Ebm_base

НЕ МЕШКИ ВОРОЧАТЬ Всегда важно знать откуда брать информацию (для аргументации, более подробного изучения в дальнейшем и пр.). В этот раз я хочу рассказать о своих источниках по статистике🤗 🔹Курсы "Основы статистики" - 1 и 2 части на степике (stepik) от Анатолия Карпова и института биоинформатики Для меня это было началом погружения в статистику. Многое я лучше понимаю сейчас, но сначала для меня это звучало как "абракадабра". Однако Анатолий очень хорошо рассказывает об основах, даются задачи для закрепления знаний. В общем, рекомендую абсолютно всем (хоть и есть несколько некритичных неточностей). Курсы абсолютно бесплатны!💸 https://stepik.org/course/76/promo https://stepik.org/course/524/promo 🔹"Статистические методы анализа в клинической практике". Румянцев П.О., Саенко В.А., Румянцева У.В., Чекин С.Ю. Это был второй источник, который я прочитал. В целом хорошая краткая методичка на русском языке! Есть тоже неточности, но на 44 страницы достаточно хорошая информация. Можно найти бесплатно в гугле🔎 🔹Форум datamethods от Фрэнка Харелла (Frank Harrell) Это настоящий кладезь дискуссий о большинстве тем в статистике. Там можно найти объяснение основ, споры о подходах и интерпретации (с т.зр. частотнической и байесовской статистики), рассуждения о необходимости и многое другое. Бесплатно, интересно, жарко. И закрадывается мысль о "точности" статистики🤔 🔹"Fundamentals of Biostatistics. 8th edition". Bernard Rosner. Вся база по статистике, куча формул, примеров и многоанглийскихбукв – это всё эта книга. Почти каждый раз, когда я хочу узнать суть метода, его нюансы или понять его интерпретацию, я первым делом обращаюсь к этой книге. Почти 1000 страниц, которые можно перечитывать по кругу👨🏻‍🎓 🔹Глава "Public Health Sciences" из "First Aid for USMLE step 1". Tao Le и др. В целом кратко написано о многих основах эпидемиологии и статистики. На мой взгляд, это можно использовать как список тем, которые нужно изучить подробно, т.к. объем информации в ней очень скудный. Но, думаю, это можно считать минимумом для каждого врача. Красочно, поверхностно📕 🔹Статья "Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations". S. Greenland и др. Если вы до сих пор не знаете, что такое уровень р и доверительные интервалы, то это статья заставит вас либо полюбить (и мыслить), либо ненавидеть эти темы. Очень много объяснений о том, как их неверно интерпретируют. Однозначно рекомендую, но сложно🤯 🔹Книга "Statistical Rethinking". Richard McElreath. Если вам интересно забыть всё, что учили до и узнать о байесовской статистике, то это для вас. Осторожно! Очень сложно без подготовки. Если вы считаете себя гуманитарием, то лучше пройдите мимо🧠 🔹"Clinical Trials. A Practical Guide to Design, Analysis, and Reporting". Duolao Wang и Ameet Bakhai. Книга старая и больше про клин. исследования, но там есть главы про некоторые аспекты статистики. На мой взгляд хорошее изложение с примерами. Рекомендую, чтобы начать погружение в отдельные темы🕵🏻‍♂️ 🔹"Epidemiology and Biostatistics. An Introduction to Clinical Research. 2nd Edition". Bryan Kestenbaum. В книге целый раздел посвящен статистике. Есть примеры, объясняется интерпретация. Не все идеально, но может рассматриваться как база для изучения. Неплохо, не длинно📚 🔹"YaRrr! The Pirate’s Guide to R". Nathaniel D. Phillips. Если вам наскучило работать в обычных стат. программах, вас задолбала реклама успешных IT, вы хотите повысить свой скилл, то присоединяйтесь к пиратам! Здесь больше, про программирования на языке R, но есть раздел с использованием методов статистики для анализа данных. Мне понравился юмор, как одна из книг для начала освоения R для статистики💻

Есть дикое желание написать пост, есть идея (об источниках, которые рекомендую), но я дико заебался Дохера работы И ее меньше не становится Особенно с учётом, что я сейчас один хирург, и прёт дополнительно куча травм (я каким-то чудом успеваю только операции проводить)

Пока я загружен клинической и организационной работой, можем рассмотреть недавний кейс Пациент М., поступил ночью с жалобами на боль в левом голеностопном суставе, стопа вывернута в латеральную сторону (грубо говоря, она смотрит теперь влево, а не прямо). Какой поставим диагноз, и что делать если у вас ничего и никого (кроме вас) нет?

Теперь мы путешествуем втроём ❤️

Сегодня скинули в чате по R 😁

Как при помощи статистики можно решать конфликты 😁

визуализация результатов отдельный вид искусства)

В общем, теперь выскажу свое мнение) Я сейчас стараюсь углубляться в изучение статистики, поэтому очевидно, что у меня смещенный взгляд Но! Чем дальше я читаю, тем больше у меня вопросов о взаимосвязях и причинно-следственных выводах в исследованиях. Я стараюсь продумывать, насколько адекватно оно по методологии и стат. анализу, ведь от этого зависит какие результаты получены, а значит и какие выводы сделают авторы. Так же в книгах озвучивается мысль, что работа статистика не заучить и написать формулу, а правильно применять методы анализа и их интерпретировать. "Правильно" - это подходящий под установленные конкретные цели. Потому что единых и строго верных алгоритмов тут нет. Зачем же все это врачу? Мы итак учимся 6-8 лет, а тут ещё параллельно "это". На мой (максимально субъективный, предвзятый и хирургический) взгляд, это помогает оценивать статьи (особенно после изучения causal inference), самому принимать решения (определять важные и имеющие влияние факторы), понимать другие сферы, связанные со статистикой (экономика, социология, бизнес), углубиться в область исследований (т.к. статистика связана с методологией, как предыдущим этапом). Какой объем необходим? Честно, на этот вопрос у меня нет ответа. Как минимум стоит вспомнить математику из школы. В комментариях писали разные мнения, но примерный список тем достаточно часто встречается в "базовых" курсах об основах статистики. На мой все тот же взгляд, надо начать, а дальше не останавливаться 😁 там как и в медицине, огромные просторы знаний. И я думаю, что огромное искусство - совместить вместе эти просторы (знать бы как...)!

Хочется оставить в общем виде посты по диагностике: 1) чувствительность (Se) и специфичность (Sp) 2) использование (польза) от чувствительности и специфичности 3) пред- (априорная) и посттестовая (апостериорная) вероятности 4) положительная и негативная прогностические ценности (PPV и NPV) 5) методы рассчёта посттестовой вероятности Надеюсь так будет удобнее и понятнее😅 #ebm_диагностика

Ebm_base pinned «ОЦЕНИВАЙ ВМЕСТЕ "Забудьте о p-значениях и о том, исключают ли ваши доверительные интервалы 0" © Одна из завершающих строчек (пер. с английского) книги "Регрессия: теория и практика" Гельмана Э. и др. Но почему такое отношение у профессоров по статистике❓…»

ОЦЕНИВАЙ ВМЕСТЕ "Забудьте о p-значениях и о том, исключают ли ваши доверительные интервалы 0" © Одна из завершающих строчек (пер. с английского) книги "Регрессия: теория и практика" Гельмана Э. и др. Но почему такое отношение у профессоров по статистике❓ В предыдущих постах я рассказывал о p-value и доверительных интервалах⏮️ Очень часто их используют, чтобы принимать какие-то решения. И действительно, часто можно увидеть эти показатели в исследованиях, где тестируются гипотезы 🟰 📍Для р стандартно определяется порог в 0,05. Он говорит, что вероятность увидеть наши такие или еще более экстремальные результаты при верной нулевой гипотезе (различий нет) составляет 5%❗ И в научном обществе посчитали, что такая вероятность достаточно мала, чтобы мы ее могли наблюдать 👻 На самом деле уровень 0,05 установлен по согласованию, никаких объективных причин он за собой не несет. В связи с чем постоянно ведутся споры и предлагается ужесточение до 0,01 или даже до 0,001 🤬 Но тогда возникает проблема с пересмотром уже имеющихся исследований ⚖️ ⚠️Поэтому формально: если р<0,05, то мы отвергаем нулевую гипотезу (различий нет), указывая "получены значимые различия"⚠️ 📍95 % доверительный интервал (ДИ) – это интервал, сгенерированный процедурой, которая при многократных повторах выборок с вероятностью 95% содержит/включает/"покрывает" истинное значение популяции❗ Т.е. если в 100 разных выборках рассчитать 95% ДИ, то в среднем 95 из них будут покрывать истинный эффект, остальные 5 будут ошибаться 🤯 Для ДИ есть две ситуации: 1️⃣ Если мы оцениваем его для разницы/difference (А – В), то он не должен включать 0. Потому что иначе мы предполагаем, что есть вероятность, что истинное значение равно ему (либо покрывает, либо нет, но мы этого не знаем). И так как мы оцениваем только один конкретный ДИ для одной выборки, то не можем знать другие (иначе можно было бы предположить, что мы ошибаемся). 2️⃣ В случае оценки отношения/ratio (А/В), он не должен включать 1. Остальной принцип остается таким же. ⚠️Поэтому формально: для разницы ДИ не должен включать 0, для отношения – 1, тогда мы отклоняем нулевую гипотезу⚠️ Обычно точную оценку (estimate) приводят вместе с 95% ДИ и р. Могут возникать формальные ситуации, когда ДИ не значим, а р значим. Как в этой ситуации поступать?🙀 Я обычно склоняюсь к идеи оценивания по ДИ (за счет его большей информативность). Но в такой ситуации нужно обязательно учитывать другие нюансы (размер выборки, множественные сравнения, распределение ошибок и т.д.)🧐 Так почему такое отношение у профессоров по статистике?👨🏻‍🎓 Они против формальных оценок на основе пересечения порога. Один показатель - плохой способ оценить всю методологию и анализ, нужно не отбрасывать доступную информацию, а использовать ее 🙇🏻‍♂️ #ebm_статистика#биостатистика#biostatistics

Дочитал я эту книгу 🎉 741 страница (ахренеть!) В общем, на мой взгляд, те, кто уверенно себя чувствуют в простых тестах и хотят погрузиться в мир регрессии, то это для вас) но в книге не много готовых решений (скорее пример), потому что основная цель - научить пониманию и смыслу (что, зачем, когда, что получим и как интерпретировать)🤯 Я остался доволен))