انجمن علمی - پژوهشی نیوان – Telegram
انجمن علمی - پژوهشی نیوان
1.85K subscribers
148 photos
3 videos
9 files
37 links
✳️ انجمن علمی - پژوهشی نیوان با هدف گسترش مرزهای علمی دانشجویان این سرزمین فعالیت می کند.

در این راه انجمن از تمامی امکانات و اساتید لازم در حوزه های مختلف بدون توجه به جغرافیا استفاده می کند.

ارتباط با ما: @NivanAssociation_admin
Download Telegram
⭐️ کور کردن (blindness)

اعتماد بیمار به پزشک و روش درمانی، تلقی او نسبت به درمان، شرایط خارجی و ظاهر دارو از عواملی است که در پاسخ غیر اختصاصی بیمار به دارو تاثیر می گذارند. از سوی دیگر نحوه تلقی درمانگر و نظر او نسبت به فرایند درمانی نیز بر روی نظر درمانگر نسبت به وضعیت بیمار موثر است. در کارآزمایی های بالینی سعی بر این است که این تاثیر پذیری ها به حداقل برسند تا اثرات فارماکولوژیک داروها بطور خالص موردبررسی قرار گیرند. به همین منظور روشی که در کارآزمایی های بالینی بکار گرفته می شود، روش کور کردن است. درصورتیکه بیمار، درمانگر و آماردان هرسه از روش درمانی یا مداخله بی اطلاع باشند، مطالعه سه کور است. درصورتیکه پزشک معاینه کننده و بیمار از داروی تجویز شده بی خبر بوده و هیچ ایده قبلی نسبت به آن نداشته باشند مطالعه دوسوکور است و بالاخره درمواردی که به دلیل محدودیت تکنیکی فقط امکان کور کردن یکی از طرفین وجود داشته باشد کارآزمایی یک سوکور مورداستفاده قرار می گیرد.

🆔@NivanAssociation
⭐️ مطالعات سیستماتیک ریویو و متاآنالیز

نوعی مطالعه secondary است، یعنی روی مطالعات اولیه مطالعه انجام می دهند. با یک ریویو نظام مند بر روی تمام مطالعات انجام شده تا حد امکان در یک موضوع، نوشتن ریویو و جمع آوری اطلاعات مربوط به آن ها شروع شده که به این نوع مطالعه، سیستماتیک ریویو اطلاق می شود.
سپس با ریختن نتایج آن ها بر روی هم و انجام تحلیل و برروی نتایج جمع آوری شده مطالعات متاآنالیز شکل می گیرد که بالاترین سطح اعتبار را دارد.
از روی نتایج این نوع مطالعات guideline practice clinical ها نوشته می شود به طوری که تاثیر هر دارو یا درمان در آن
بررسی می شود.

🆔@NivanAssociation
2.pdf
916.8 KB
⭐️ نام مقاله:
A prediction model for childhood obesity risk using the machine learning method: a panel study on Korean children

🆔@NivanAssociation
انجمن علمی - پژوهشی نیوان
2.pdf
کلمات اختصاری: machine learning (ML) ، Body Mass Index (BMI)

کلیت مقاله: کودکان کم سن و سال به طور فزاینده ای در حال چاق شدن هستند، زیرا هم درمعرض افزایش مصرف غذاهای فراوری شده و هم کاهش فعالیت قرار دارند. ادراک و نوع تربیت مادرانه مادران میتواند بر روی توانایی کودکان در ثبات وزن بسیار اثرگذار باشد. این مطالعه، یک مدل پیشگو برای پیش بینی چاقی کودکان در ده سالگی را توسعه داده است و ریسک فاکتور های مرتبط را با استفاده از متود های ML در این مدل گنجانده است.
داده ها از ۱۱۸۵ کودک و مادران آنها (توسط Korean National Study) تهیه شده است.
این مدل پیشگو، بر اساس ده ریسک فاکتور در دو گوره تهیه شده است:

۱. مرتبط با کودکان: مثل جنسیت ، عادت های غذایی، فعالیت بدنی و BMI قبلی کودک
۲. مرتبط با مادران: مثل سطح تحصیلات، BMI و self-esteemed مادرانه
این مدل پیشگو با accuracy (صحت) ۷۶% و AUC برابر با ۰.۸۲ مورد تایید قرار گرفته است.

همچنین در این مطالعه مشاهده شد که به غیر از BMI قبلی بالا در کودک و مادر، فعالیت بدنی کم در کودکان و همچنین self-esteem بالاتر در مادران، ریسک فاکتور های بسیار مهمی بودند. (خصوصا این مطالعه بر روی  بحث شخصیت و عزت مادرانه مادران (self-esteem) بسیار تاکید دارد)
در انتهای مطالعه ذکر شده است که این مطالعه به تنهایی کافی نیست و مطالعات دیگری لازم است تا بتوان استراتژی های موثرتری را برای غربالگری کودکان در معرض خطر چاقی، توسعه داد.

🆔@NivanAssociation
⭐️ مفهوم maternal self-esteem
یک مفهوم شخصیتی در مادران می باشد که در حقیقت می توان آن را تنظیم رفتار مادر به سمت رفتار مادرانه و همچنین اعتماد به نفس مادر به توانایی های خود در تربیت کودک و تعامل با کودک دانست. شاید در فارسی آن را بتوان عزت نفس مادرانه ترجمه کرد. برای فهم بهتر این مفهوم مقاله زیر پیشنهاد می شود.

Maternal self-esteem: from theory to clinical practice in a special care nursery - PubMed
https://pubmed.ncbi.nlm.nih.gov/10122429/

🆔@NivanAssociation
معیارهای ورود و خروج از مطالعات
افرادی که برای مطالعه انتخاب می شوند باید دارای یک سری خصوصیت باشند و همچنین فاقد یکسری ویژگی ها که به این خصوصیات معیار های ورود گفته می شود. برای مثال در یک تحقیق ممکن است بکار بردن یک دارو برای زنان باردار خطرناک باشد که بدین ترتیب باردار بودن یک معیار ورود منفی می باشد و همچنین ممکن است این تحقیق بر روی زنان بالای 50 سال انجام شود که سن بالاتر از 50 سال نیز یک معیار ورود مثبت خواهد بود.
همچنین ممکن است بعضی از حالات خاص باعث خروج بیمار موردنظر از تحقیق گردد مثلا در تحقیق "مقایسه اثر پماد جلدی پیروکسیکام و اسانس سالویا در درمان استئوآرتریت زانو" ایجاد ضایعات جلدی دراثر حساسیت به هریک از موارد فوق باعث خروج بیمار از تحقیق می گردد. به اینگونه معیارها، معیارهای خروج می گویند. محقق می بایست قبل از شروع یک کارآزمایی بالینی معیارهای ورود و خروج افراد موردپژوهش را پس از مرور متون دقیقا مشخص نماید.

🆔@NivanAssociation
⭐️ مطالعات گزارش - موارد (case-series)

تعریف و ویژگی: اگر به جای یک تا پنج مورد، ده الی سی مورد نامعمول که احتمالا با یکدیگر مرتبط هم هستند بررسی شود،
گزارش موارد انجام می شود. همانند مطالعات گزارش موردی تاکید بر مشاهده منفرد و دقیق تک تک موارد است. هیچ آنالیز و تحلیل آماری وجود ندارد.

معمولا در مقالات مروری اولین رده ای که قابلیت بررسی در مقالات مروری را دارد این نوع مطالعه ها هستند

دقت کنید که در مطالعات report case و series case طراحی خاصی وجود ندارد.


🆔@NivanAssociation
⭕️ P Value

حتما بسیار شنیده اید یا در مقالات خوانده اید که این فرضیه از نظر آماری قابل توجه یا به اصطلاح significant است اما معیار این حرف چیست و خود این معیار چه مفهومی دارد؟

از نظر اماری چیزی وجود دارد به نام فرضیه خنثی یا صفر یا null hypotesis این فرضیه دقیقا معکوس فرضیه محقق است و میگوید بین دو متغیر ما هیچ ارتباطی نیست
ما با p value احتمال درست بودن فرضیه صفر یا به طور ساده تر شانسی درست بودن فرضیه محقق رو اعلام میکنیم
به طور اماری و براساس توزیع نرمال در صورت کوچک تر بودن p value از ۵ درصد احتمال درست بودن فرضیه محقق بالاست و تفاوت معنی دار است
گاها در موارد خاص حد معنی داری ۱ درصد در نظر گرفته می شود اما به طور معمول همان ۵ درصد ملاک است
در نمودارها و تصاویر حد پنج درصد با یک ستاره، حد یک درصد با دو ستاره و حد یک دهم درصد با سه ستاره مشخص میشود

❗️نکته حائز اهمیت این است که p value برای یک فرضیه و محاسبه است و ابزار مقایسه بین دو فرضیه نیست

🆔️@NivanAssociation
⭐️ معرفی مطالعات هم گروهی (Cohort)

💬 تعریف و ویژگی: مطالعات کوهورت که به آن ها مطالعات پیگیری نیز می گویند، گروهی از مطالعات تحلیلی هستند. واژه کوهورت را اپیدمیولوژیست ها برای گروهی از افراد که از نظر یک خصوصیت مشترک می باشند و به دلیل آن خصوصیت در طول دوره زمانی تحت نظر محقق قرار می گیرند، بکار می بردند. در این نوع مطالعه از علت به سمت معلول حرکت می کنیم، بنابراین به آن آینده نگر یا prospective نیز می گویند. در یک مطالعه هم گروهی، گروهی از افراد
مواجهه یافته، به همراه گروهی از افراد مواجهه نیافته، درطول یک دوره زمانی پیگیری می شوند و در پایان دوره بروز بیماری (پیامد) در دو گروه با یکدیگر مقایسه می شوند. در اینجا risk relative بررسی می شود.

🆔@NivanAssociation
⭐️ How To Choose A Topic

🆔@NivanAssociation
⭐️ معرفی مطالعات retrospective cohort یا Historical cohort

همان مطالعه prospective است که درگذشته انجام شده است. یعنی مطالعه براساس پرونده مریض ها در ده سال گذشته انجام شده است. در این نوع مطالعه از علت به سمت معلول حرکت می شوند.

📖 مراحل انجام مطالعه کوهورت
1️⃣ انتخاب هم گروه
2️⃣ تعیین گروه افراد مواجهه یافته و نیافته
3️⃣ پیگیری افراد دو گروه
4️⃣ تعیین و مقایسه پیامد در افراد گروه های مواجهه یافته و مواجهه نیافته

🟢 نقاط قوت
1️⃣ امکان بررسی مواجهه های نادر
2️⃣ نتایج دقیق تر مطالعه
3️⃣ احتمال سوگرایی کمتر
4️⃣ امکان بررسی تقدم زمانی بین مواجهه و پیامد
5️⃣ امکان محاسبه بروز پیامدها در گروه مواجهه یافته و مواجهه نیافته

🔴 نقاط ضعف
1️⃣ هزینه و وقت زیاد
2️⃣ زیاد بودن جمعیت مورد مطالعه
3️⃣ از دست دادن افراد درطول مطالعه
4️⃣ تغییر عادات در طول مطالعه (اثر هاتورن)

🆔@NivanAssociation
https://www.nature.com/articles/s41586-021-04278-5.pdf

⭐️ نام مقاله:
Multi-omic machine learning predictor of breast cancer therapy response

🆔@NivanAssociation
کلیت مقاله: سرطان سینه در حقیقت یک اکوسیستم پیچیده از سلولهای ملیگننت یا بدخیم است. ترکیب اکوسیستم این تومورها و ارتباطات بین آنها و سلول های آنها می تواند به ما در پاسخ این بیماری به سایتوتوکسیک تراپی کمک بکند. مدل های پیشگویی که تا به الان پاسخ به این درمان را پیش بینی می کردند شامل این معیار نمی شدند. در این تحقیق، ۱۶۹ بیمار قبل از آغاز درمان مورد مطالعه قرار گرفته و از اطلاعاتی شامل پرونده کلینیکی، پاتولوژی، ژنتیکی و همچنین اطلاعات رونویسی RNA ها که از بیوپسی آنها تهیه شده بود، استفاده شده است. این بیماران در ادامه به وسیله کموتراپی تحت درمان و تا قبل از جراحی مورد ارزیابی قرار می گیرند.
نتیجه پاتولوژی بعد جراحی، با بسیاری از دیتا های بیوپسی های تشخیصی ابتدایی، همبستگی دارد. این مطالعه در حقیقت نشان می دهد که پاسخ به درمان در این بیماری، با زیست بوم تومورها قبل از آغاز درمان مرتبط است و این فاکتور های مرتبط با هم می توانند در مدل های پیشگو با استفاده از متود های ML، با هم ترکیب شوند. میزان باقیمانده بیماری در بدن بعد از درمان، همواره تحت الگوی مشخصی با فاکتورها و ویژگی های قبل درمان مرتبط است مثل جهش ها و میوتیشن های تومور و تعداد جایگاه های رونویسی، پرولیفراسیون تومور، عدم عملکرد مناسب T سل ها و ... (که در مقاله موارد دیگری هم توضیح داده شده است)
با ترکیب این فاکتورها توانستیم یک مدل ML پیچیده چندفاکتوره را طراحی بکنیم که توانست به صورت کامل پاتولوژی پاسم به درمان را در ۷۵ مورد پیش بینی بکند و همچنین در کل تحقیق توانست آمار AUC برابر با ۰.۸۷ را از خود نشان دهد.

💬 نتیجه: پاسخ به درمان به وسیله ویژگی های کاراکتریستیک ابتدایی از اکوسیستم تومور مشخص می شود که این مطالعه به خوبی توانسته این فاکتور ها را در یک مدل پیشگو بر پایه ی ML قرار دهد. این مدل میتواند برای پیشگویی پاسخ به درمان سایر سرطان ها هم مورد ارزیابی قرار بگیرد.

🆔@NivanAssociation
⭐️ جدیدترین مقالات منتشر شده در حوزه پزشکی و بالینی

وب سایت زیر جدیدترین مقالات چاپ شده با کلمات کلیدی مدنظر شما در مجلات مورد نظرتان را نشان می دهد

🌐 https://www.readbyqxmd.com

🆔@NivanAssociation
⭐️ معرفی مطالعات مقطعی - توصیفی (denoscriptive cross-sectional)

💬 تعریف و ویژگی: مطالعات مقطعی که به عنوان مطالعه شیوع یا مطالعه توصیفی- تحلیلی نیز خوانده می شود، معموال شامل یک نمونه گیری تصادفی از جامعه هدف است. این مطالعات به شکل یک عکس فوری از رویداد یک بیماری و وضعیت مواجهه در یک جمعیت انجام می شود و توزیع فراوانی متغیرهای مختلف را در یک جمعیت و در یک لحظه از زمان بررسی می کند. در این نوع مطالعه ارتباط بررسی می شود ولی علت و معلولی بررسی نمی شود.

🟢 نقاط قوت
1️⃣ این مطالعات در مدت زمان کوتاه و با هزینه کم انجام می شوند.
2️⃣ مشکل از دست دادن نمونه ها را نداریم درحالی که در مطالعاتی که نیاز به پیگیری بیماران درطول زمان دارند این مشکل همواره وجود دارد.
3️⃣ با استفاده از این مطالعات می توان شیوع لحظه ای مواجهه و پیامد را به دست آورد.
4️⃣ هیچکس با یک عامل خطر احتمالی مواجهه ندارد یا از یک عامل مفید احتمالی محروم نمی شود.

🔴 نقاط ضعف
1️⃣ رابطه علیتی به درستی مشخص نمی شود.
2️⃣ نمی توان بروز بیماری ها را محاسبه کرد. محاسبه بروز بیماری ها در تعیین رابطه علت و معلولی بین مواجهه و پیامد نقش موثری دارد.
3️⃣ در مواردی که مواجهه یا پیامد نادر است، انجام مطالعات مقطعی مشکل می شود.

🆔@NivanAssociation
https://www.nature.com/articles/s41467-022-28421-6.pdf

⭐️ نام مقاله:
Machine learning-based integration develops an immune-derived lncRNA signature for improving outcomes in colorectal cancer

🆔@NivanAssociation
💬 کلیت مقاله: در مطالعات اخیر به تازگی دریافته اند که IncRNA ها (non-coding RNA های بلند) در فرآیند های درمانی و اصلاحی ایمونولوژیک در سرطان کولورکتال (CRC) موثرند. با این حال مطالعات کلینیکال مرتبط با ایمونولوژی در زمینه IncRNA کم بوده و بسیاری از مباحث در این زمینه هنوز کشف نشده است. در این مطالعه، یک پروسه یکپارچه برپایه ML برای ساخت آثار ایمونولوژی مرتبط با IncRNA ها به نام IRLS توسعه داده شده است. IRLS در حقیقت یک ریسک فاکتور با قدرت بالا برای میزان بقا و احتمال پایدار شدن بیمار است ولی قدرت محدودی در پیش بینی بقای بدون عود بیماران دارد. به علاوه IRLS به صورت مجزا، accuracy (صحت) بالاتری به نسبت ۱۰۹ متغیر شامل متغیر های کلینیکی مرسوم و ویژگی های مولکولی را دارد. به دست آوردن گروه های با ریسک زیاد و کم از این جهت مهم است که گروه high risk به کموتراپی بر پایه فلورواوراسیل حساسیت دارد درحالیکه گروه low risk بیشتر از درمان با bevacizumab منفعت میبرد. نکته قابل توجه این است که گروه low risk، انفیلتراسیون قابل توجه لنفوسیتی، بیان بالای CD8A و PD-L1 و همچنین پاسخ به درمان با pembrolizumab‌ را از خود نشان می دهد.

💬 نتیجه: مدل IRLS میتواند به عنوان یک ابزار قدرتمند برای بهتر شدن نتایج بالینی در بیماران CRC، مورد استفاده قرار گیرد.

🆔@NivanAssociation
⭐️ Umbrella Diagram

یک قالب ساده و منحصر به فرد است که آماده استفاده در ارائه های پاورپوینت برای ارتقای کسب و کار است. چتر نماد امنیت در شرایط آب و هوایی سخت است. این استعاره از امنیت می تواند به خوبی در هنگام نشان دادن مزایای پایبندی به سازمان شما به ذینفعان به کار رود. این الگو همچنین می تواند برای معرفی خطراتی استفاده شود که پس از تصمیم گیری احتمال وقوع آنها محتمل است و باید از آنها جلوگیری شود.

🆔@NivanAssociation
⭐️ کلیت مقاله: سرطان تخمدان یکی از شایع ترین بدخیمی های ژنیکولوژیک است که بعد از سرطان سرویکس (دهانه رحم) و سرطان رحم در جایگاه سوم قرار دارد. HGSOC (high-grade serous ovarian cancer) یکی از تهاجمی ترین زیرگروه های این بیماری است که شروع دیررس علائم آن، نشان دهنده پروگنوز (پیش آگهی) بد بیماری است.
الگوریتم های فعلی که ریسک داشتن سرطان تخمدان را پیش بینی می کنند، نتوانسته است حساسیت و اختصاصیت کافی را برای استفاده موثر و فراگیر در سطح دنیا فراهم کند. همچنین استفاده از بیومارکر ها یا پارامتر های کمکی مثل سن یا وضعیت مونوپوز (یائسگی) کمم کمی مرده است. به همین دلیل امروزه نیاز است تا با تشخیص الگوهای اثر مولکولی و توسعه الگوریتم های جدید به تشخیص HGSOC کمک کرد. همچنین باید فهم خود را از این بیماری با هدف نهایی افزایش بقای بیماران افزایش دهیم.
در این مطالعه، یک سیستم DSS (decision suport system) بر پایه ی ML، طراحی شده است که با دسترسی به دیتاهای آزاد HGSOC، توانایی بالایی در فهم و شناسایی دیتا های بیوپسی های این بیماری دارد. مدل یا سیستم DSS دارای دو مرحله است:
1️⃣ انتخاب ویژگی
2️⃣ درخت تصمیم گیری (decision tree)
با استفاده از این مدل سعی شده است تا مولکول هایی که در تشخیص این بیماری کاربرد دارند شناسایی شوند.

💬 نتیجه: نتایج این مدل شامل سه پروتئین کاملا متمایز از هم است: TOP1 و PDIA4 و OGN‌ که می توانند برای آزمایشات تشخیصی در آینده بسیار کاربردی باشند.

🆔@NivanAssociation
1.pdf
1.2 MB
⭐️ نام مقاله:
Machine learning methods to predict presence of residual cancer following hysterectomy

🆔@NivanAssociation