🤔 تا حالا فکر کردی میشه علوم پزشکی رو با هنر ترکیب کرد؟
🤔 اصلاً میشه هم دانشجو بود، هم دنبال علاقه‌ت رفت؟
🤔 یا اینکه واقعاً علاقه به چه دردی می‌خوره وقتی زندگی سخته و وقت نداری؟

ما توی اپیزود صفر پادکست هیپوکامپ نشستیم دور هم، از دل رشته‌هامون، از مسیرای پر چالش، از علاقه‌هامون، و از راه‌هایی گفتیم که شاید شبیه راه تو باشه یا الهام‌بخشت بشه.
قراره از علم بریم سمت تجربه، مهارت، هنر و کلی قصه‌ی واقعی.

😀 اپیزود صفر هیپوکامپ رو گوش کن
و اگه حس کردی یه چیزی ته دلت تکون خورد، یعنی دقیقاً بهش نیاز داشتی :)

لینک پادکست در شنوتو | کست باکس

شما هم جزوی از "هیپوکــامپ" هستید.

🧠ـهیپوکامپـــــــــــــــــــــــ🎙
@hippocamp_media

#پادکست_هیپوکامپ #علوم_پزشکی #علم_و_هنر #دانشجو_چندبعدی #الهام #motivation@hippocamp_media

وقتی داده‌ها گم می‌شوند: بهترین استراتژی برای مقابله با جاهای خالی زیاد در داده‌ها چیست؟ 🤔📊

فرض کنید کلی زحمت کشیدید و داده جمع کردید، حالا می‌خواهید شاهکار علمی‌تون رو تحلیل کنید، اما با یک عالمه جای خالی توی دیتاست مواجه می‌شید 😩 این مشکل «داده‌های گمشده» (Missing Data)، مخصوصاً وقتی تعدادشون زیاده، می‌تونه حسابی حال آدم رو بگیره.
تو پست‌های قبلی گفتیم که ساختن داده از خودمون یا کپی کردن داده‌های بی‌ربط، کار درستی نیست و اعتبار تحقیق رو نابود می‌کنه. پس چاره چیه؟

- پست بعدی...🌱

📍

اولین قدم: نفس عمیق و بررسی دقیق‌تر 🔍
قبل از اینکه دست به هر کاری بزنید، اول ببینید چرا اینقدر داده گم‌شده دارید.
آیا سوالات پرسشنامه‌تون گنگ بوده و ملت جواب ندادن؟
یا شاید موقع وارد کردن داده‌ها، اشتباهی پیش اومده؟
مهمه که بفهمید این داده‌ها شانسی گم شدن یا یک الگوی خاصی پشت گم شدنشون هست. مثلاً، آیا بیشتر داده‌های مربوط به یک گروه خاص از بیماران یا یک متغیر خاص مثل درآمد، گم شده؟
دونستن «الگوی گم‌شدگی» و «مکانیزم گم‌شدگی» بهتون کمک می‌کنه بهترین راه رو برای پر کردن جاهای خالی پیدا کنید.

📌 روش‌های ساده: خوب، ولی نه برای حجم زیاد ✂️

حذف کامل ردیف‌ها (Listwise Deletion): یعنی هر بیماری که حتی یه دونه از داده‌هاش گمشده، کلاً از مطالعه حذف بشه.
خوبیش چیه؟ راحته!
بدیش چیه؟ اگه داده‌های گمشده‌تون زیاد باشن (مثلاً بیشتر از ۵-۱۰ درصد)، کلی از نمونه‌تون رو از دست می‌دید و نتایجتون ممکنه کج و کوله بشه (دچار سوگیری یا bias). پس برای داده گمشده زیاد، این روش معمولاً مثل سم می‌مونه

حذف زوجی (Pairwise Deletion): یعنی برای هر تحلیل خاص (مثلاً رابطه بین فشار خون و وزن)، فقط اونایی رو در نظر بگیرید که برای همون دو تا متغیر داده دارن.
خوبیش چیه؟ کمتر از روش قبلی نمونه از دست می‌دید.
بدیش چیه؟ ممکنه هر تحلیل رو با یه تعداد نمونه متفاوت انجام بدید که مقایسه کردنشون سخت میشه.

جایگزینی با میانگین/میانه/نما (Mean/Median/Mode Imputation): یعنی جای خالی رو با میانگین یا میانه یا نما همون ستون پر کنید.
⚠️ اصول خاصی داره!
خوبیش چیه؟ ساده‌ست و تعداد نمونه‌تون کم نمیشه.
بدیش چیه؟ این کار مثل اینه که به همه یه لباس یه شکل بپوشونید! پراکندگی واقعی داده‌ها رو کم می‌کنه، روابط بین متغیرها رو ضعیف نشون میده و ممکنه به خطاهای استاندارد و نتایج اشتباه برسید. پس اینم به تنهایی برای داده گمشده زیاد، چنگی به دل نمی‌زنه.

📌 روش‌های حرفه‌ای: وقتی داده گمشده زیاده، اینا به دادتون می‌رسن ✨

برای حجم زیاد داده گمشده، باید بریم سراغ روش‌های پیشرفته‌تری که با عدم قطعیت بهتر کنار میان:

جایگزینی چندگانه (Multiple Imputation - MI):
این روش رو خیلی از اساتید به عنوان «استاندارد طلایی» قبول دارن. به جای اینکه برای هر جای خالی فقط یه عدد حدس بزنیم، MI میاد و با توجه به بقیه داده‌ها، چندین مقدار محتمل (مثلاً ۵ یا ۱۰ تا) برای اون جای خالی تولید می‌کنه. انگار که چند تا سناریوی مختلف برای داده‌های گمشده‌تون می‌سازید. بعد تحلیل اصلی رو روی همه این سناریوها جدا جدا انجام می‌دید و در نهایت نتایج رو با هم ترکیب می‌کنید. اینجوری، عدم قطعیت ناشی از گم شدن داده‌ها توی نتایج نهایی‌تون دیده میشه.

روش‌های مبتنی بر مدل (Model-Based Methods):
الگوریتم‌های خفنی مثل Maximum Likelihood (بیشترین درست‌نمایی) هم هستن که می‌تونن پارامترهای آماری رو با در نظر گرفتن تمام داده‌های موجود (حتی اونایی که ناقصن) تخمین بزنن، بدون اینکه مستقیماً جای خالی‌ها رو پر کنن. اینا بیشتر تو مدل‌سازی‌های پیچیده مثل SEM یا مدل‌های خطی ترکیبی (Mixed Models) کاربرد دارن.

🔴 سخت شد نه؟! بعداً درموردشون صحبت می‌کنیم.

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

سالروز رحلت حضرت امام خمینی (ره)، رهبر کبیر انقلاب اسلامی و احیاگر ارزش‌های الهی، گرامی باد. روح بلند ایشان که با هدایت و حکمت، مسیر عزت و استقلال را به ملت ایران نشان داد، همواره در قلب‌ها جاوید است. 🖤

📍روابط عمومی کمیته تحقیقات و فناوری دانشجویی دانشکده پرستاری گرمی

🆔️ @Arums_src_germi

🆔 https://news.1rj.ru/str/src_germi

رمزگشایی از عدد معروف کنار اسم استادها: H-index 🔢✨

رفقا، تا حالا تو پوستر کارگاه‌ها یا صفحه اساتید دیدید کنار اسمشون نوشته: H-index = [یه عددی]؟ 🤔 می‌خواید بدونید این عدد دقیقاً چیه، چطوری حساب میشه و اصلاً به چه دردی می‌خوره؟

پس با ما همراه باشید ✨

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

📍

به زبان ساده H-index یعنی چی؟ 🤏
فکر کنید می‌خواید بدونید یه آشپز چقدر کارش درسته. هم مهمه که چند مدل غذای مختلف بلده بپزه (تعداد مقالات)، هم مهمه که چقدر از اون غذاهاش واقعاً خوشمزه از آب دراومده و مشتری‌ها رو جذب کرده (تعداد استنادها). H-index سعی می‌کنه این دوتا (کمیت و تأثیرگذاری) رو با هم تو یه عدد نشون بده. این شاخص رو یه فیزیکدان به نام خورخه هیرش در سال ۲۰۰۵ معرفی کرد.

تعریفش اینه:

یه محقق H-index مثلاً ۵ داره، یعنی حداقل ۵ تا مقاله داره که هرکدوم از اون مقاله‌ها هم حداقل ۵ بار توسط بقیه پژوهشگرها استناد (cite) شدن. به همین سادگی! 😊

بریم سراغ محاسبه با یه مثال کاربردی: 📝
فرض کنید استاد X این مقالات رو داره:
مقاله الف: ۲۵ استناد
مقاله ب: ۱۲ استناد
مقاله ج: ۸ استناد
مقاله د: ۵ استناد
مقاله ه: ۲ استناد

مرتب‌سازی: اول مقالات رو بر اساس تعداد استناد از زیاد به کم ردیف می‌کنیم (که تو مثال ما همینطوره).

شمارش و مقایسه: از بالا شروع می‌کنیم و برای هر ردیف، شماره ردیف رو با تعداد استناداتش مقایسه می‌کنیم:

ردیف ۱ (مقاله الف): ۲۵ استناد. (آیا ۱ ≤ ۲۵؟ بله)
ردیف ۲ (مقاله ب): ۱۲ استناد. (آیا ۲ ≤ ۱۲؟ بله)
ردیف ۳ (مقاله ج): ۸ استناد. (آیا ۳ ≤ ۸؟ بله)
ردیف ۴ (مقاله د): ۵ استناد. (آیا ۴ ≤ ۵؟ بله)
ردیف ۵ (مقاله ه): ۲ استناد. (آیا ۵ ≤ ۲؟ نه!)

📌 پیدا کردن H-index: آخرین ردیفی که شماره‌اش از تعداد استناداتش کوچکتر یا مساوی بود، ردیف ۴ هست. پس H-index استاد X برابر با ۴ است.

خب، این عدد به چه دردی می‌خوره؟ 🎯

• ارزیابی در دانشگاه‌ها: خیلی از دانشگاه‌ها و مراکز تحقیقاتی موقع استخدام، ارتقای رتبه اساتید، یا تخصیص بودجه پژوهشی، به H-index به عنوان یکی از معیارها نگاه می‌کنن.

• مقایسه (با احتیاط!): برای مقایسه خیلی کلی پژوهشگرها تو یه حوزه‌ی تخصصی خاص می‌تونه مفید باشه (البته یادتون باشه که سن پژوهشگر و رشته‌ش خیلی تاثیر داره)

• انتخاب راهنما یا همکار: گاهی دانشجوها یا پژوهشگرها برای پیدا کردن استاد راهنما یا همکار تحقیقاتی، به H-index هم توجه می‌کنن تا از میزان فعالیت و تاثیرگذاری علمی فرد مطلع بشن.

چرا نباید فقط به H-index دل خوش کنیم؟ ⚠️
با اینکه کاربردیه، اما حواستون باشه که H-index تنها معیار نیست! کیفیت واقعی مقالات، نوآوری، تاثیرگذاری در جامعه، و اخلاق پژوهشی خیلی مهم‌تر از هر عددیه. این شاخص نمی‌تونه همه اینا رو نشون بده.

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

زمین، امانت آیندگان است؛ با مسئولیت از آن حفاظت کنیم. 🌍
📍روابط عمومی کمیته تحقیقات و فناوری دانشجویی دانشکده پرستاری گرمی

🆔️ @Arums_src_germi

🆔 https://news.1rj.ru/str/src_germi

قیام ۱۵ خرداد، نماد ایستادگی و فداکاری ملت ایران برای عدالت و آزادی. 🇮🇷
📍روابط عمومی کمیته تحقیقات و فناوری دانشجویی دانشکده پرستاری گرمی

🆔️ @Arums_src_germi

🆔 https://news.1rj.ru/str/src_germi

🔰 برگزاری رویداد "کاشت نهال و درختکاری" به مناسبت روز جهانی محیط زیست

🌱 به مناسبت روز جهانی محیط زیست، رویداد "کاشت نهال و درختکاری" با محوریت پویش
«سلامتی مردم با محیط زیست سالم»، توسط کمیته مرکزی تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی اردبیل با همکاری معاونت فرهنگی و دانشجویی دانشگاه علوم پزشکی اردبیل برگزار شد.

🔹 این برنامه در روز سه‌شنبه ۱۳ خرداد ماه ۱۴۰۴، ساعت ۱۰ صبح، در محل معاونت تحقیقات و فناوری دانشگاه با حضور جمعی از مسئولین، اعضای هیئت‌ علمی، کارکنان دانشگاه و دانشجویان برگزار گردید.

🔸 هدف از این رویداد، ترویج فرهنگ حفظ محیط زیست، توجه به توسعه پایدار و مشارکت در اقدامات زیست‌محیطی بود. شرکت‌کنندگان با کاشت نهال‌هایی در محوطه دانشگاه، پیام اهمیت محیط زیست سالم را به عنوان ضرورتی برای سلامت جامعه منتقل کردند.


🔹 این رویداد با استقبال قابل توجهی از سوی دانشجویان و دانشگاهیان همراه بود و در پایان، نهال‌هایی به‌عنوان یادگار این پویش کاشته شدند.

🌍 هر نهال، قدمی برای زمین...

#گزارش_تصویری_۱
#پویش_سبز

📍روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی اردبیل
🆔 @arums_src