2 этап журнального клуба идёт полным ходом. Письма были разосланы многим, ищите в папках "входящие" или "спам" (если нет, пишите мне).
Осталось всего 4 дня до конца 2 этапа! Советую поторопиться)
Осталось всего 4 дня до конца 2 этапа! Советую поторопиться)
👍3🔥1
Сегодня последний день 2 этапа 5 набора в журнальный клуб! Уведомлений уже масса 😂 все решили дотянуть до последнего?))
😁2💯1
Побывал в гостях в первом меде Москвы (Сеченова) на СНК по эпидемиологии и доказательной медицине, который ведёт участница ЖК, Алена Ломоносова! Поговорили о причинности и р, поели пиццы, в общем хорошо провели время 😁
👍21❤3🔥2
Все, кто мне написали в ЛС по поводу 3 этапа, я отвечаю по мере освобождения времени
Я пытаюсь его грамотно распределить
Я пытаюсь его грамотно распределить
👍7
Познаю нюансы медицины глубинки: в -20 всё ЛПУ стоит без отопления, куда повально поступают инфекционные больные. А где-то кто-то говорит, что надо лечить по докмеду и бороться с фуфломицинами👍🏻
А и ещё лекарства заканчиваются 😊
А и ещё лекарства заканчиваются 😊
🥴18🤯9👍2
Всем, особенно кто верит в обучение статистики "легко и просто", рекомендую прочитать (особенно к чему это приводит)!
https://statsepi.substack.com/p/im-not-a-real-statistician-and-you
https://statsepi.substack.com/p/im-not-a-real-statistician-and-you
My 2 cents
I’m not a real statistician, and you can be one too
I was strolling around Cork hand-in-hand with Cara on a bright, Irish summer evening. It was the finest place on earth. I was in a suit and tie - untucked, unbuttoned and loose, except for my dress shoes, two sizes too small because they were the only ones…
🔥5
Зачем врачи пишут кандидатские?
В комментариях под этим вопросом немного стало теплее этой зимой ❄️
На мной взгляд тут нет единого ответа, каждый обосновывает это по своему (иногда уже в процессе или после написания 😁). Но я напишу несколько причин, которые (на мой взгляд) существуют:
1) «Так принято». Социальные нормы достаточно сильны, поэтому когда вокруг большинство кмн, то хочется стать таким же. Но бывает и другая ситуация, когда ты занимаешься на кафедре, а там надо («у нас так принято»). Даже если нет желания, то заставят и выпустят, а врач смирился.🤷
2) Статус. Приписка кмн должна говорить о научном опыте врача, что он умеет и имеет успешный исследовательский опыт. Но на деле мы знаем, что это не всегда верно. Есть много примеров плагиата, бессмысленных работ, фальсицикаций и т.д. Но зато, когда есть 3 буквы перед фамилией, можно чуть возвысить себя над теми, у кого их нет (я бы назвал это стереотипный статус). А еще можно вставить новую информацию в рекламу себя😉
3) Деньги. Чем больше регалий, тем более всесторонне развитым кажется врач, а значит растет цена его приема/зп (не только в частном секторе). А значит есть смысл «быстро» защититься, получить кмн, стать членом всех «доказательных» обществ и т.д.💵
4) Карьера. Да, безусловно это очередная ступенька в лестнице. Ее нельзя перепрыгнуть, если стремиться выше (на данный момент). Поэтому иногда нужна кандидатская ради должности или для дальнешего этапа (докторская).🎢
5) Знания. Самое частое оправдание. Действительно за время написания узнаешь что-то новое (добровольно или принудительно). Однако меня волнует качество этих знаний. Когда человек с 0 знаний начинает изучать методологию клин исследований и все сопутствующее, это похвально. Но успеет он за это время получить необходимое количество и качество знаний? Сможет ли он без опыт «до» написать хорошее исследование? И самое важное, продолжит ли он после этого изучать научное направление? Ведь после нескольких лет (действительного) изучения клинических исследований, статистики и прочего должно быть ясно, что информации очень много. Настолько, что, наверное, это можно изучать почти всю жизнь. Мне кажется, что многие останавливаются на том, что изучили в процессе написания (дальше же не нужно использовать). Грустно, что потом они считают это достаточным, хотя на деле есть много нюансов, которые нужно продолжать изучать.👨🎓
6) Социализация. В процессе написания появляются новые знакомые, которые могут помочь/подсказать что-то. За счет этого может появиться свой круг по интересам, а некоторые вступают в уже существующие. Очень классно быть среди людей со схожими интересами. Главное, чтобы это круг не замыкался на печальном выводе из 5 пункта.👬👭
7) Экспертность. Она переплетается с некоторыми пунктами. Но иногда после защиты людей (или они сами) считают экспертами в теме их кандидатской. Сам же врач должен был придти к обратному мнению (на мой взгляд). Да, он изучил данный вопрос глубже своих коллег. Но они изучили свои, которые он знает поверхностно. А также данный вопрос можно изучать еще подробнее. Медицине не останавливается на конкретной ситуации (хоть в исследованиях мы делаем допущения). Процессы имеют отражение в клиничекой деятельности и фундаментальной науке, в физиологии и биохимии, в генетике и молекулярной физике и т.д. Можно постараться все это охватить, но я думаю, что у практикующего врача столько времени нет (как и цели). Это сфера деятельности конкретных ученых (разных областей).👑
В общем, вопрос многофакторный. Каждый дает на него свой ответ, выставляет свои приоритеты. Если вы считаете, что я что-то забыл упомянуть, то пишите свои идеи в комментарии, обсудим ☺️
В комментариях под этим вопросом немного стало теплее этой зимой ❄️
На мной взгляд тут нет единого ответа, каждый обосновывает это по своему (иногда уже в процессе или после написания 😁). Но я напишу несколько причин, которые (на мой взгляд) существуют:
1) «Так принято». Социальные нормы достаточно сильны, поэтому когда вокруг большинство кмн, то хочется стать таким же. Но бывает и другая ситуация, когда ты занимаешься на кафедре, а там надо («у нас так принято»). Даже если нет желания, то заставят и выпустят, а врач смирился.🤷
2) Статус. Приписка кмн должна говорить о научном опыте врача, что он умеет и имеет успешный исследовательский опыт. Но на деле мы знаем, что это не всегда верно. Есть много примеров плагиата, бессмысленных работ, фальсицикаций и т.д. Но зато, когда есть 3 буквы перед фамилией, можно чуть возвысить себя над теми, у кого их нет (я бы назвал это стереотипный статус). А еще можно вставить новую информацию в рекламу себя😉
3) Деньги. Чем больше регалий, тем более всесторонне развитым кажется врач, а значит растет цена его приема/зп (не только в частном секторе). А значит есть смысл «быстро» защититься, получить кмн, стать членом всех «доказательных» обществ и т.д.💵
4) Карьера. Да, безусловно это очередная ступенька в лестнице. Ее нельзя перепрыгнуть, если стремиться выше (на данный момент). Поэтому иногда нужна кандидатская ради должности или для дальнешего этапа (докторская).🎢
5) Знания. Самое частое оправдание. Действительно за время написания узнаешь что-то новое (добровольно или принудительно). Однако меня волнует качество этих знаний. Когда человек с 0 знаний начинает изучать методологию клин исследований и все сопутствующее, это похвально. Но успеет он за это время получить необходимое количество и качество знаний? Сможет ли он без опыт «до» написать хорошее исследование? И самое важное, продолжит ли он после этого изучать научное направление? Ведь после нескольких лет (действительного) изучения клинических исследований, статистики и прочего должно быть ясно, что информации очень много. Настолько, что, наверное, это можно изучать почти всю жизнь. Мне кажется, что многие останавливаются на том, что изучили в процессе написания (дальше же не нужно использовать). Грустно, что потом они считают это достаточным, хотя на деле есть много нюансов, которые нужно продолжать изучать.👨🎓
6) Социализация. В процессе написания появляются новые знакомые, которые могут помочь/подсказать что-то. За счет этого может появиться свой круг по интересам, а некоторые вступают в уже существующие. Очень классно быть среди людей со схожими интересами. Главное, чтобы это круг не замыкался на печальном выводе из 5 пункта.👬👭
7) Экспертность. Она переплетается с некоторыми пунктами. Но иногда после защиты людей (или они сами) считают экспертами в теме их кандидатской. Сам же врач должен был придти к обратному мнению (на мой взгляд). Да, он изучил данный вопрос глубже своих коллег. Но они изучили свои, которые он знает поверхностно. А также данный вопрос можно изучать еще подробнее. Медицине не останавливается на конкретной ситуации (хоть в исследованиях мы делаем допущения). Процессы имеют отражение в клиничекой деятельности и фундаментальной науке, в физиологии и биохимии, в генетике и молекулярной физике и т.д. Можно постараться все это охватить, но я думаю, что у практикующего врача столько времени нет (как и цели). Это сфера деятельности конкретных ученых (разных областей).👑
В общем, вопрос многофакторный. Каждый дает на него свой ответ, выставляет свои приоритеты. Если вы считаете, что я что-то забыл упомянуть, то пишите свои идеи в комментарии, обсудим ☺️
👍13🔥4❤2
У меня случилась неприятная ситуация: по моей вине мой ноутбук отправляется в ремонт 😭
И большая часть моей работы (в основном ЖК, курс и анализ данных диссертаций и исследований) пока приостановлены...
Надеюсь, что его приведут в себя в ближайший срок🙏
Если нет, буду искать альтернативные пути, чтобы возобновить работу🫡
И большая часть моей работы (в основном ЖК, курс и анализ данных диссертаций и исследований) пока приостановлены...
Надеюсь, что его приведут в себя в ближайший срок🙏
Если нет, буду искать альтернативные пути, чтобы возобновить работу🫡
😢3
Кому нужны книги даром?
Налетайте
Единственное ограничение размер (до 50 мб), иначе кидает на сайт, который заблокировали недавно (о причинах думайте сами ☺️)
https://news.1rj.ru/str/firstlibrarybot
UPD: альтернатива без данного недостатка
https://libgen.rs/
Налетайте
Единственное ограничение размер (до 50 мб), иначе кидает на сайт, который заблокировали недавно (о причинах думайте сами ☺️)
https://news.1rj.ru/str/firstlibrarybot
UPD: альтернатива без данного недостатка
https://libgen.rs/
👍13
Те, кто проходили 3 этап нового набора в ЖК, я о вас не забыл. Предположительно (надеюсь) окончательные результаты после 26 числа (когда привезу ноут в СПб)
Если у вас есть знакомые, которые занимаются ремонтом apple в СПб, то буду благодарен
Если у вас есть знакомые, которые занимаются ремонтом apple в СПб, то буду благодарен
🥰2
ИНТЕРЕСНО СЛОЖНО ДУМАТЬ
⠀
Регрессия - один из сложнейших и интереснейших методов в статистике 🤓
Из-за сложности формул, объяснений, количества получаемых данных некоторые так и не решаются разобраться с этим разделом. Но на самом деле вся сложность скрыта в понимании регрессионных моделей и применении их к реальным проблемам 🤖
⠀
При этом в книгах и статьях по статистике встречается множество предположений для регрессии.
И кажется, что если ваши данные не соответствуют им всем, то и не нужно применять этот метод 🙀😭
⠀
Но это не так. Тут и скрывается понимание цели анализа, потому что она подскажет какие предположения для вас важны❗
⠀
Рассмотрим некоторые варианты применения регрессии:
⠀
📍 Прогнозирование.
В данном случае мы хотим на основе уже известных нам данных попытаться предсказать какой-то исход📈 При этом здесь очень важна репрезентативность данных (на самом деле она необходима в любых исследованиях)
⠀
📍 Изучение взаимосвязей.
Здесь интересно узнать влияние разных факторов на исход, т.е. выявить значимые среди них 🎯 В такой ситуации, например, учитывается мультиколлинеарность факторов (связь факторов между собой вне исхода - например, на основе роста, веса и ИМТ оцениваем уровень общего белка) ⚧️
⠀
📍 Причинно-следственный вывод.
В таком случае мы хотим узнать эффект от воздействия 🎁 И ключевой проблемой является схожесть групп или коррекция имеющихся различий. Что влечет за собой более строгое соблюдение предположений и учёт методологии исследования (контролируемость, сбор данных, их пропуски и т.д.)⛔
⠀
Одним из важных пунктов при изучении регрессии - это применимость☝🏻
Нужно разобраться с целями исследования и анализа, понять методологию, источник и способ получения данных, определиться с исходом и т.д. 🤯
⠀
В этом, на мой взгляд, и есть интерес (неординарность, пластичность). Но в этом и сложность (нужно думать, много думать). И это даже вдохновляет❗😎
#ebm_нюансы #статистика #statistics
⠀
Регрессия - один из сложнейших и интереснейших методов в статистике 🤓
Из-за сложности формул, объяснений, количества получаемых данных некоторые так и не решаются разобраться с этим разделом. Но на самом деле вся сложность скрыта в понимании регрессионных моделей и применении их к реальным проблемам 🤖
⠀
При этом в книгах и статьях по статистике встречается множество предположений для регрессии.
И кажется, что если ваши данные не соответствуют им всем, то и не нужно применять этот метод 🙀😭
⠀
Но это не так. Тут и скрывается понимание цели анализа, потому что она подскажет какие предположения для вас важны❗
⠀
Рассмотрим некоторые варианты применения регрессии:
⠀
📍 Прогнозирование.
В данном случае мы хотим на основе уже известных нам данных попытаться предсказать какой-то исход📈 При этом здесь очень важна репрезентативность данных (на самом деле она необходима в любых исследованиях)
⠀
📍 Изучение взаимосвязей.
Здесь интересно узнать влияние разных факторов на исход, т.е. выявить значимые среди них 🎯 В такой ситуации, например, учитывается мультиколлинеарность факторов (связь факторов между собой вне исхода - например, на основе роста, веса и ИМТ оцениваем уровень общего белка) ⚧️
⠀
📍 Причинно-следственный вывод.
В таком случае мы хотим узнать эффект от воздействия 🎁 И ключевой проблемой является схожесть групп или коррекция имеющихся различий. Что влечет за собой более строгое соблюдение предположений и учёт методологии исследования (контролируемость, сбор данных, их пропуски и т.д.)⛔
⠀
Одним из важных пунктов при изучении регрессии - это применимость☝🏻
Нужно разобраться с целями исследования и анализа, понять методологию, источник и способ получения данных, определиться с исходом и т.д. 🤯
⠀
В этом, на мой взгляд, и есть интерес (неординарность, пластичность). Но в этом и сложность (нужно думать, много думать). И это даже вдохновляет❗😎
#ebm_нюансы #статистика #statistics
❤8👍6🔥2
Как бы вам не было ненавистно другое мнение, это не повод злорадствовать, радоваться. Плюрализм взглядов должен быть, чтобы находить и решать противоречия (искать баланс между крайностями)
Чуть-чуть решил поиграть в Деда Мороза: отправил всем письма с результатами 3 этапа 5 набора в журнальный клуб!!!
Проверяйте почту, папки "входящие" и "спам", там должно быть письмо
Проверяйте почту, папки "входящие" и "спам", там должно быть письмо
🔥4🎉1
Итоги года? Вы серьезно? Вспомните его. Я считаю, что год ещё не закончился.
⠀
Поэтому нахер подведение итогов❗️
⠀
Увидимся в 2023👋
#следуй_за_черным_кроликом
⠀
Поэтому нахер подведение итогов❗️
⠀
Увидимся в 2023👋
#следуй_за_черным_кроликом
😁16🔥7🤯3
КЛАССНО, ПРОСТО, УДОБНО, НО БЕСПОЛЕЗНО?
Есть интересный показатель, который кажется очень простым и удобным для клинической практики, но в действительности он скорее ненужен. Разберемся почему 🕵🏻
❗Число необходимое для лечения (Number need to treat, NNT) - это количество пациентов, которое необходимо пролечить, чтобы получить один положительный результат лечения❗
К сожалению, не все пациенты от лечения выздоравливают. Такая суровая реальность 🤷🏻♂️ И когда мы лечим пациентов, то должны быть готовы, что 1-ый и 2-ой поправятся без лечения, у 3-ий будут осложнения даже с лечением, а 4-ому как раз наше лечение поможет (т.е. без лекарства не выздоровеет) 🤧
Сейчас я описал NNT=4 (рис.1)
Рассчитывается через абсолютный риск (absolutely risk, AR, разница рисков, risk difference, RD), а точнее снижение абсолютного риска (absolutely risk reduction, ARR), формула в рис.2 🧮
✅Что нам (как кажется) он даёт?
📍Знаем, сколько надо минимально пролечить пациентов, чтобы помочь 1-ому
📍Удобно и просто рассчитать самостоятельно в большинстве исследований
📍Понятно врачу и пациенту
Но! Почти все это заблуждение! ❌ Точнее, не всё так просто, как хотелось бы...
🔸Мы не учитываем сами риски, т.е. ARR=0.02 и NNT=50 будут ОДИНАКОВЫЕ для R¹=0.03 и R²=0.01 (оба метода малоэффективны), R¹=0.98 и R²=0.96 (оба метода эффективны). А ситуации разные
🔸NNT это показатель для "среднего" пациента. Мы итак получаем усредненные оценки в исследованиях, но этот показатель гребёт всех под мифический "единый тип пациента", что в действительности не так
🔸Доверительные интервалы для NNT часто оказываются слишком большими или неинтерпретируемыми. Если у ARR в 95% ДИ будет 0 (т.е. вероятно, что снижения может не быть), то у NNT это будет ∞. Или может оказаться ДИ от 3 до 194, тогда сколько лечить?
🔸Не используется или забывается привязка ко времени. Мы получаем результаты (риски) за какой-то период, но почему-то при сообщении NNT это опускается. Также риски могут меняться с течением времени, что не имеет отражения в NNT
Кажущийся простым показатель на самом деле сложен в интерпретации. Поэтому ряд статистиков не рекомендуют его применять. Ещё интересно, что в исследовании Misselbrook и Armstrong (2001) пациенты реже соглашались на лечение, когда получали информацию в NNT, a не в ARR🤯
А ведь всё так хорошо начиналось...
#статистика #statistics
Есть интересный показатель, который кажется очень простым и удобным для клинической практики, но в действительности он скорее ненужен. Разберемся почему 🕵🏻
❗Число необходимое для лечения (Number need to treat, NNT) - это количество пациентов, которое необходимо пролечить, чтобы получить один положительный результат лечения❗
К сожалению, не все пациенты от лечения выздоравливают. Такая суровая реальность 🤷🏻♂️ И когда мы лечим пациентов, то должны быть готовы, что 1-ый и 2-ой поправятся без лечения, у 3-ий будут осложнения даже с лечением, а 4-ому как раз наше лечение поможет (т.е. без лекарства не выздоровеет) 🤧
Сейчас я описал NNT=4 (рис.1)
Рассчитывается через абсолютный риск (absolutely risk, AR, разница рисков, risk difference, RD), а точнее снижение абсолютного риска (absolutely risk reduction, ARR), формула в рис.2 🧮
✅Что нам (как кажется) он даёт?
📍Знаем, сколько надо минимально пролечить пациентов, чтобы помочь 1-ому
📍Удобно и просто рассчитать самостоятельно в большинстве исследований
📍Понятно врачу и пациенту
Но! Почти все это заблуждение! ❌ Точнее, не всё так просто, как хотелось бы...
🔸Мы не учитываем сами риски, т.е. ARR=0.02 и NNT=50 будут ОДИНАКОВЫЕ для R¹=0.03 и R²=0.01 (оба метода малоэффективны), R¹=0.98 и R²=0.96 (оба метода эффективны). А ситуации разные
🔸NNT это показатель для "среднего" пациента. Мы итак получаем усредненные оценки в исследованиях, но этот показатель гребёт всех под мифический "единый тип пациента", что в действительности не так
🔸Доверительные интервалы для NNT часто оказываются слишком большими или неинтерпретируемыми. Если у ARR в 95% ДИ будет 0 (т.е. вероятно, что снижения может не быть), то у NNT это будет ∞. Или может оказаться ДИ от 3 до 194, тогда сколько лечить?
🔸Не используется или забывается привязка ко времени. Мы получаем результаты (риски) за какой-то период, но почему-то при сообщении NNT это опускается. Также риски могут меняться с течением времени, что не имеет отражения в NNT
Кажущийся простым показатель на самом деле сложен в интерпретации. Поэтому ряд статистиков не рекомендуют его применять. Ещё интересно, что в исследовании Misselbrook и Armstrong (2001) пациенты реже соглашались на лечение, когда получали информацию в NNT, a не в ARR🤯
А ведь всё так хорошо начиналось...
#статистика #statistics
👍13🔥4