
Україна Online: Новини | Політика

Телеграмна служба новин - Україна

Резидент

Мир сегодня с "Юрий Подоляка"

Труха⚡️Україна

Николаевский Ванёк

Лачен пише

Реальний Київ | Украина

Реальна Війна

Україна Online: Новини | Політика

Телеграмна служба новин - Україна

Резидент

Мир сегодня с "Юрий Подоляка"

Труха⚡️Україна

Николаевский Ванёк

Лачен пише

Реальний Київ | Украина

Реальна Війна

Україна Online: Новини | Політика

Телеграмна служба новин - Україна

Резидент

medstatistic
📊 О статистике понятным языком!
👨🏻🎓 Дамир Марапов, к.м.н., доцент РМАНПО, создатель StatTech
👩🏻💻 Администратор канала - Марина @bell_ado_nna
👨🏻🏫 Курсы:
https://taplink.cc/medstatistic
❓Чат по статистике: @medstatistic_chat
👨🏻🎓 Дамир Марапов, к.м.н., доцент РМАНПО, создатель StatTech
👩🏻💻 Администратор канала - Марина @bell_ado_nna
👨🏻🏫 Курсы:
https://taplink.cc/medstatistic
❓Чат по статистике: @medstatistic_chat
TGlist reytingi
0
0
TuriOmmaviy
Tekshirish
TekshirilmaganIshonchnoma
ShubhaliJoylashuvРосія
TilBoshqa
Kanal yaratilgan sanaЧерв 14, 2019
TGlist-ga qo'shildi
Вер 25, 2024Muxrlangan guruh
ME
medstatistic_comments
27
Rekordlar
18.04.202523:59
3.6KObunachilar31.01.202523:59
400Iqtiboslar indeksi07.04.202509:25
1.4KBitta post qamrovi31.03.202509:24
1.4KReklama posti qamrovi19.10.202423:59
17.77%ER05.04.202523:59
39.73%ERR

04.04.202522:12
Какой сервис использовать для написания научного текста?
Современные ИИ-системы способны не просто извлекать данные, но и систематизировать их, проводить анализ и генерировать полноценный текст целых разделов научной работы.
Если успели познакомиться с нашей статьей по результатам исследования предпочтений мужчин и женщин, могли заметить среди используемых нами новый сервис - STORM (storm.genie.Stanford.edu). Он разработан Стэнфордским университетом и позволяет создавать детализированные, хорошо структурированные обзорные статьи.
Чем STORM отличается от других ИИ?
🔹 В отличие от универсальных ИИ (ChatGPT, Gemini) или поисковых систем (Elicit, Semantic Scholar), STORM специализируется на работе с обзорными статьями — от разработки плана и структуры до финального текста.
🔹 Автоматизирует поиск литературных источников, значительно экономя время исследователя. Важно, что STORM сканирует надежные научные источники (библиотечные базы, журналы, препринты), а не просто выдает список статей (как Consensus или Scite).
🔹 STORM самостоятельно разрабатывает план обзора, в котором выделены смысловые части, следующие друг за другом (в отличие от не связанных между собой ответов ChatGPT).
🔹 Сопоставляет разные мнения по одной и той же теме, выявляя их расхождение или согласие. Помогает связать новое исследование с ранее опубликованными работами.
🔹 Пишет качественный текст. Генерирует связные формулировки между предложениями, адаптируя стиль под академические стандарты.
🔹 Формирует ссылки на использованную литературу, учитывает стиль цитирования (APA, MLA и др.) и требования к формату, которые можно потом использовать при составлении списка литературы
Конечно, как и у любого ИИ, у STORM есть свои ограничения и риски:
🔺 Автоматически собранные данные требуют подтверждения — нейросеть может упустить нюансы запроса или включить устаревшую информацию.
🔺 Тексты «из-под пера» STORM нуждаются в доработке автором статьи, чтобы избежать шаблонных выражений, «галлюцинаций», а также и обеспечить авторский вклад в работу.
🔺 Язык интерфейса и запросов в STORM - английский
Итак, на сегодняшний день STORM — один из самых продвинутых инструментов для автоматического создания научных обзоров. Он сочетает глубокий анализ с четкой структурой. Для некоторых задач (поиск статей, проверка гипотез) могут быть полезны Elicit или Scite, но в своей нише STORM пока не имеет равных🏆
Более подробно о работе со STORM и другими не менее полезными нейросетями будем рассказывать на Мастер-классе по работе с литературой, который начинается 7 апреля.
Посмотреть подробную информацию и записаться на курс можно по ссылке: https://taplink.cc/medstatistic/p/397b8f/
Современные ИИ-системы способны не просто извлекать данные, но и систематизировать их, проводить анализ и генерировать полноценный текст целых разделов научной работы.
Если успели познакомиться с нашей статьей по результатам исследования предпочтений мужчин и женщин, могли заметить среди используемых нами новый сервис - STORM (storm.genie.Stanford.edu). Он разработан Стэнфордским университетом и позволяет создавать детализированные, хорошо структурированные обзорные статьи.
Чем STORM отличается от других ИИ?
🔹 В отличие от универсальных ИИ (ChatGPT, Gemini) или поисковых систем (Elicit, Semantic Scholar), STORM специализируется на работе с обзорными статьями — от разработки плана и структуры до финального текста.
🔹 Автоматизирует поиск литературных источников, значительно экономя время исследователя. Важно, что STORM сканирует надежные научные источники (библиотечные базы, журналы, препринты), а не просто выдает список статей (как Consensus или Scite).
🔹 STORM самостоятельно разрабатывает план обзора, в котором выделены смысловые части, следующие друг за другом (в отличие от не связанных между собой ответов ChatGPT).
🔹 Сопоставляет разные мнения по одной и той же теме, выявляя их расхождение или согласие. Помогает связать новое исследование с ранее опубликованными работами.
🔹 Пишет качественный текст. Генерирует связные формулировки между предложениями, адаптируя стиль под академические стандарты.
🔹 Формирует ссылки на использованную литературу, учитывает стиль цитирования (APA, MLA и др.) и требования к формату, которые можно потом использовать при составлении списка литературы
Конечно, как и у любого ИИ, у STORM есть свои ограничения и риски:
🔺 Автоматически собранные данные требуют подтверждения — нейросеть может упустить нюансы запроса или включить устаревшую информацию.
🔺 Тексты «из-под пера» STORM нуждаются в доработке автором статьи, чтобы избежать шаблонных выражений, «галлюцинаций», а также и обеспечить авторский вклад в работу.
🔺 Язык интерфейса и запросов в STORM - английский
Итак, на сегодняшний день STORM — один из самых продвинутых инструментов для автоматического создания научных обзоров. Он сочетает глубокий анализ с четкой структурой. Для некоторых задач (поиск статей, проверка гипотез) могут быть полезны Elicit или Scite, но в своей нише STORM пока не имеет равных🏆
Более подробно о работе со STORM и другими не менее полезными нейросетями будем рассказывать на Мастер-классе по работе с литературой, который начинается 7 апреля.
Посмотреть подробную информацию и записаться на курс можно по ссылке: https://taplink.cc/medstatistic/p/397b8f/


14.04.202505:46
В научных статьях часто встречается понятие взаимодействия факторов: interaction effects, p interaction. Тема очень интересная и важная.
Что такое взаимодействие факторов и чем оно отличается от собственно влияния факторов - постарался показать в новом посте. В конце вы сможете проверить свои знания на контрольном примере. Буду рад Вашим реакциям и комментариям!🤗
Читать пост
Что такое взаимодействие факторов и чем оно отличается от собственно влияния факторов - постарался показать в новом посте. В конце вы сможете проверить свои знания на контрольном примере. Буду рад Вашим реакциям и комментариям!🤗
Читать пост
28.03.202521:26
Как снизить вероятность ошибки первого рода при оценке доверительных интервалов для 3 групп и более?
При оценке различий 3+ групп с помощью p-значения одним из распространенных методов является поправка Бонферрони. В классическом варианте она заключается в уменьшении порога вероятности ошибки I рода α (альфа), с которым сопоставляется p, путем деления на число выполняемых сравнений между группами (обозначим его как k).
Например, у нас 3 группы исследуемых, и мы хотим сравнить их все попарно: 1 с 2, 1 с 3, 2 с 3. Получается, всего будет 3 попарных сравнения, k=3. Значит, если мы хотим оценивать различия групп с вероятностью ошибки I рода, не превышающей 5% (α=0.05), полученные p нужно будет сопоставлять не с 0.05, а с 0.05/3 = 0.017. Если p<0.017 - различия статистически значимы. Если p>0.017 - различия статистически незначимы.
А если мы оцениваем статистическую значимость различий не с помощью p, а с помощью доверительных интервалов (ДИ)? Нужно ли их корректировать?
Да! Причем для этого также подойдет поправка Бонферрони.
Например, мы рассчитываем для разности средних 95% ДИ, который соответствует α = 0.05, или 5%. Поправка Бонферрони применяется к α, которая также делится на k. Так, если мы выполняем 3 парных сравнения, 5%/3 = 1.7%. И для каждой разности средних нужно будет рассчитывать не 95% ДИ, а (100-1.7)% = 98.3% ДИ.
ДИ, скорректированные по Бонферрони, конечно, будут шире, чем исходные. Поэтому будет сложнее получить ситуацию, когда ДИ не пересечет границу нулевой значимости, и тем сложнее будет совершить ошибку I рода - ошибочно выявить различия, которых на самом деле нет. А значит, выводы станут более точными.
Есть ли примеры такой коррекции ДИ?
Сколько угодно! К этому посту подобрали 2 примера из научных статей:
1️⃣ В статье D.P.Bui et al. Veterans at High Risk for Post–COVID-19 Suicide Attempts or Other Self-Directed Violence (JAMA Netw Open. 2025;8(3):e250061. doi:10.1001/jamanetworkopen.2025.0061) авторы сопоставляли риски самоповреждающего поведения между 5 группами исследуемых. Все группы сравнивались попарно, поэтому k=10. Вместо 95% ДИ для отношения рисков рассчитывались (100-5/10) = 99.5% ДИ.
2️⃣ В статье R.Croop et al. Zavegepant nasal spray for the acute treatment of migraine… (Headache, 2022. 62(9):1153-1163. doi: 10.1111/head.14389) авторы сравнивали 3 экспериментальные группы пациентов, принимавших разные дозы препарата, с группой плацебо-контроля. Получилось всего 3 сравнения. Вместо 95% ДИ для частоты достижения конечных точек рассчитывались 98.3% ДИ.
Вначале кажется, что все правильно, однако на самом деле к этому примеру есть вопросы. Для оценки различий между группами здесь использовались p, а не ДИ. Зачем в таком случае корректировать ДИ - непонятно. Поправка применяется только для оценок значимости различий.
Например, в первом исследовании тоже рассчитывались частоты событий в каждой из групп, но при этом использовались обычные 95% ДИ.
Выводы:
🔹 При определении ДИ для оценок различий между 3 и более группами, сравниваемых попарно, применяем поправку Бонферрони: рассчитываем (100-α/k)% ДИ.
🔹 Поправку Бонферрони применяем к ДИ для оценок эффекта: относительного риска, отношений шансов, разницы средних, разницы рисков и т.д.
🔹 К ДИ для описательных данных: средних значений показателя, частот события в каждой группе - поправку не применяем.
При оценке различий 3+ групп с помощью p-значения одним из распространенных методов является поправка Бонферрони. В классическом варианте она заключается в уменьшении порога вероятности ошибки I рода α (альфа), с которым сопоставляется p, путем деления на число выполняемых сравнений между группами (обозначим его как k).
Например, у нас 3 группы исследуемых, и мы хотим сравнить их все попарно: 1 с 2, 1 с 3, 2 с 3. Получается, всего будет 3 попарных сравнения, k=3. Значит, если мы хотим оценивать различия групп с вероятностью ошибки I рода, не превышающей 5% (α=0.05), полученные p нужно будет сопоставлять не с 0.05, а с 0.05/3 = 0.017. Если p<0.017 - различия статистически значимы. Если p>0.017 - различия статистически незначимы.
А если мы оцениваем статистическую значимость различий не с помощью p, а с помощью доверительных интервалов (ДИ)? Нужно ли их корректировать?
Да! Причем для этого также подойдет поправка Бонферрони.
Например, мы рассчитываем для разности средних 95% ДИ, который соответствует α = 0.05, или 5%. Поправка Бонферрони применяется к α, которая также делится на k. Так, если мы выполняем 3 парных сравнения, 5%/3 = 1.7%. И для каждой разности средних нужно будет рассчитывать не 95% ДИ, а (100-1.7)% = 98.3% ДИ.
ДИ, скорректированные по Бонферрони, конечно, будут шире, чем исходные. Поэтому будет сложнее получить ситуацию, когда ДИ не пересечет границу нулевой значимости, и тем сложнее будет совершить ошибку I рода - ошибочно выявить различия, которых на самом деле нет. А значит, выводы станут более точными.
Есть ли примеры такой коррекции ДИ?
Сколько угодно! К этому посту подобрали 2 примера из научных статей:
1️⃣ В статье D.P.Bui et al. Veterans at High Risk for Post–COVID-19 Suicide Attempts or Other Self-Directed Violence (JAMA Netw Open. 2025;8(3):e250061. doi:10.1001/jamanetworkopen.2025.0061) авторы сопоставляли риски самоповреждающего поведения между 5 группами исследуемых. Все группы сравнивались попарно, поэтому k=10. Вместо 95% ДИ для отношения рисков рассчитывались (100-5/10) = 99.5% ДИ.
2️⃣ В статье R.Croop et al. Zavegepant nasal spray for the acute treatment of migraine… (Headache, 2022. 62(9):1153-1163. doi: 10.1111/head.14389) авторы сравнивали 3 экспериментальные группы пациентов, принимавших разные дозы препарата, с группой плацебо-контроля. Получилось всего 3 сравнения. Вместо 95% ДИ для частоты достижения конечных точек рассчитывались 98.3% ДИ.
Вначале кажется, что все правильно, однако на самом деле к этому примеру есть вопросы. Для оценки различий между группами здесь использовались p, а не ДИ. Зачем в таком случае корректировать ДИ - непонятно. Поправка применяется только для оценок значимости различий.
Например, в первом исследовании тоже рассчитывались частоты событий в каждой из групп, но при этом использовались обычные 95% ДИ.
Выводы:
🔹 При определении ДИ для оценок различий между 3 и более группами, сравниваемых попарно, применяем поправку Бонферрони: рассчитываем (100-α/k)% ДИ.
🔹 Поправку Бонферрони применяем к ДИ для оценок эффекта: относительного риска, отношений шансов, разницы средних, разницы рисков и т.д.
🔹 К ДИ для описательных данных: средних значений показателя, частот события в каждой группе - поправку не применяем.
26.03.202515:47
Ура! Готова первая статья от нашей Лаборатории «несерьезных» исследований!🎉
Напомню, что 10 марта мы запустили опрос на наших площадках в соцсетях, посвященный человеческим предпочтениям. Спасибо всем, кто принял в нем участие!🤗
Мы решили сравнить мужчин и женщин по предпочтениям в еде, культурных мероприятиях, видах спорта и т.д. Получились довольно-таки интересные результаты.
Но, мне кажется, самое важное, что полученные результаты мы смогли оформить в полноценную статью. Причем потратили на это всего пару часов! В этом нам помогли современные средства: электронные анкеты, статистические программы и, конечно, большие языковые модели (Large language models - LLM).
🔹Введение и обсуждение со списком источников были полностью сгенерированы искусственным интеллектом - LLMs Perplexity и STORM. Мы только убирали лишнее и слегка корректировали связки между предложениями. Перевод с английского на русский выполняли с помощью LLM DeepSeek.
🔹Название статьи, цель и описание материалов и методов - написаны человеком, то есть авторами статьи.
🔹Результаты анализа были почти полностью получены и описаны программой StatTech, диаграмму с ОШ построили в SPSS.
Теперь осталось самое главное: пристроить эту статью в максимально приличный журнал. Как вариант, разместим ее в базе пре-принтов.
❗️А всех, кто хочет научиться работать с LLM и другими полезными инструментами при написании текстовой части научных статей - ждем на мастер-классе по работе с литературой, который стартует уже 7 апреля!
Напомню, что 10 марта мы запустили опрос на наших площадках в соцсетях, посвященный человеческим предпочтениям. Спасибо всем, кто принял в нем участие!🤗
Мы решили сравнить мужчин и женщин по предпочтениям в еде, культурных мероприятиях, видах спорта и т.д. Получились довольно-таки интересные результаты.
Но, мне кажется, самое важное, что полученные результаты мы смогли оформить в полноценную статью. Причем потратили на это всего пару часов! В этом нам помогли современные средства: электронные анкеты, статистические программы и, конечно, большие языковые модели (Large language models - LLM).
🔹Введение и обсуждение со списком источников были полностью сгенерированы искусственным интеллектом - LLMs Perplexity и STORM. Мы только убирали лишнее и слегка корректировали связки между предложениями. Перевод с английского на русский выполняли с помощью LLM DeepSeek.
🔹Название статьи, цель и описание материалов и методов - написаны человеком, то есть авторами статьи.
🔹Результаты анализа были почти полностью получены и описаны программой StatTech, диаграмму с ОШ построили в SPSS.
Теперь осталось самое главное: пристроить эту статью в максимально приличный журнал. Как вариант, разместим ее в базе пре-принтов.
❗️А всех, кто хочет научиться работать с LLM и другими полезными инструментами при написании текстовой части научных статей - ждем на мастер-классе по работе с литературой, который стартует уже 7 апреля!


06.04.202519:49
Влияет ли возраст (и кое-что ещё) на качество и длительность брака?
Новый опрос в Лаборатории «несерьезных» исследований!
Насколько крепким и счастливым может быть брак, если муж сильно старше жены? А если жена старше мужа? Есть ли «волшебная» возрастная разница, при которой вероятность счастливого брака будет максимальной? В каком возрасте лучше заключить брак? И главный вопрос: влияет ли «красивая» дата на качество брака?!
Попробуем ответить на эти вопросы с помощью Лаборатории «несерьезных» исследований!
Если Вы находитесь в браке или были когда-то, просим ответить на 12 вопросов нашей анонимной анкеты.
Если у Вас было несколько браков, можете ответить несколько раз по той же ссылке, для каждого из них.
Мы будем благодарны, если Вы перешлете этот пост или ссылку для участия в опросе коллегам, родственникам или друзьям!
Чем больше ответов мы получим, тем надежнее будут результаты анализа.
Большое спасибо всем за участие! Ответы будут приниматься до 13 апреля.
А результаты исследования будут опубликованы в срок до 20 апреля в ТГ-канале @medstatistic_ru
Принять участие в опросе можно по этой ссылке
Новый опрос в Лаборатории «несерьезных» исследований!
Насколько крепким и счастливым может быть брак, если муж сильно старше жены? А если жена старше мужа? Есть ли «волшебная» возрастная разница, при которой вероятность счастливого брака будет максимальной? В каком возрасте лучше заключить брак? И главный вопрос: влияет ли «красивая» дата на качество брака?!
Попробуем ответить на эти вопросы с помощью Лаборатории «несерьезных» исследований!
Если Вы находитесь в браке или были когда-то, просим ответить на 12 вопросов нашей анонимной анкеты.
Если у Вас было несколько браков, можете ответить несколько раз по той же ссылке, для каждого из них.
Мы будем благодарны, если Вы перешлете этот пост или ссылку для участия в опросе коллегам, родственникам или друзьям!
Чем больше ответов мы получим, тем надежнее будут результаты анализа.
Большое спасибо всем за участие! Ответы будут приниматься до 13 апреля.
А результаты исследования будут опубликованы в срок до 20 апреля в ТГ-канале @medstatistic_ru
Принять участие в опросе можно по этой ссылке
23.03.202515:29
🌟 Уважаемые коллеги, добрый день!
Хотим анонсировать крупное мероприятие Академии, которое будет проведено совместно с Самарским Государственным Медицинским Университетом.
Онлайн-школа: «Доказательная медицина - тренд или необходимый инструмент в руках современного врача?»
📅 Когда: 24 апреля 2025 г., 14:00-16:50 (UTC +3)
🎥 Информация о трансляции будет анонсирована позже в нашем ТГ канале
🔥Мы собрали ведущих экспертов, которые просто и понятно расскажут:
💬О критической оценке научных публикаций (Марцевич С.Ю., Москва);
💬О когнитивных искажениях в принятии врачебных решений (Макарова Д.Д., Москва);
💬О чек-листе необходимых знаний в области биостатистики (Марапов Д.И., Казань);
💬О работе центра доказательной медицины и биостатистики СамГМУ (Рубаненко О.А., Самара);
💬О статистических ошибках в диссертационных работах (Перстнёва Н.П., Самара);
💬О том, почему надо исходить из гипотезы, а не выборочного распределения? (Бурлов Н.Н., Нижний Тагил);
💬О научном маркетинге (Майорова Е.М., Москва);
💬О плане научной работы и почему его важно публиковать до набора пациентов? (Мареев Ю.В., Москва);
💬О том, как создать электронные ИРК в исследовании (Суворов А.Ю., Москва);
💬О конечных точках в исследованиях (Навасардян А.Р., Москва).
👨🏫 Модераторами будут выступать проф. Давыдкин Игорь Леонидович и проф. Марцевич Сергей Юрьевич.
✨ Дискуссия и ответы на ваши вопросы включены!
👨⚕️ Присоединяйтесь, если хотите стать профи в доказательной медицине и проводить собственные исследования!
Отдельное спасибо хотим сказать центру доказательной медицины и биостатистики СамГМУ в лице Олеси Анатольевны Рубаненко
👨🏫 Читайте. Думайте. Делитесь. Создавайте.
ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты
Хотим анонсировать крупное мероприятие Академии, которое будет проведено совместно с Самарским Государственным Медицинским Университетом.
Онлайн-школа: «Доказательная медицина - тренд или необходимый инструмент в руках современного врача?»
📅 Когда: 24 апреля 2025 г., 14:00-16:50 (UTC +3)
🎥 Информация о трансляции будет анонсирована позже в нашем ТГ канале
🔥Мы собрали ведущих экспертов, которые просто и понятно расскажут:
💬О критической оценке научных публикаций (Марцевич С.Ю., Москва);
💬О когнитивных искажениях в принятии врачебных решений (Макарова Д.Д., Москва);
💬О чек-листе необходимых знаний в области биостатистики (Марапов Д.И., Казань);
💬О работе центра доказательной медицины и биостатистики СамГМУ (Рубаненко О.А., Самара);
💬О статистических ошибках в диссертационных работах (Перстнёва Н.П., Самара);
💬О том, почему надо исходить из гипотезы, а не выборочного распределения? (Бурлов Н.Н., Нижний Тагил);
💬О научном маркетинге (Майорова Е.М., Москва);
💬О плане научной работы и почему его важно публиковать до набора пациентов? (Мареев Ю.В., Москва);
💬О том, как создать электронные ИРК в исследовании (Суворов А.Ю., Москва);
💬О конечных точках в исследованиях (Навасардян А.Р., Москва).
👨🏫 Модераторами будут выступать проф. Давыдкин Игорь Леонидович и проф. Марцевич Сергей Юрьевич.
✨ Дискуссия и ответы на ваши вопросы включены!
👨⚕️ Присоединяйтесь, если хотите стать профи в доказательной медицине и проводить собственные исследования!
Отдельное спасибо хотим сказать центру доказательной медицины и биостатистики СамГМУ в лице Олеси Анатольевны Рубаненко
👨🏫 Читайте. Думайте. Делитесь. Создавайте.
ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты
27.03.202504:43
Если лень читать всю статью из предыдущего поста, можно посмотреть только эту визуализацию)
Ko'proq funksiyalarni ochish uchun tizimga kiring.