medstatistic

The StatTech statistical software has been available since 2020. Since then, it has been used to write more than 3,500 scientific articles and to prepare and successfully defend over 300 dissertations. Today, more than 22,000 people use the software. StatTech is used not only by Russian researchers. The software has long featured both its interface and statistical output in English and French. StatTech also has its own Research Resource ID, which allows it to be cited as a statistical analysis tool in scientific publications. According to searches in PubMed, Scopus, MDPI, and Google Scholar, 98 articles using StatTech have been published in international journals to date, including 66 articles in Q1–Q2 journals, such as Annals of Oncology, Atherosclerosis, Biomedicines, Journal of Pediatric Surgery, Nutrients, Vaccines, and others. We want researchers all over the world to learn about StatTech! That is why we are announcing a period of free access to the software for any scientific, educational, or medical organization until the end of 2026. To apply, simply submit a request on behalf of your organization using the form at the link below: 👉 https://stattech.pro/free-access-request After receiving your application, we will prepare a partnership agreement with your organization within 5 business days and send it to the email address provided in the application. Under this agreement, each organization will receive full free access to StatTech for 5 workstations until December 31, 2026. To introduce the software, we have also decided to hold an international online demonstration of StatTech via Zoom. It will take place on June 6 at 12:00 UTC / 15:00 Moscow time and will be held in English. We will demonstrate the software’s key features: creating surveys, working with a database, and, of course, performing statistical analysis. We will answer all your questions and will also set aside time for those who would like to share their experience using StatTech. Please message me if you would like us to include your short presentation in the program — we would be delighted to do so. To join the demonstration, please register using this form: 👉 https://stattech.pro/conference-registration Immediately after registration, you will see a special promo code for purchasing individual access to the software with a 20% discount. The promo code will be valid until June 30, 2026. Dear friends, we would be very grateful if you shared this information with your fellow researchers working in any country around the world. See you at the conference! 🤗

Статистическая программа StatTech существует с 2020 года. За это время с её помощью написано более 3500 научных статей, подготовлено и защищено более 300 диссертаций. Более 22 тысяч человек являются пользователями программы. StatTech используется не только российскими учёными. В программе давно уже реализованы интерфейс и статистический вывод на английском и на французском языках. StatTech имеет свой Research Resource ID, позволяющий указывать её в качестве средства статобработки в научных работах. И согласно поиску в базах PubMed, Scopus, MDPI и Google Scholar на сегодняшний день в зарубежных журналах опубликованы 98 статей, в том числе 66 - в журналах из Q1 -Q2 (в т.ч. в Annals of Oncology, Atherosclerosis, Biomedicines, Journal of Pediatric Surgery, Nutrients, Vaccines и др.) Мы хотим, чтобы о StatTech узнали учёные во всем мире! И поэтому объявляем время свободного доступа к программе для любых научных, образовательных или медицинских организаций до конца 2026 года. Для этого нужно всего лишь отправить заявку по Вашей организации через форму по ссылке: 👉https://stattech.pro/free-access-request После получения заявки в течение 5 рабочих дней мы подготовим партнерское соглашение с Вашей организацией, которое направим по указанной в заявке почте. В соответствии с этим соглашением каждой организации будет предоставлен бесплатный полноценный доступ к StatTech в составе 5 рабочих мест до 31.12.2026. А для знакомства с программой мы также решили провести международную онлайн-демонстрацию StatTech через платформу Zoom. Она состоится 6 июня в 12:00 UTC (15:00 по МСК) и пройдет на английском языке. Покажем основные возможности программы: создание опросов, работу с базой данных и, конечно, выполнение статистического анализа. Ответим на все вопросы, а также отдельно предоставим время для желающих поделиться своим опытом работы со StatTech (напишите мне, мы будем рады включить Ваше короткое сообщение в программу). Для того, чтобы присоединиться к демонстрации, зарегистрируйтесь по этой форме: 👉 https://stattech.pro/conference-registration Сразу после регистрации Вам будет показан специальный промокод на приобретение индивидуального доступа к программе с 20% скидкой. Им можно будет воспользоваться до 30.06.2026. Дорогие друзья, будем очень благодарны, если Вы поделитесь этой информацией со своими коллегами-учеными, работающими в любой стране мира. До встречи на конференции!🤗

В качестве примера приведу цитаты из статьи Гржибовского А.М. и соавт., 2016 года:

«Прежде чем использовать параметрические методы статистики, исследователь должен убедиться в том, что распределение имеющихся в его распоряжении данных не отличается от нормального»;

А также из статьи Леонова В.П. 2019 года:

«Для непрерывных количественных признаков следует обязательно произвести проверку нормального распределения».

Этот алгоритм быстро завоевал доверие со стороны научного сообщества. Рецензенты и научные руководители стали требовать проверку на нормальность при анализе данных клинических исследований. До сих пор в значительном числе научных работ, в том числе публикуемых в авторитетнейших NEJM и Lancet, мы встречаем выбор статистического метода исходя из нормальности распределения. Такая популярность алгоритма №2 не позволяет пока полностью отказаться от него. Далее мы покритикуем этот алгоритм, но вообще-то некоторый смысл в нём есть. 💡Во-первых, он обращает внимание авторов на распределение данных, о котором раньше мало кто задумывался. А ведь это важная характеристика, которую непременно следует изучать при выполнении статанализа. 💡Во-вторых, использование параметрических критериев при нормальном распределении почти всегда будет оптимальным выбором. 💡В-третьих, в отдельных случаях отклонений от нормального распределения действительно лучше использовать ранговые методы. 💡В-четвертых, условие гомоскедастичности справедливо для t-критерия Стьюдента (и, кстати, актуально и для критерия Манна-Уитни - см. наш пост про критерий Бруннера-Мюнцеля). Интересно, что на волне роста претензий к использованию параметрических методов без проверки на нормальность распределения, в связи со сложностью и субъективностью этой проверки (что справедливо!), а также устоявшимся (неверным!) мнением, что непараметрические критерии - это то же самое, что и параметрические, но только они не требуют нормальности, появился ещё один крайний алгоритм №3: 1️⃣ Всегда использовать непараметрические методы, независимо от распределения данных. Обращаясь к статистикам, аспиранты той поры интересовались, смогут ли они рассчитать критерий Манна-Уитни или критерий Фридмана. Использование «непараметрики» избавляло от необходимости долго и сложно «пояснять за нормальность» на защите диссертации или в ответах рецензентам. И автоматически снимало все вопросы к выбору методов анализа. На этой волне я услышал однажды от одного исследователя замечательную фразу в ответ на мое предложение использовать в его работе t-критерий Стьюдента: - Дамир Ильдарович, так он ведь запрещен!! Мой вопрос: кем и когда запрещен? - разумеется, остался без ответа. Следует отметить ещё один факт, по времени совпавший с расцветом популярности непараметрических критериев: переход от табличного редактора MS Excel к полноценным статистическим программам. В стандартном Excel непараметрика, как известно, отсутствует, поэтому использование критерия Манна-Уитни или коэффициента ранговой корреляции Спирмена свидетельствовало о владении автором, например, программой STATISTICA 6.0. Результаты работы в таком случае выглядели максимально убедительно! Продолжение следует

Эта тема вот уже не первый год будоражит все статистические чаты. Проверять или не проверять количественные данные на нормальность распределения перед анализом количественных данных? Начну с истории. Некоторые коллеги-математики и биостатистики удивляются популярности алгоритма выбора метода в зависимости от нормальности распределения в медицинских исследованиях. Возможно, мой краткий экскурс раскроет некоторые предпосылки этого явления. Сразу оговорюсь, что эта история включает мои личные оценки, как непосредственного свидетеля и участника описываемых событий. Когда-то давным-давно в самом начале нулевых в медицинском вузе нас учили, что сравнивать количественные показатели в двух группах нужно с помощью t-критерия Стьюдента. Мы вручную рассчитывали его по формуле, а потом по таблице критических значений при уровне значимости 0.05 определяли, «достоверны» ли различия. Думаю, что эти задачи до сих пор решаются на кафедрах оргздрава или медицинской статистики. Конечно, нам рассказывали о непараметрических (ранговых) критериях. Но только очень кратко, вскользь. То есть мы знали, что они существуют, и могут применяться в каких-то случаях вместо t-критерия Стьюдента. Но что это за случаи - нам не рассказывали. Например, в учебнике по общественному здоровью и здравоохранению Миняева и Вишнякова (изд. МедПресс-Информ), который использовался на кафедре в качестве основного учебного пособия, непараметрическим критериям была посвящена всего одна страница. Если взять отечественные медицинские статьи и диссертации 90-х или ранних нулевых годов, в большинстве из них мы не встретим непараметрических критериев. И нормальность данных тогда никто не проверял. В тех работах использовался алгоритм №1: 1️⃣ Всегда используем параметрические методы. И вдруг мы узнали, что, оказывается, делаем все неправильно. Оказывается, t-критерий Стьюдента, как и другие параметрические методы, можно использовать только при определенных условиях. Причем эти условия выполняются очень редко, намного реже, чем не выполняются. Среди этих условий - та самая нормальность распределения и ещё одно свойство с длинным названием «гомоскедастичность», т.е. равенство дисперсий. В научных журналах и в интернете появилось большое число статей, где рекомендовался алгоритм №2: 1️⃣ Проверяем выборочные данные на нормальность распределения какими-либо методами. 2️⃣ (факультативно) При сравнении независимых групп проверяем также равенство дисперсий в группах. 3️⃣ Если данные нормально распределены, используем параметрические методы. В случае использования п.2: при равенстве дисперсий применяем t Стьюдента или F Фишера. Если дисперсии не равны - применяем t или F Уэлча. 4️⃣ Если распределение отличается от нормального, используем непараметрические (ранговые) методы.

Дорогие друзья, 7-й поток мастер-класса по работе с литературой стартует 27 апреля! Ждём аспирантов, учёных, всех, перед кем стоит задача быстро и качественно сделать обзор литературных источников для диссертации или статьи. Всех, кто хочет максимально использовать возможности современных программ, в т.ч. искусственного интеллекта, для подготовки, написания, оформления и проверки научного текста. Занятия будут проходить в 19:00 по МСК на платформе Zoom, в режиме живого общения, 3 раза в неделю. Все занятия записываются, срок доступа к видеозаписям и остальным материалам - как всегда, не ограничен! Программа занятий: 27 апреля - Библиографическое описание. Транслитерация. 29 апреля - Использование библиографических менеджеров при работе с литературой. Оформление списка литературы по ГОСТ с помощью библиографических менеджеров (Zotero). 1 мая - Подбор библиографических источников и оформление списка литературы при помощи искусственного интеллекта. 4 мая - Работа в электронных базах, поиск литературы для диссертаций, обзорных статей и систематических обзоров с применением искусственного интеллекта. 6 мая - Оформление обзора литературы для диссертации. Классификация научных статей, структура и особенности их оформления 8 мая – Обзор систем для проверки научных текстов на заимствования (плагиат). Рерайтинг, использование систем на основе искусственного интеллекта Записаться на курс можно по ссылке: https://taplink.cc/medstatistic/p/397b8f/

Можно по-разному относиться к применению искусственного интеллекта в науке для генерации идей или описания результатов. Но польза ИИ при подготовке обзоров - очевидна и вызывает значительно меньше возражений. В настоящее время большинство систем для поиска публикаций в интернете используют в своих алгоритмах ИИ. Однако есть одна проблема - галлюцинации. Это означает, что ИИ, когда не может найти какую-то информацию, вместо того, чтобы честно признаться в этом, выдумывает несуществующие факты. При поиске публикаций галлюцинации приводили к тому, что в списке источников встречались выдуманные ИИ статьи, которые при этом выглядели совсем, как настоящие. Более устойчивы к галлюцинациям системы, ищущие ответы на вопросы внутри определенной базы источников. И несколько месяцев назад появился новый мощный инструмент, который собирает информацию только из научных статей, причем их число огромно и включает, по некоторым данным более 88 млн. источников! Мы говорим о новом творении «амбассадора открытых данных» Александры Элбакян - открытом бесплатном онлайн-сервисе Sci-Bot. Это сайт, расположенный по адресу sci-bot.ru, где без какой-либо регистрации мы можем написать научный вопрос и получить развернутый ответ, исходя только из базы источников Sci-Hub. Поэтому каждый тезис будет сопровождаться ссылкой на реальную статью. А в самом конце ответа будет оформлен общий пронумерованный библиографический список. К минусам сервиса можно отнести отсутствие самых свежих статей, так как в базе Sci-Hub, как известно, представлены публикации до 2023 года. Также слабо представлены статьи open access (со свободным доступом), ведь в Sci-Hub хранятся источники, доступ к которым официально ограничен. Мы тестировали сервис Sci-Bot на разных задачах и должны признать, что он отлично с ними справился. Даже нашел ответы на сложные вопросы про особенности применения редких статистических методов, информацию о которых очень трудно найти. Попробуйте сами и поделитесь своими впечатлениями в комментариях! А на ближайшем потоке Мастер-класса по работе с литературой мы подробно расскажем не только про этот сервис, но и про многие другие, которые используются на разных этапах написания научной статьи или диссертации.

Если у Вас есть желание занять чем-то приятным и небесполезным 3 часа своего времени, то предлагаю посмотреть видеозапись вебинара на тему построения и визуализации прогностических моделей, прошедший в это воскресенье. Лекция состоялась в рамках весенней онлайн-школы для исследователей «Старт в науку», организованной Евгенией Малинович на базе Национального НИИ общественного здоровья им. Н.А.Семашко. О чем можно узнать из вебинара? 🔹Какие бывают предсказательные модели и как их можно использовать в медицинских и социальных исследованиях? 🔹Как интерпретируются коэффициент регрессии и интерсепт? 🔹В чем отличие логистической регрессии от линейной? 🔹Как построить регрессионную модель в статистической программе StatTech? Впервые было показано, как можно визуализировать уравнение регрессии с помощью номограммы. При этом был использован функционал онлайн-калькулятора, доступный на сайте medstatistic.ru. В ближайшее время обязательно сделаю пост о номограммах как способе представления регрессии. А в конце вебинара мы провели небольшое исследование, где вместе со слушателями проверили, связано ли, например, среднее число шагов с индексом массы тела. Смотреть вебинар можно по этой ссылке

Завтра 9 апреля в 15.00 стартует весенняя онлайн-школа для исследователей «Старт в науку» на базе Национального НИИ общественного здоровья им. Н.А.Семашко, где я прочитаю доклад о прогностических моделях. Программа весенней школы: 9 апреля 15:00 - Подготовка базы данных к регистрации 10 апреля 15:00 - База данных Excel = 1 публикация ВАК. Ананченкова Полина 16:30 - Регистрация патентов для любых научных направлений. Эминова Валерия17:30 - Гранты для всех. Сидорук Кристина 11 апреля 15:00 - Antiplagiat после обновлений: как работать с проверкой текста. Малинович Евгения 16:00 - Мотивация для написания диссертации. Пономарева Ирина 12 апреля 15:00 - Прогнозирование исходов и параметров с помощью статистических методов. Марапов Дамир Зарегистрироваться на бесплатную весеннюю онлайн-школу Обратите внимание: всем, кто прослушает 4 лекции весенней школы будут выданы сертификаты от Национального НИИ общественного здоровья им. Н.А.Семашко.

Что обязательно нужно сделать до начала проспективного клинического исследования? ➖Найти авторитетного профессора и предложить ему стать соавтором? ➖Договориться с местным статистиком, чтобы заранее занять очередь на статобработку? ➖Придумать кликбейтное название для будущей публикации? Нет, нет и нет! (Хотя…) По требованиям главного этического документа в области исследований - Хельсинкской декларации, а также по рекомендациям таких серьезных организаций, как: 🔹 Международный комитет редакторов медицинских журналов (ICMJE), 🔹 Всемирная организация здравоохранения (WHO), 🔹 Международный совет по гармонизации технических требований к лекарствам для медицинского применения (ICH), каждое проспективное клиническое исследование должно быть зарегистрировано в открытой базе. Для чего это всё? Чтобы явить миру свое намерение провести исследование. А ещё сделать весь процесс прозрачным для научного сообщества, значительно снизить возможность манипуляции данными, фальсификаций, p-хакинга. Заявили набор 1000 пациентов? Запланировали сравнение с помощью t-теста? Указали, что не будете включать пациентов старше 60 лет? Извольте выполнить все свои обещания, даже если в процессе исследования увидели, что при изменении этих условий результаты могли бы стать лучше. И даже если результат получился отрицательным - придётся рассказать об этом. Когда регистрировать? До включения первого пациента в исследуемую выборку или до начала сбора материалов. Что регистрировать? Собственно, регистрируется протокол исследования. В том числе: дизайн, критерии включения и исключения, планируемый объем выборки, конечные точки исследования. Какой дизайн может быть у регистрируемых исследований? В принципе, любой. Исследование необязательно должно быть проспективным или интервенционным. Например, существует регистр систематических обзоров с мета-анализом - PROSPERO. И главный вопрос: Где зарегистрировать свое исследование? Ранее нам были доступны, в основном, зарубежные платформы для регистрации исследований, из которых наиболее известен американский реестр CLINICALTRIALS.gov. Но не так давно для проспективных клинических исследований появилась полноценная отечественная альтернатива, разработанная нашими друзьями - Независимой Национальной Академией доказательной медицины - русскоязычный реестр CLINICALSTUDY.ru. Коллегами из ННАДМ разработаны подробные инструкции по использованию ресурса. На сегодняшний день на CLINICALSTUDY.ru уже зарегистрировано несколько исследований в разных областях медицины: кардиологии, сосудистой хирургии, нефрологии, абдоминальной хирургии и пр. И ещё несколько десятков исследований находятся на рассмотрении. Публичное размещение протокола своего исследования на онлайн-платформах, таких как CLINICALSTUDY.ru, значительно повышает доверие к нему. Настолько, что редакции журналов готовы рассматривать вне очереди рукописи с результатами ранее зарегистрированных исследований. Такое дополнение на днях появилось в описании редакционной политики одного из крупнейших российских издательств «Эко-Вектор» (среди их научных журналов - «Эпидемиология и инфекционные болезни», «Неврологический вестник», «Журнал акушерства и женских болезней» и многие другие). И в самом начале списка рекомендуемых для регистрации исследований платформ указан ресурс CLINICALSTUDY.ru. Вероятно, эта практика должна быть широко распространена. Например, предварительная регистрация протокола исследования может стать обязательной при написании диссертации или при подаче заявки на грант. Может быть, вы уже сталкивались с такими требованиями? Мы приветствуем появление таких ресурсов, как CLINICALSTUDY.ru. Они расширяют возможности отечественных учёных в части проведения качественных исследований и способствуют повышению доверия к их результатам.

Дорогие друзья! Сообщаю, что меньше чем через две недели - в понедельник, 6 апреля - стартует четвертый поток Курса по мета-анализу! Какие темы освещаются на курсе? 🔸 Что такое мета-анализ, его преимущества и недостатки. 🔸 Этапы написания мета-анализа. 🔸 Критерии отбора исследований. 🔸 Оценка риска систематической ошибки в исследованиях. 🔸 Оценка публикационного смещения. 🔸 Мета-анализ результатов сравнения количественных показателей. 🔸 Мета-анализ результатов сравнения категориальных показателей. 🔸 Мета-анализ показателей выживаемости. 🔸 Анализ подгрупп. 🔸 Мета-регрессия. 🔸 Мета-анализ чувствительности и специфичности, HSROC. Как проходят занятия на курсе? 🔺 6 онлайн-занятий по 1,5-2 часа в вечернее время. 🔺 Общая продолжительность курса - 2 недели. 🔺 Домашние задания на базах реальных исследований. 🔺 Шаблоны оформления для каждого вида мета-анализа. 🔺 «Вечный» чат с курсантами. 🔺 Неограниченный по времени доступ ко всем материалам курса. Мы будем работать в программах RevMan, jamovi, Open[Meta]Analyst и - внимание! - впервые в программе Comprehensive Meta-Analysis! Прочитать подробную информацию о курсе и записаться можно по этой ссылке Буду рад встрече на курсе!🤗

Коллеги, на всякий случай. Наши ресурсы в Максе: Канал medstatistic Чат medstatistic_chat

Продолжаем обсуждать тему визуализации предсказательных моделей. Первая часть здесь Один из самых простых методов построения предсказательных моделей - парная линейная регрессия. Она используется для описания взаимосвязи двух количественных показателей. Один из них - зависимый, Y, другой - независимый, X. Суть предсказания заключается в том, что по известному значению X мы можем предположить среднее значение неизвестного нам Y. Это несложно, так как они связаны между собой простой линейной функцией: Y = a*X + b, где a - коэффициент регрессии, b - интерсепт, или константа. Коэффициент регрессии a показывает, на сколько изменится среднее значение Y при увеличении X на 1. Интерсепт b соответствует предполагаемому среднему значению Y при X=0. Не хотите считать по формуле? Тогда посмотрите на график. Он представляет способ визуализации предсказательного алгоритма. График линейной функции - это прямая линия в обычной плоской системе координат с горизонтальной осью X и вертикальной осью Y. Как предсказать Y исходя из известного нам X? 1️⃣ Найдите заданное значение на оси X. 2️⃣ Поднимите перпендикуляр от оси Х до линии графика. 3️⃣ Опустите из этой точки перпендикуляр на ось Y. Получится предсказанное среднее значение Y для заданного X. В качестве примера такой модели возьмём график, представленный в статье Z.Vesoulis и соавт., опубликованной в журнале Pediatric Research в 2022 г. Авторы получили с помощью парной линейной регрессии модель зависимости сатурации тканей головного мозга от содержания гемоглобина в крови. То есть мы измеряем у ребенка уровень гемоглобина - это Х, и делаем выводы об Y - церебральной сатурации. Допустим, значение уровня Hb составило 10 г/дл. Находим это значение на оси X, поднимаемся к линии регрессии и опускаем от нее перпендикуляр на ось Y. Получается примерно 66%. Таким образом, среднее значение сатурации головного мозга при уровне Hb=10 г/дл ожидается на уровне около 66%.

Дорогие исследовательницы! 🌸Желаю Вам баз данных без пропусков, распределений без выбросов и научных открытий без p-хакинга! 🌸Пусть Ваши рецензенты будут разумными и справедливыми, а научный руководитель - всегда и везде поддерживает во всём! 🌸Пусть журналы сами платят Вам гонорары за статьи, а организаторы конференций по всему миру полностью компенсируют расходы на проезд и проживание! 🌸И пусть каждый день Вас встречают восхищенные взгляды коллег-мужчин в Вашей организации, отделении и на кафедре! С 8 марта!💐🤗❤️

Опросные формы - пожалуй, лучший способ сформировать базу данных. Разговор с психологом - пожалуй, лучший способ разобраться в причинах и последствиях такого явления, как измена. Как это связано друг с другом? А вот так: завтра, в 19.00 по МСК мы совместно с клиническим психологом, сексологом, членом Ассоциации сексологов России, парным терапевтом Еленой Савельевой проведем совместный вебинар, где обсудим проведенный недавно опрос про измены. Я подробно покажу, как создавать опросные формы, как организовать их заполнение, как выгружать результаты в базу данных и делать статистический анализ. А Елена объяснит полученные результаты и даст профессиональные рекомендации, как избежать проблем в отношениях с партнером (или партнерами😈). Подключиться к вебинару

Этим полукреслом мастер Гамбс начинает новую партию мебели постом начинаю большой обзор на тему визуализации предсказательных моделей. Мы увидим, как можно наглядно и красиво представить регрессионные уравнения и правила классификации, узнаем, что такое номограммы и территориальные карты, разберем примеры визуализаций моделей в научных медицинских статьях. Предсказательные модели (predictive models) - это специальные формулы или алгоритмы, которые позволяют определить наиболее вероятное значение неизвестного зависимого признака исходя из известных значений независимых признаков, которые называют предикторами. Использование предсказательной модели очень близко к мыслительному процессу врача, когда он ставит диагноз или определяет прогноз по известным ему параметрам здоровья пациента. Таким, как результаты анализов и инструментального обследования, данные анамнеза, наличие определенных жалоб, симптомов и др. Предсказательные модели бывают: 🔮 Прогностическими - которые предсказывают будущее: вероятность события, которое ещё не произошло, или наиболее вероятное значение показателя, которое может быть достигнуто в будущем. 🩺 Диагностическими - которые определяют настоящее: вероятность состояния, уже имеющегося у пациента (единицы наблюдения), или значение неизвестного нам, но уже достигнутого показателя. С точки зрения статистики, и прогностические, и диагностические модели могут быть построены одними и теми же методами. Но интерпретироваться с клинической точки зрения будут по-разному, так как одни определяют прогноз, другие - диагноз. Также можно выделить одно- и многофакторные предсказательные модели. В первом случае мы используем значение только одного предиктора, во втором - двух и более предикторов. Главным критерием качества предсказательной модели является точность предсказания, то есть совпадение предсказанных значений с фактическими. Процесс проверки точности предсказательной модели называется валидацией. При этом важно проверить совпадение не только на той выборке, с помощью которой была разработана модель (такая проверка называется внутренней валидацией), но и на новой выборке - т.е. на других наблюдениях, которые не использовались для разработки модели (внешняя валидация). Какие методы используются для разработки предсказательных моделей? Выбор зависит от типа предикторов и зависимого показателя: 🔸 Зависимый показатель - количественный, независимые - количественные: используем линейную или нелинейную регрессию. 🔸 Зависимый показатель - количественный, независимые - любые: общие линейные модели. 🔸 Зависимый показатель - бинарный, независимые - любые: бинарная логистическая регрессия. 🔸 Зависимый показатель - бинарный, независимые - количественные: дискриминантный анализ. 🔸 Зависимый показатель - любой, независимые - любые: деревья решений. 🔸 Зависимый показатель - порядковый, независимые - любые: порядковая логистическая регрессия. Список неполный, методов разработки предсказательных моделей множество. Часто предсказательные модели выглядят как сложные уравнения или системы уравнений. Рассчитать с их помощью зависимый показатель вручную очень непросто, необходимо использовать калькулятор или программы, позволяющие делать сложные вычисления. Одним из способов сделать предсказание более простым и наглядным - графическая визуализация модели. А вообще диаграммы при разработке и описании предсказательных моделей используются на разных этапах: 🔷 для представления самого алгоритма, по которому исходя из предикторов можно найти предсказанное значение зависимого показателя, - как раз об этом мы будем говорить в последующих постах, 🔷 для оценки точности предсказания и её зависимости от различных параметров (например, графики остатков, ROC-кривые, калибровочные кривые), 🔷 для описания взаимоотношений между отдельными предикторами и зависимым показателем (например, точки отношений шансов с планками 95% ДИ). В следующем посте рассмотрим график парной линейной регрессии как средство визуализации модели предсказания одного количественного показателя от другого.

StatTech (Статтех) обновился до версии 4.12! Что нового появилось в программе? 1️⃣ Главные изменения в этот раз - в опросах. Позже обязательно сделаю пост о том, как использование опросных форм может сэкономить время и упростить сбор материала не только в социологии, но и в клинических исследованиях. Напомню, что сервис «Мои опросы» по функционалу напоминает аналогичные Яндекс или Google формы. Он позволяет создать анкету, ответы на которую могут вносить как респонденты, так и сам исследователь. Собранные данные могут быть выгружены в одну из баз внутри программы и сразу же статистически обработаны, так как все настройки делаются ещё на этапе создания анкеты. «Мои опросы» позволяют вносить вопросы с ответами в виде числа, даты, с выбором одного или нескольких вариантов ответа, а также со свободным ответом в виде текста. А в версии 4.12 появилась ещё одна важная возможность: теперь в опросе можно создавать отдельные ветки, исходя из ответов, полученных на предыдущие вопросы. Делается это путем добавления условия видимости к вопросу. Например, мы собираем данные о двух группах пациентов: прооперированных и получивших консервативное лечение. И при наличии операции хотим дополнительно уточнить вид анестезии. Тогда к вопросу «Каким образом было выполнено обезболивание» добавляем условие, что он будет виден только тем, кто ответил утвердительно на более ранний вопрос «Была ли Вам выполнена операция по поводу данного заболевания?». Таким образом, можно строить разные по сложности ветвления конструкции. Кстати, мы уже применили новую функцию в идущем сейчас опросе про измены. Будем вам очень благодарны, если пройдете его. И заодно сможете увидеть, как меняется анкета, например, при выборе разных вариантов ответа на вопрос «Изменяли ли Вам когда-либо в отношениях до брака или в браке?». 2️⃣ Улучшения фильтров в базе. Эта функция сделана по запросу наших пользователей. Многие используют фильтры, которые применяются к любой из колонок в базе, позволяя отобрать для анализа определенную выборку исследуемых. Для количественных переменных мы можем задавать определенный диапазон значений. Для категориальных - выбрать нужные категории. Было 2 проблемы: 🔺 Фильтры не сохранялись при закрытии базы и каждый раз при новом входе в базу нужно было ещё раз выставлять их. 🔺 Когда установлено несколько фильтров, было трудно их всех контролировать и убирать. Приходилось прокручивать всю базу, чтобы не пропустить ни одной колонки с фильтром. В новой версии фильтры сохраняются в базе, пока они не будут удалены пользователем. Даже при выходе из аккаунта и повторном входе установленные в базе фильтры никуда не денутся и останутся на своих местах. А ещё в интерфейсе базы появилась кнопка: «Сбросить все фильтры». Нажав на нее, все ранее установленные фильтры снимаются и база возвращается в исходный набор строк. Дорогие пользователи Статтех! Мы очень рады, что вас становится все больше, и количество диссертаций и статей, выполненных с помощью нашей программы, растет с каждым днем. Мы благодарим Вас за доверие к программе и обещаем в ближайшее время порадовать новыми возможностями, ускоряющими путь от исследовательской задачи к готовому научному отчету! А если Вы ещё не знакомы со Статтех, обязательно посмотрите наше видео, доступное: 🎬 в VK Видео, 🎬 в RuTube.

Канал medstatistic появился и в мессенджере Max. Добавляйтесь по этой ссылке, дорогие коллеги!

Почему люди изменяют своим любимым? Готовы ли мы простить себе то, что никогда не простили бы партнёру? Ведёт ли измена к однозначному разрыву отношений или их можно попытаться сохранить? Встречайте новый опрос от Лаборатории «несерьёзных» исследований! Вот только в этот раз он на самом деле посвящён серьёзной и важной теме: причинам измен в парах и тем факторам, которые помогают сохранять близость, доверие и стабильность в отношениях. Проводим опрос мы совместно с клиническим психологом, сексологом, членом Ассоциации сексологов России, парным терапевтом Еленой Савельевой. Цель нашего опроса - собрать реальную картину того, что сегодня происходит в отношениях, понять, какие причины чаще всего приводят к кризисам и какие факторы становятся поворотными точками в паре. Опрос продлится до конца недели. Он абсолютно анонимный, мы не стали спрашивать даже о возрасте. Только пол и наши «горячие» вопросы. Будем Вам очень благодарны за участие и репост среди Ваших коллег и подписчиков!❤️ А после обработки результатов на следующей неделе мы с Еленой проведем совместный вебинар. 📊 Я расскажу, как создать такой опрос на платформе StatTech, покажу новый функционал с разветвлением опроса и в прямом эфире сделаю статистическую обработку полученных данных. 💕 А Елена поможет сделать правильные выводы из нашего исследования, поделится своим опытом работы с парами, находящимися в кризисе отношений, и подробно расскажет, какие шаги помогают снизить риски измен и что нужно делать, чтобы отношения оставались крепкими, тёплыми и приносили взаимное удовольствие обоим партнёрам. Пройти опрос можно по этой ссылке➡️