🔽 #پایین_هرم: مطالعات اولیه و شواهد مقدماتی

1⃣مطالعات آزمایشگاهی (In vitro studies)

🔍مطالعاتی که روی سلول، بافت یا محیط آزمایشگاهی انجام می‌شود و هنوز وارد مرحلهٔ انسانی نشده است.
✏️مثال: بررسی اثر یک داروی ضدسرطان روی سلول‌های بدخیم در محیط کشت.

📌این شواهد بسیار مقدماتی‌اند و تنها مبنای اولیه برای تحقیقات بعدی محسوب می‌شوند.



2⃣ گزارش مورد (Case Report)

🔍گزارش دقیق یک بیمار با یافته بالینی خاص یا نادر.
✏️مثال: گزارش اولین مورد عارضهٔ نادر پس از مصرف یک دارو.

📌این گزارش‌ها ارزش توصیفی دارند، اما از نظر استنباط علّی محدود هستند.


3⃣سری موارد (Case Series)

🔍مجموعه‌ای از چند بیمار با یک ویژگی یا بیماری مشترک.
✏️مثال: گزارش ۱۵ بیمار که پس از جراحی خاص دچار یک عارضه مشابه شده‌اند.

📌نسبت به Case Report اطلاعات بیشتری ارائه می‌دهد اما همچنان فاقد گروه مقایسه است.

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

🔼 #سطوح_میانی_هرم: مطالعات مشاهده‌ای

4⃣مطالعات مقطعی (Cross-sectional studies)

🔍مطالعاتی که در یک مقطع زمانی، شیوع یک عامل یا بیماری را اندازه‌گیری می‌کنند.
این مطالعات «تصویری از وضعیت موجود» ارائه می‌دهند و برای برآورد شیوع (Prevalence) مناسب هستند.
✏️مثال: سنجش شیوع دیابت در جمعیت یک شهر در یک سال.


5⃣مطالعات مورد–شاهدی (Case–control studies)

🔍این مطالعات بیماران (Case) را با افراد سالم (Control) مقایسه می‌کنند و به گذشته برمی‌گردند تا عوامل خطر احتمالی را بیابند.
این مطالعات برای بیماری‌های نادر بسیار ارزشمندند.
✏️مثال: مقایسه ۲۰۰ بیمار مبتلا به سرطان ریه با ۲۰۰ فرد سالم جهت بررسی ارتباط سیگار با سرطان.



6⃣مطالعات همگروهی (Cohort studies)

🔍در این مطالعات، افراد سالم بر اساس میزان مواجهه دسته‌بندی شده و در طول زمان پیگیری می‌شوند تا بروز بیماری مقایسه شود.
این مطالعات قدرت خوبی در تعیین رابطهٔ علت و معلولی دارند.
✏️مثال: پیگیری ۱۰هزار نفر طی ۸ سال برای تعیین اینکه آیا مصرف نمک بالا خطر پرفشاری خون را افزایش می‌دهد.

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

🔼 #سطوح_بالای_هرم: مطالعات مداخله‌ای

7⃣کارآزمایی‌های بالینی تصادفی‌شده (Randomized Controlled Trials – RCT)

🔍کارآزمایی های بالینی تصادفی شده، قوی‌ترین نوع مطالعه اولیه است. در این مطالعات:

📌شرکت‌کنندگان به صورت تصادفی تقسیم می‌شوند

📌یک گروه درمان و گروه دیگر دارونما یا درمان استاندارد دریافت می‌کند


✏️مثال: ارزیابی اثربخشی یک داروی جدید فشارخون نسبت به داروی استاندارد.

✅این مطالعات احتمال سوگیری را به حداقل می‌رسانند و شواهد با کیفیت بالا تولید می‌کنند.


🔝 بالاترین سطح هرم: مطالعات ثانویه

8⃣مرور نظام‌مند (Systematic Review)

🔍مطالعه‌ای که طرح، کیفیت و نتایج مجموعه‌ای از مطالعات مشابه را با روش استاندارد بررسی و جمع‌بندی می‌کند.
این نوع مطالعه به‌عنوان ابزار ارزشمند برای ترکیب شواهد باکیفیت توصیف می شود.


9⃣متاآنالیز (Meta-analysis)

🔍شکلی از مرور نظام‌مند که نتایج کمی مطالعات را ادغام کرده و یک «برآورد نهایی و دقیق» ارائه می‌دهد.
📌تجمیع داده‌ها باعث افزایش قدرت آماری و دقت نتایج می‌شود.
✏️مثال : ترکیب نتایج ۳۵ RCT برای تعیین اثربخشی یک داروی ضدافسردگی.


🔟منابع مبتنی بر شواهد (Evidence-based textbooks)

🔍مانند UpToDate یا Cochrane، که جدیدترین مطالعات معتبر را جمع‌آوری، تحلیل و یک نتیجهٔ بالینی قابل‌اجرا ارائه می‌کنند.

📌در رأس هرم قرار دارند زیرا خلاصهٔ به‌روزترین و معتبرترین شواهد موجود را ارائه می‌دهند.

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

📚مفهوم و واژه EBM از کجا میاد ⁉️📚

📜در سال ۱۹۷۲، آرچی کاکرین، پزشک اسکاتلندی که اکنون به‌عنوان یکی از پیشگامان اپیدمیولوژی بالینی مدرن و پزشکی مبتنی بر شواهد شناخته می‌شود، در کتاب خود با عنوان اثربخشی و کارآمدی (Effectiveness and Efficiency) این انتقاد را مطرح کرد که بسیاری از روش‌های پزشکی که پیش‌تر مؤثر تلقی می‌شدند، فاقد شواهد حاصل از کارآزمایی‌های بالینی تصادفی‌شده بودند .
📎از آن زمان، اصطلاح «مبتنی بر شواهد» در مورد دستورالعمل‌های بالینی کاربرد پیدا کرد و چندین مقاله درباره‌ی دستورالعمل‌ها و سیاست‌های مبتنی بر شواهد بین سال‌های ۱۹۹۰ تا ۱۹۹۷ در ژورنال انجمن پزشکی آمریکا منتشر شد.

✅اصطلاح «پزشکی مبتنی بر شواهد» نخستین‌بار در سال ۱۹۹۱ توسط گوردون گایُت از دانشگاه مک‌مستر به کار رفت.

🔹در مقاله‌ای که ساکت و همکارانش در سال ۱۹۹۶ در بریتانیا مدیکال ژورنال منتشر کردند، پزشکی مبتنی بر شواهد به‌طور روشن این‌گونه تعریف شد:

«به‌کارگیری آگاهانه، صریح و سنجیده‌ی بهترین شواهد موجود در تصمیم‌گیری درباره‌ی مراقبت از بیماران. عملِ پزشکی مبتنی بر شواهد یعنی ادغام مهارت بالینی فردی با بهترین شواهد بیرونیِ در دسترس، که از پژوهش‌های نظام‌مند به‌دست آمده است.»

✔️از زمان انتشار این مقاله، پزشکی مبتنی بر شواهد به پایه‌ای برای تدوین دستورالعمل‌های بالینی تبدیل شد؛ دستورالعمل‌هایی که توصیه‌های لازم در مورد درمان‌های پزشکی بیماری‌های مختلف را در اختیار پزشکان قرار می‌دهد.

❇️مهم‌ترین نکته در تعریف EBM، «بهترین شواهد موجود» است.

📌به‌طور کلی، در اپیدمیولوژی برای بررسی رابطه‌ی علّی بین یک عامل خطر و یک بیماری خاص، و در پزشکی برای ارزیابی اثربخشی و ایمنی یک مداخله (مانند یک داروی دارویی یا یک روش درمانی مشخص)، انواع مختلفی از طرح‌های مطالعاتی به کار می‌روند. همچنین میان این طرح‌های مطالعاتی، سلسله‌مراتبی از نظر سطح شواهد وجود دارد. که در پست هرم شواهد بحث شده است

#معرفی_EBM

لینک مقاله
------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

در این مقاله به طور خلاصه مراحل مقاله نویسی به روش سیستماتیک توضیح داده شده است.

#آموزش_مقاله_نویسی
#معرفی_مقاله

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

✔️از اونجایی که با سطح شواهد مقالات متاآنالیز و اهمیتش در بالین آشنا شدیم؛
در سری پست های بعدی این مقاله رو که در ژورنال JAMA چاپ شده بررسی میکنیم.

#آموزش_مقاله_خوانی
#معرفی_مقاله

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

📑این مقاله اول یک سناریو بالینی بیان میکنه :

برای ارزیابی پری‌اپراتیو (preoperative management) یک بیمار مرد ۶۶ ساله که جهت جراحی تعویض مفصل هیپ بستری شده، با شما مشورت می‌شود. بیمار سیگاری است و سابقه دیابت نوع ۲ و هیپرتنشن دارد. با توجه به تعدد ریسک‌فاکتورهای قلبی عروقی در او، شما به تجویز بتابلاکرهای پری‌اپراتیو جهت کاهش خطر عوارض قلبی پس از عمل فکر می‌کنید.

🔍در جست‌وجوی شواهد، یک سیستماتیک‌ریویو و متاآنالیز جدید را می‌یابید که تأثیر بتابلاکرهای پری‌اپراتیو را بر مرگ‌ومیر، MI غیرکشنده و سکته مغزی ارزیابی کرده است.


❓اکنون سؤال این است که:
چگونه باید از نتایج این متاآنالیز در تصمیم‌گیری بالینی برای بیمار خود استفاده کنید؟

------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

بیاید ببینیم این مقاله چه مراحلی رو توضیح داده که باید به عنوان clinician انجام بدیم تا به جواب این سوال برسیم 🤔👇👇

📌در مرحله اول یک جدول ارائه میده که دو قدم کلیدی برای قضاوت درباره نتایج یک متاآنالیز رو توضیح داده که به تفکیک راجع به آنها صحبت میکنیم:

1⃣قضاوت اول: ارزیابی اعتبار (Credibility) روش‌های مرور سیستماتیک

✔️آیا مرور، یک سؤال بالینی منطقی و مشخص را مطرح کرده است؟

✔️آیا جستجوی مقالات مرتبط به‌صورت جامع و کامل انجام شده است؟

✔️آیا انتخاب و ارزیابی مطالعات قابل بازتولید (Reproducible) بوده است؟

✔️آیا نتایجی ارائه کرده که قابل استفاده در بالین باشند؟

✔️آیا نشان داده که تا چه حد می‌توان به نتایج درمان اتکا کرد؟

2⃣قضاوت دوم: ارزیابی میزان اعتماد (Confidence) به برآوردهای اثر

✔️میزان ریسک سوگیری (Risk of Bias) در کل شواهد چقدر جدی است؟

✔️آیا نتایج مطالعات با هم سازگار (Consistent) هستند؟

✔️دقت (Precision) نتایج چقدر است؟

✔️آیا نتایج برای بیمار من قابل تعمیم‌ هستند؟

✔️آیا نگرانی‌ای درباره Bias در گزارش‌دهی وجود دارد؟

✔️آیا دلایلی وجود دارد که سطح اعتماد را افزایش دهد؟


------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗 @ebm_hums

‼️وقتی یک سیستماتیک‌ریویو یا متاآنالیز را می‌خوانیم، اولین خطر جدی همین‌جاست:

‼️اگر جستجو ناقص باشد، کل نتیجه حتی با تحلیل آماری عالی، می‌تواند بایاس‌دار و گمراه‌کننده شود.

✅چند معیار ساده برای تشخیص جامع‌بودن جستجو:

1⃣ جستجو باید چندپایگاهه باشد ، فقط MEDLINE کافی نیست.

🔺حتی MEDLINE + EMBASE + CENTRAL هم «حداقلِ حداقل» است.

🔺طبق داده‌ها: MEDLINE فقط ۵۵٪، EMBASE فقط ۴۹٪ از RCTها را پوشش می‌دهند!

2⃣ استفاده از synonymها و MeSH یا EMTREE متعدد؛ یعنی برای هر concept چندین معادل به کار رفته باشد.

🔺جستجوی ساده با یک‌دوتا کلیدواژه = ریسک بالا برای از دست رفتن مطالعات.

3⃣جستجو باید فراتر از پایگاه‌ها باشد (Gray Literature)
در سیستماتیک ریویو های معتبر ، نویسنده‌ها حتماً سراغ اینها هم بروند:

• trial registries (مثل ClinicalTrials.gov)

• کتاب‌نامه مقالات واردشده

• conference abstracts

• تماس با محققان(درصورت نیاز یا نبود دیتا)

• داده‌های FDA و شرکت‌های دارویی

☑️این بخش خیلی مهم است چون معمولاً مطالعات منفی یا کوچک منتشر نمی‌شوند و حذف آنها یعنی estimate متاآنالیز خوش‌بینانه‌تر از واقعیت.

4⃣ از نشانه‌های یک جستجوی واقعاً قوی میتوان به این موارد اشاره کرد:

• محدود نکردن جستجو به یک زبان

• گزارش کامل استراتژی در Appendix

• همکاری با information specialist یا librarian (که سرچ مقالات را کاملا تخصصی انجام می‌دهند)

• تاریخ جستجوی به‌روز

• ذکر دقیق تمام پایگاه‌های جستجو شده

#آموزش_مقاله_خوانی
------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗 @ebm_hums

❓فارست‌پلات از چه قسمت‌هایی تشکیل شده؟

✅فارست‌پلات (forest plot) یک نمودار است که نتایج چند مطالعه را کنار هم نشان می‌دهد تا بفهمیم اثر کلی (pooled effect) یک مداخله یا ارتباط چقدر است. اجزای اصلی آن عبارت‌اند از:

#آموزش_مقاله_خوانی

Ref: BMJ
------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

1⃣ نام مطالعات (Study IDs)

🔸در ستون سمت چپ قرار دارند.

✔️این قسمت نشان می‌دهد هر خط نمودار مربوط به کدام مطالعه است؛ معمولاً شامل:

• نام نویسنده اول
• سال انتشار


2⃣ نقاط اثر هر مطالعه (Point Estimates)

✔️در وسط نمودار، یک مربع (square) برای هر مطالعه می‌بینیم.

• این مربع «برآورد اثر» آن مطالعه است، مثلاً:

RR، OR، HR، SMD یا MD

🔸جای مربع روی محور افقی نشان می‌دهد اثر چقدر بوده.

3⃣ فاصله‌ی اطمینان ۹۵٪ (Confidence Intervals) = CI

✔️دو خط باریک افقی از دو طرف مربع بیرون می‌روند.

🔸این‌ها CI هر مطالعه هستند.

🔸نشان می‌دهند اثر واقعی ممکن است بین این دو مقدار باشد.

✔️هرچه خط کوتاه‌تر باشد = مطالعه دقیق‌تر است.

🔸اگر CI از عدد ۱ عبور کند (برای RR/OR/HR) = اثر از نظر آماری معنادار نیست.

4⃣ وزن هر مطالعه (Study Weight)

✔️بزرگی خود مربع رابطه مستقیم با وزن آن مطالعه دارد.

✔️وزن معمولاً بر اساس inverse-variance یا sample size تعیین می‌شود.

• مربع بزرگ = مطالعه مهم‌تر (دقیق‌تر)

• مربع کوچک = اثر کم‌تر در نتیجه نهایی


5⃣ خط صفر یا Null Line

✔️یک خط عمودی ثابت در كل نمودار.

🔸برای نوع outcome متفاوت است:

• اگر RR/OR/HR باشد → خط عمودی روی ۱

• اگر Mean Difference باشد → خط عمودی روی 0

🔸این خط نشان می‌دهد «عدم تفاوت» کجاست.

اگر CI یک مطالعه این خط را قطع کند، اثر آن مطالعه از نظر آماری معنی‌دار نیست.

6⃣ اثر کلی (Overall Effect / Pooled Estimate)

✔️در پایین نمودار یک لوزی (diamond) قرار می‌گیرد.

🔸این لوزی مهم‌ترین بخش فارست‌پلات است.

• مرکز لوزی = برآورد کلی اثر (مثلاً RR کلی)

• پهنای لوزی = CI 95٪ اثر مجموع

🔸اگر لوزی از خط صفر عبور نکند = اثر نهایی معنی‌دار است.


7⃣ نتایج آماری هتروژنیسیته (Heterogeneity Statistics)

✔️معمولاً زیر نمودار نوشته می‌شود.

8⃣ مدل ترکیب مطالعات (Fixed vs Random Effects)

✔️معمولاً در توضیح کنار نمودار یا زیر عنوان نوشته می‌شود:

• Fixed-effect model

• Random-effects model

🔸که با توجه به نوع و ترکیب مطالعات، متودولوژیست مدل متاآنالیز را انتخاب میکند.

#آموزش_مقاله_خوانی
------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

❌سری اشتباهات رایج در تفسیر مطالعات
1⃣قسمت ۱
2⃣قسمت ۲

#آموزش_مقاله_خوانی
------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

سری اشتباهات رایج در تفسیر مطالعات قسمت اول

1⃣ وقتی p<0.05 = «مطالعه درسته»! ❌

📌بیشتر افراد فکر می‌کنند اگر p شد کمتر از ۰.۰۵ یعنی نتیجه «واقعیه» و مطالعه هم «درسته».

📌ولی p-value فقط یه چیز رو میگه: اگر هیچ اثری وجود نداشته باشه، چقدر احتمال داره داده‌های ما اینقدر متفاوت دیده بشن؟
یعنی این تساوی ها درست نیست👇
• p=0.04 ≠ اثر مهم
• p=0.04 ≠ طراحی خوب
• p=0.04 ≠ قابل‌اعتماد بودن نتیجه

📌ممکنه یک مطالعه با p<0.05 بایاس بالا، نمونه کم، endpoint عجیب یا تحلیل ضعیف داشته باشد.

🔔پس p-value فقط یک «زنگ» است، نه تضمین.

2⃣ وقتی OR=2 = «دو برابر ریسک»! ❌

📌این یکی از اشتباهات کلاسیکه.

✏️Odds ≠ Risk

📌درواقع Odds یه نسبت بین احتمال وقوع و عدم وقوع هست.

📌وقتی میگیم OR=2 یعنی شانس دو برابر شده است، نه لزوماً ریسک یا خطر.

📌در بیماری‌های رایج (مثلاً شایع >۱۰%) این دو کاملاً از هم جدا میشن و تفسیر اشتباه میشه.

📌مثلاً ممکنه OR=2 باشه ولی ریسک واقعی از ۱۰٪ فقط بشه ۱۸٪، نه ۲۰٪.

📌پس همیشه بپرسید: این OR هست یا RR؟

✏️اگر OR بود، مخصوصاً در outcome شایع = با احتیاط تفسیر کنید.


------------------------------
🏛مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان
🔗@ebm_hums

✨"Evidence Based Medicine Course"✨

💥اولین کورس جامع آموزش پزشکی مبتنی بر شواهد با متد نوین

کالج مجموعه AVM در همکاری با مرکز پزشکی مبتنی بر شواهد دانشگاه علوم پزشکی هرمزگان برگزار میکند

✅ آموزش متفاوت و کاربردی علم EBM بر مبنای مفاهیم منتقل شده از اساتید پیشگام این علم در دنیا

👨🏻‍⚕👩🏻‍⚕به فردی خاص و متمایز در بالین تبدیل شو

✅ ویژه اساتید و دانشجویان مقاطع بالینی رشته های علوم پزشکی


✅ تا 60% تخفیف دانشجویی

⬅️ اطلاعات کامل دوره و ثبت نام 


🔰EBM & Methods Working Group, AVM Online College, Avicenna Meta Med International Scientific Network.🔰

🔰Evidence Based Medicine Center, Hormozgan University of Medical Sciences.🔰

#EBM_Course

🔶 معرفی کورس EBM🔶

این دوره آموزشی با هدف معرفی علم
"پزشکی مبتنی بر شواهد:
Evidence Based Medicine "

مفاهیم عمیق، و کاربرد های بالینی آن طراحی شده است.

با توجه به پیشرفت و اهمیت روز افزون این علم و استفاده از شواهد معتبر در دنیای پزشکی نوین، سعی کرده ایم تا گپ علمی موجود در کشور نسبت به سایر کشور ها و مراکز پیشگام را با طراحی یک دوره جامع پوشش دهیم.

ما در این دوره ابتدا به معرفی مفاهیم صحیح "پزشکی مبتنی بر شواهد" و باورهای نادرست شایع میپردازیم، سپس از بررسی اصول پایه تا ترجمان بالینی " شواهد: Evidence" و کاربرد آن بر بالین بیماران جهت تعیین ریسک و تصمیم گیری های تشخیصی-درمانی مهم پیش خواهیم رفت.


🌟همچنین ویژگی های این دوره؛

*به همراه ارایه گواهی معتبر به زبان انگلیسی
+ پشتیبانی پرسش و پاسخ به مدت یک ماه بعد از اتمام دوره*

*تمامی جلسات به صورت مجازی و در بستر اسکای روم برگزار خواهند شد*

*تیم پشتیبانی فنی و علمی قبل و هنگام برگزاری جلسات در دسترس میباشند*

*تمامی جلسات ضبط شده و تا مدت یک ماه پس از اتمام دوره در دسترس و قابل دانلود خواهند بود*

⬅️ اطلاعات کامل دوره و ثبت نام 

#EBM_course
〰〰〰〰〰〰〰〰〰〰〰〰〰
📚AVM College, Avicenna Meta Med International Scientific Network
@avm_college

🛑 کد تخفیف ۶۰ درصدی ویژه دانشجویان دانشگاه علوم پزشکی هرمزگان

AVMhumsdaneshjoo

🔶 اهمیت یادگیری EBM 🔶


پزشکی مبتنی بر شواهد (Evidence Based Medicine) جایگاه ویژه ای در عصر نوین پزشکی پیدا کرده، به طوری که مستقیم یا غیر مستقیم تاثیرات عمده ای بر دیدگاه پزشکان و متخصصین در بالین، و همچنین رویکرد های درمانی موجود در علوم پزشکی ایجاد کرده است.

با این حال مطالعات اخیر نشان داده است که متاسفانه برخلاف تصور، در بسیاری از کشورهای دنیا اکثریت افراد بالینی دانش مفهومی دقیق و کاملی در ارتباط با این علم ندارند. این به میتواند به دلیل عمق زیاد مفاهیم در این علم،مشغله و محدودیت زمانی متخصصین بالینی و عدم استفاده از منابع اصلی معتبر برای یادگیری باشد.

ما در این دوره تلاش کرده ایم مفاهیم با رویکردی متفاوت از رفرنس های اصلی و آموزه های پیشگامان محوری این علم در دنیا، به صورت کاربردی و ساده سازی شده در حداقل زمان ممکن به حوزه بالین در کشورمان انتقال یابد.

طراحی این دوره به طوری است که در جلسات ابتدایی مفاهیم عمده و محوری انتقال داده میشوند، چالش ها و واقعیت ها و باور های نادرست رایج بررسی میشوند.در ادامه در هر جلسه یک مورد محوری از شواهد با جزئیات کامل و مرحله به مرحله "ارزیابی کیفیت شواهد، برداشت بالینی، ترجمه میزان اثر به مفهوم بالینی و نحوه به کارگیری شواهد در بالین برای بیماران" بررسی و به بحث گذاشته میشود.
در انتهای رویداد جهت نهادینه سازی مفاهیم و دریافت گواهی معتبر، سوالات و سناریوهای بالینی مختلف مطرح شده و از شرکت کنندگان درخواست میشود به آن ها پاسخ دهند

⬅️ اطلاعات کامل دوره و ثبت نام 

#EBM_course
〰〰〰〰〰〰〰〰〰〰〰〰〰
📚AVM College, Avicenna Meta Med International Scientific Network
@avm_college

از زبان یکی از تاثیر گذار ترین دانشمندان در علوم پزشکی، بنیانگذار علم «پزشکی مبتنی بر شواهد» پروفسور Gordon Guyatt بشنوید ...

پزشکی مبتنی بر شواهد (Evidence Based Medicine ) چیست و چه اهمیتی دارد؟

چرا تمام مراکز آموزشی و درمانی برتر دنیای پزشکی به سمت این علم خیز برداشته اند؟

چطور EBM باعث تحولی عظیم در پزشکی و درمان شده؟

چرا دانش EBM در دانشگاه های کشورهای در حال توسعه کمتر شناخته شده؟


Prof. Gordon Guyatt,
Forefather of EBM,
From; HRB TMRN, 4th Trial Methodology Symposium.
〰〰〰〰〰〰〰〰〰〰〰〰

کالج آنلاین شبکه علمی بین المللی AVicenna Meta Med از شما عزیزان دعوت میکند ...

👈🎓به کورس جامع آموزش پزشکی مبتنی بر شواهد ما بپیوندید🎓


〰〰〰〰〰〰〰〰〰〰〰〰
📚AVM College, Avicenna Meta Med International Scientific Network
@avm_college