РАМН
olga@neurology.med.ru
www.neurology.ru
(095) 490 2038
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Проблемы анализа данных в медико-биологических исследованиях. StatSoft Russia презентация
Содержание
- 1. Проблемы анализа данных в медико-биологических исследованиях. StatSoft Russia
- 2. Биология – статистика не нужна: если Вам
- 3. Доказательная медицина - клиническая эпидемиология Минимизация
- 4. Что может статистика? Статистическое оценивание Проверка гипотез Статистическое моделирование Придать исследованию наукообразность
- 5. Что статистика не может? Улучшить выборку Оценить
- 6. Почему статистика трудна для врачей? Специальная терминология
- 7. Проблемы возникают на разных этапах исследования: Постановка
- 8. I. Постановка задачи Garbage in, garbage out
- 9. II. Подготовка данных Разбиение области значений
- 10. III. Проверка данных Ошибки набора Артефакты Выпадающие значения
- 11. IV. Выбор методов статистического анализа Типы данных
- 12. V. Интерпретация результатов Отсутствие достоверных результатов не
- 13. VI. Представление результатов «Единые требования к статьям,
Биология – статистика не нужна: если Вам нужна статистика для анализа данных эксперимента, то Ваш эксперимент плох (слабый эффект, гетерогенность выборки). Медицина – статистика нужна: поиск относительно небольших различий
Слайд 1Некоторые проблемы
анализа данных в медико-биологических исследованиях
О. Реброва
канд. мед. наук
НИИ неврологии
Слайд 2Биология – статистика не нужна:
если Вам нужна статистика для анализа данных
эксперимента, то Ваш эксперимент плох (слабый эффект, гетерогенность выборки).
Медицина – статистика нужна:
поиск относительно небольших различий (обычно не более 20%) при значительных вариабельности данных и неточности измерений.
Медицина – статистика нужна:
поиск относительно небольших различий (обычно не более 20%) при значительных вариабельности данных и неточности измерений.
Слайд 3Доказательная медицина - клиническая эпидемиология
Минимизация систематических ошибок вследствие отбора, измерения, вмешивающихся
факторов
(адекватный дизайн исследования)
Минимизация случайных ошибок (корректный статистический анализ)
Российское отделение Кокрановского Сотрудничества - www.cochrane.ru
(адекватный дизайн исследования)
Минимизация случайных ошибок (корректный статистический анализ)
Российское отделение Кокрановского Сотрудничества - www.cochrane.ru
Слайд 4Что может статистика?
Статистическое оценивание
Проверка гипотез
Статистическое моделирование
Придать исследованию наукообразность
Слайд 5Что статистика не может?
Улучшить выборку
Оценить неизвестные признаки
Исправить ошибки в измерениях
Дать интерпретацию
результатов
Слайд 6Почему статистика трудна для врачей?
Специальная терминология
Необходимость абстрактного мышления
Сложность вычислений
Переоценка возможностей статистики
Слайд 7Проблемы возникают на разных этапах исследования:
Постановка задачи
Подготовка данных к анализу
Проверка данных
Выбор
методов статистического анализа
Интерпретация результатов
Представление результатов
Интерпретация результатов
Представление результатов
Слайд 8I. Постановка задачи
Garbage in, garbage out
Никакая статистическая обработка данных не
может устранить неизвестную систематическую ошибку
Проверка гипотез (первичный анализ данных) или выдвижение гипотез (вторичный анализ - post hoc analysis - data dredging)
Проверка гипотез (первичный анализ данных) или выдвижение гипотез (вторичный анализ - post hoc analysis - data dredging)
Слайд 9II. Подготовка данных
Разбиение области значений на интервалы, округление и точность
Предварительные расчеты
Использование
стандартных шкал для клинических признаков
Пропущенные значения
Выбор объекта наблюдений
Контрольные группы
Интервал нормы
Пропущенные значения
Выбор объекта наблюдений
Контрольные группы
Интервал нормы
Слайд 11IV. Выбор методов статистического анализа
Типы данных
Вид распределения
Одно- и двусторонние тесты
Связанные и
несвязанные выборки
Проблема множественных сравнений (алгоритмы, выбор уровня Р)
Хи-квадрат или ТКФ
Корреляция или регрессия
Проблема множественных сравнений (алгоритмы, выбор уровня Р)
Хи-квадрат или ТКФ
Корреляция или регрессия
Слайд 12V. Интерпретация результатов
Отсутствие достоверных результатов не является подтверждением нулевой гипотезы
Корреляционная связь
– не причинно-следственная
Валидизация многомерных моделей
Data dredging (post hoc analysis)
Соотношение статистической и клинической значимости
Очень большие и очень маленькие выборки
Суррогатные исходы и конечные точки
Валидизация многомерных моделей
Data dredging (post hoc analysis)
Соотношение статистической и клинической значимости
Очень большие и очень маленькие выборки
Суррогатные исходы и конечные точки
Слайд 13VI. Представление результатов
«Единые требования к статьям, представляемым в международные биомедицинские журналы»
(Межд. журнал мед. практики, 1997, N 5, с. 53-64)
Число наблюдений для каждого признака
Описательная статистика -
M+SD, Me (LQ;UQ), % (n/N)
Точность результатов (оценки, Р)
ДИ (для основных результатов исследования) и Р
Указание на использованные стат. методы
Указание на использованный стат. пакет
Число наблюдений для каждого признака
Описательная статистика -
M+SD, Me (LQ;UQ), % (n/N)
Точность результатов (оценки, Р)
ДИ (для основных результатов исследования) и Р
Указание на использованные стат. методы
Указание на использованный стат. пакет
