интересным🤗
Ссылка на подкаст (подпишитесь, чтобы не пропустить😉)
24.09.202421:06
Мы сделали это! Завершился трехчасовой статистический марафон!🕺 В первый раз мы объединили лекцию по статистике, исследование в режиме «онлайн» и журнальный клуб. Кажется, у нас что-то из этого получилось😎
Спасибо всем участникам Большого вебинара по статистике, особенно тем, кто был с нами до конца!❤️🤝 Спасибо за активное участие, за Ваши вопросы и ответы!
А для тех, кто не смог в этот раз присутствовать на Большом вебинаре, публикую ссылку на запись мероприятия. Она будет временная, но до 1 октября точно будет доступна.
Смотреть вебинар
Спасибо всем участникам Большого вебинара по статистике, особенно тем, кто был с нами до конца!❤️🤝 Спасибо за активное участие, за Ваши вопросы и ответы!
А для тех, кто не смог в этот раз присутствовать на Большом вебинаре, публикую ссылку на запись мероприятия. Она будет временная, но до 1 октября точно будет доступна.
Код доступа: Dp?az^4wСмотреть вебинар
Показано 1 - 24 из 24
Войдите, чтобы разблокировать больше функциональности.