Это такой сюр... Что в какой-то момент уже даже несмешно становится. Особенно цены на гомеопатию и отсутствие аллергией и побочек порадовали.
К слову, если кто не в курсе, я хирург. Пойду Оциллококцинум попью
Upd. Первоисточники нам конечно никто не предоставляет)
К слову, если кто не в курсе, я хирург. Пойду Оциллококцинум попью
Upd. Первоисточники нам конечно никто не предоставляет)
1🤪37😁8👏4😱3❤1
История этой темы в нашем ТГ канале начинается с боли и страдания суслика. Как бы то ни было, цель Академии привлечь ваше внимание и осознать проблему публикации научных работ с недостигнутыми статистическими показателями (p > 0,05).
Ниже вашему вниманию материалы, которые были опубликованы по этой теме на ресурсах ННАДМ:
➡️Что такое публикационное смещение "publication bias"?
◈ Какие негативные последствия и для кого оно несет?
◈Социально ожидаемый результат, который формируется в текущих реалиях от исследователя.
◈ «p-хакинг» (p-hacking).
➡️ Об этических и экономических аспектах «publication bias».
◈ С точки зрения пациента.
◈ С точки зрения исследователя.
◈ С точки зрения системы здравоохранения.
➡️ Публикационное смещение через призму когнитивных ошибок.
◈ Что такое «феномен картотеки»?
◈ Как реестры клинических исследований или сайты научных сообществ могут снизить риск публикационного смещения?
◈ Примеры трагических событий, когда непрозрачность процесса публикации приводила к трагическим событиям ( из статьи T. Bruckner и B. Ellis)
➡️ Возможные когнитивные ошибки, связанные с публикационным смещением. Часть 1.
◈ Публикационный процесс и предвзятость подтверждения.
◈ Публикационный процесс и «эффект якорения» (или «эффект привязки»).
◈ Ретроспективной предвзятость.
➡️ Возможные когнитивные ошибки, связанные с публикационным смещением. Часть 2.
◈ Публикационный процесс и феномен конформизма.
◈ Как минимизировать риск публикационного смещения?
◈ Почему обязательна регистрация протоколов запланированных проспективных исследований в открытых базах с получением регистрационного номера?
🎥 Выступление Дарьи Дмитриевны Макаровой по проблеме: «Когнитивные искажения в принятии врачебных решений: почему критическое мышление важно в работе врача».
➡️ Консервативном подходе к оценке нового метода лечения или препарата в медицине через призму публикационного смещения (см прикрепленный слайд).
➡️ От Publication bias к citation bias.
◈ Современная наука формирует социальное ожидание по отношению к ученым c точки зрения «успешного» результата исследования. Создается восприятие того, что «хорошее» исследование должно продемонстрировать статистически значимый результат и, наоборот, исследование с отсутствием эффекта воспринимается как негативное и некачественное, что в корне неверно.
➡️ Публикационное смещение в рамках создания систематических обзоров и метаанализов.
◈ Почему важным для реализации любого систематического обзора является упорство авторов в поиске неопубликованных работ и критическая оценка включенных исследований?
В рамках этой темы рекомендуем ознакомиться с постами, которые были опубликованы ранее:
➡️ Оценка качества включенных исследований и оценка публикационной ошибки (Publication bias) при написании систематического обзора и метаанализа.
➡️ Пример воронкообразного графика (funnel plot) для оценки предвзятости публикаций в рамках систематических
обзоров и метаанализов (в формате pdf)
➡️ Почему нужно включать не только опубликованные данные, но и неопубликованные данные в СО и МА.
⚠️ Рекомендуем:
➢ посмотреть видео лекцию 🎥 по теме публикационного смещения Ютуб или Вконтакте.
➢ Ознакомиться с подготовленным экспертами Академии документом, цель которого помочь Вам опубликовать ваше исследование на clinicaltrials.gov.
➢ Ознакомиться со статье по этой теме.
👨🏫 Читайте. Думайте. Делитесь. Создавайте.
ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Независимая Национальная Академия Доказательной Медицины (НКО ННАДМ)
К посту выше. Можно скачать и использовать в презентациях.
5❤8🔥4👀4👍2
Следующим будет нормальный пост 😁 а пока
Если бы я решил вплотную заняться маркетинговым продвижением своего канала, то...
Если бы я решил вплотную заняться маркетинговым продвижением своего канала, то...
❤8
Forwarded from Занимательная эндокринология
Коллеги, открытая лекция 23 августа (сб) в 11:00 по Москве!
Мы с Никитой Бурловым @ebm_base долго смотрели как юные коллеги после очередного потока курса «Как с помощью нейросетей в комментариях мамских пабликов стать врачом-богачом» идут на бизнес-завтраки по оформлению элитных шапок профиля, попутно покупая билеты на ретрит с высокоранговым нетворкингом для выгорающих от постоянных запусков врачей, и нам есть что сказать.
Экологично, неосуждающие и бережно(😈) обсудим кто и как продает успешный успех молодым докторам, и что со всем этим делать.
Проведем стрим прямо тут. Всех ждем.
Произойдет критическое мышление. Распространите.
Мы с Никитой Бурловым @ebm_base долго смотрели как юные коллеги после очередного потока курса «Как с помощью нейросетей в комментариях мамских пабликов стать врачом-богачом» идут на бизнес-завтраки по оформлению элитных шапок профиля, попутно покупая билеты на ретрит с высокоранговым нетворкингом для выгорающих от постоянных запусков врачей, и нам есть что сказать.
Экологично, неосуждающие и бережно
Проведем стрим прямо тут. Всех ждем.
Произойдет критическое мышление. Распространите.
5👍23🔥18❤6
Forwarded from Занимательная эндокринология
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15
Ebm_base
Подключение к стриму "Тут была ссылка"
Не предусмотрели количество, по поводу записи подумаем!
😁13🍓2❤1
Мне кажется, что линейная регрессия наиболее часто используемая модель. Иногда в нее вводят дополнения (полиномы, сплайны, трансформацию X и/или Y, нормализация и т.п.), но суть остаётся одна - пытаемся аппроксимировать прямую линию.
Почему? Потому что так удобно усреднять между всеми наблюдениями прямой линией. Затем мы можем получить оценки изменения среднего, т.е. разницу средних (между группами или при изменении количественного показателя).
Кажется, что выучи все по линейной регрессии и будешь разбираться во всем регрессионном анализе. Вроде бы и да (действительно облегчает), и нет (возможно выучить все?). Самое интересное, что изучать линейные модели мы начинаем еще в школе, когда вы сталкиваетесь с уравнением функции y = ax + b и рисуете ее график.
Так же часто используют обобщенные линейные модели (GLM, generalized linear models), где Y меняется на g(y) (на самом деле нет, на g(E[Y|X=x])), т.е. функцию связи (линейная регрессия - частный пример GLM). Но суть остаётся прежней, т.к. без трансформации исхода (для интерпретации) формула остаётся g(E[Y|X=x]) = b0 + b*x.
Преимущества использования линейной регрессии:
🔸 Понятно - легко интерпретировать
🔸 Наглядно - несложно нарисовать
🔸 Удобно - можно контролировать изменения и усложнения, вводить переменные разного типа
🔸 Проще начинать обучение с нее
Недостатки:
🔹 Теряем некоторые вариации (слишком сильная аппроксимация)
🔹 Может быть нелинейная связь, что требует усложнение (значит усложняется и интерпретация)
🔹 Если мы выберем форму кривой (при предыдущем пункте), которая не соответствует отношениям между переменными (в реальности), наши прогнозы будут неверными
Конечно, всегда есть нюансы/допущения в применении методов/оценщиков. Об одном писал здесь (рекомендую еще прочитать комментарии).
@ebm_base
Почему? Потому что так удобно усреднять между всеми наблюдениями прямой линией. Затем мы можем получить оценки изменения среднего, т.е. разницу средних (между группами или при изменении количественного показателя).
Кажется, что выучи все по линейной регрессии и будешь разбираться во всем регрессионном анализе. Вроде бы и да (действительно облегчает), и нет (возможно выучить все?). Самое интересное, что изучать линейные модели мы начинаем еще в школе, когда вы сталкиваетесь с уравнением функции y = ax + b и рисуете ее график.
Так же часто используют обобщенные линейные модели (GLM, generalized linear models), где Y меняется на g(y) (на самом деле нет, на g(E[Y|X=x])), т.е. функцию связи (линейная регрессия - частный пример GLM). Но суть остаётся прежней, т.к. без трансформации исхода (для интерпретации) формула остаётся g(E[Y|X=x]) = b0 + b*x.
Преимущества использования линейной регрессии:
🔸 Понятно - легко интерпретировать
🔸 Наглядно - несложно нарисовать
🔸 Удобно - можно контролировать изменения и усложнения, вводить переменные разного типа
🔸 Проще начинать обучение с нее
Недостатки:
🔹 Теряем некоторые вариации (слишком сильная аппроксимация)
🔹 Может быть нелинейная связь, что требует усложнение (значит усложняется и интерпретация)
🔹 Если мы выберем форму кривой (при предыдущем пункте), которая не соответствует отношениям между переменными (в реальности), наши прогнозы будут неверными
Конечно, всегда есть нюансы/допущения в применении методов/оценщиков. Об одном писал здесь (рекомендую еще прочитать комментарии).
@ebm_base
6🔥10👍5❤4