کتاب آمار برای درمانگران

کتاب آمار برای درمانگران: دکتر چقدر باید بداند؟

Statistics for Clinicians: How Much Should a Doctor Know?
احمد حسونا (Ahmed Hassouna)
2023، چاپ اول

شابک (گالینگور): 9783031207570
شابک (شومیز): 9783031207600
شابک (ایبوک): 9783031207587
کد DOI: 10.1007/978-3-031-20758-7
ناشر: 2023، اسپرینگر نیچر سوئیس
تعداد صفحات: 610 صفحه
زبان: انگلیسی

ثبت سفارش ترجمه کتاب آمار زیستی دامپزشکی

کلید واژگان: آمار پزشکی، آمار زیستی، آزمون های کای اسکوئر، تحلیل رگرسیون چندگانه، تحلیل رگرسیون خطی تناسب تهدید کاکس، تحلیل کارآزمایی بالینی

معرفی کتاب

یک درمانگر، پزشک، جراح یا پرستار باید چقدر آمار بداند؟

کتاب «آمار برای درمانگران» (Statistics for Clinicians) یک دستنامه ضروری برای کمک به ارزیابی شواهد در یک مقاله علمی، طراحی و تفسیر صحیح نتایج تحقیقات، راهنمایی دانشجویان و بررسی کار همکارانمان می باشد.

هنگامی که پزشکان درباره احتمالات بحث می کنند، بر نحوه اعمال آن در درمان بیماران و نحوه مدیریت آنها در یک محیط بالینی تمرکز دارد. کتاب آمار برای درمانگران مبانی آمار را نادیده نمی گیرد، اما تکنیک های خاص طبی را با تاکید بر کاربرد آنها مرور می کند.

این تضمین می‌کند که خوانندگان ابزارهای صحیح را در اختیار داشته باشند، از جمله مثال‌های کار شده، راهنماها و پیوندهایی به ماشین‌حساب‌های آنلاین و نرم‌افزار رایگان.

مطالعه این کتاب خوانندگان را قادر می‌سازد تا اکثر محاسبات آماری را انجام دهند. بنابراین، این کتاب برای بسیاری از افرادی که در تمام زمینه های پزشکی و پیراپزشکی کار می کنند بسیار مفید خواهد بود.

ویژگی های کتاب آمار برای درمانگران

• توسط یک پزشک و برای پزشکان همکار، با استفاده از مثال ها و زبان مرتبط نوشته شده است
• از یادگیری آمار مبتنی بر مسئله برای جا انداختن موضوع در تجربه بالینی مخاطب استفاده می کند
• حاصل بیش از 30 سال تجربه تدریس می باشد

فهرست مندرجات کتاب آمار برای درمانگران

فصل 1: بیان و تجزیه و تحلیل تغییرات

1.1 متغیرها: انواع، اندازه گیری و نقش آنها
1.2 خلاصه کردن داده ها
1.2.3 سنجه های گرایش مرکزی
1.2.4 سنجه های پراکندگی
1.3 توزیع نرمال
1.3.1 توزیع نرمال استاندارد و ارزش Z
1.3.2 فاصله اطمینان (CI)
1.3.3 بررسی نرمال بودن
1.3.4 نرمال سازی داده ها
1.4 مقدار P
1.4.1 ریسک خطای اولیه (الف)
1.5 فرضیه صفر و آماری (بدیل)
1.5.1 معناداری آماری و درجه معناداری
1.6 آزمون فرض
1.6.1 آزمون پارامتریک ساده
1.6.2 طراحی مطالعه یک سویه
1.6.3 طراحی مطالعه دو سویه
1.6.4 ریسک خطای ثانویه
1.7 شاخص های مشترک پیامدهای بالینی
1.7.1 ریسک و شانس
1.7.2 ریسک های نسبی و نسبت شانس، نسبت خطر
1.7.3 افزایش ریسک نسبی (RRI) و کاهش ریسک نسبی (RRR)
1.7.4 افزایش مطلق (ARI) و کاهش (ARR) ریسک
1.7.5 عدد مورد نیاز برای منفعت (NNTB) و عدد مورد نیاز برای آسیب (NNTH) درمان
1.7.6 محاسبه فاصله اطمینان 95% و معناداری آماری آزمون
1.8 صحت تشخیصی
1.8.1 سنجه های تمایز دهنده
1.8.2 ارزش های پیش بینی کننده
1.8.3 نسبت های احتمال
1.8.4 نشانگر منفرد عملکرد آزمون
1.8.5 انتخاب تست تشخیصی مناسب
1.8.6 مقایسه دو تست تشخیصی
1.8.7 استانداردهای گزارش دقت تشخیصی (STARD)

فصل 2: تجزیه و تحلیل آماری دو متغیره

2.1 انتخاب یک آزمون آماری
2.1.1 استقلال داده ها: تست های زوجی در مقابل غیر زوجی
2.1.2 توزیع داده ها: آزمون های پارامتریک در مقابل آزمون های بدون توزیع
2.2 مشاوره با جداول آماری
2.2.1 آماره آزمون
2.2.2 درجات آزادی (Df)
2.3 استنباط در مورد دو متغیر کیفی
2.3.1 آزمون های غیر زوجی
2.3.2 آزمون های زوجی
2.4 استنباط در مورد میانگین ها و واریانس های با توزیع نرمال: آزمون های پارامتریک
2.4.1 مقایسه دو میانگین
2.4.2 مقایسه دو واریانس
2.4.3 مقایسه میانگین های چندگانه
2.5 استنباط در مورد میانه ها و سایر توزیع های غیر عادی: آزمون های ناپارامتریک
2.5.1 مقایسه دو گروه
2.5.2 مقایسه چند گروه
2.6 استنباط در مورد رابطه دو متغیر کمی
2.6.1 همبستگی
2.6.2 رگرسیون
2.7 استنباط در مورد منحنی های بقا
2.7.1 روش کاپلان مایر
2.7.2 روش اکچوئری
2.7.3 مقایسه منحنی های بقا
2.8 انتخاب آزمون آماری دو متغیره مناسب
2.9 تنظیم تجزیه و تحلیل دو متغیره: مطالعات پیش آگهی
2.10 توافق سنجش و قابلیت اطمینان (پایایی) آزمون

فصل 3: تجزیه و تحلیل چند متغیره

3.1 خانواده ANOVA
3.1.1 آزمایش اثرات اصلی
3.1.2 آزمون اثرات متقابل متغیرهای کیفی
3.1.3 آزمون اثرات متقابل متغیرهای کمی: تحلیل کوواریانس (ANCOVA)
3.1.4 ANOVA و ANCOVA چند متغیره (MANOVA و MANCOVA)
3.1.5 ANOVA اندازه های تکراری (RMANOVA)
3.2 طرح کلی مدل های چند متغیره
3.3 تجزیه و تحلیل رگرسیون چندگانه
3.4 تجزیه و تحلیل رگرسیون لجستیک باینری
3.5 تحلیل رگرسیون کاکس

فصل 4: محاسبه اندازه نمونه

4.1.1 برآورد اندازه اثر
4.1.2 انتخاب ریسک خطا
4.1.3 جهت مطالعه
4.2 مقایسه دو متغیر کمی مستقل: آزمون استیودنت و من و ویتنی
4.3 ارتباط دو متغیر باینری مستقل: تست های کای اسکوئر و فیشر حقیقی
4.4 متغیرهای طبقه ای و ترتیبی: تست های استقلال مجذور کای و نکوئی برازش
4.5 تجزیه و تحلیل زوجی
4.5.1 آزمون استیودنت زوجی
4.5.2 آزمون ویلکاکسون-ساین-رنک زوجی (Wilcoxon-Sign-Rank)
4.5.3 آزمون مک نمار
4.6 مقایسه میانگین های چندگانه: ANOVA یک طرفه
4.7 همبستگی ساده: ضریب همبستگی پیرسون R
4.8 رگرسیون خطی ساده
4.9 زمان تا رویداد
4.10 رگرسیون لجستیک
4.10.1 اندازه اثر: Log Odds Ratio
4.10.2 حجم نمونه
4.11 رگرسیون چندگانه
4.11.1 مدل عوامل ثابت مشروط
4.11.2 مدل اثر تصادفی بدون قید و شرط
4.12 اقدامات مکرر
4.12.1 ANOVA اقدامات مکرر (RMANOVA)
4.12.2 آزمون فریدمن
4.13 مطالعات عدم حقارت و هم ارزی
4.13.1 مقایسه 2 میانگین
4.13.2 مقایسه دو نسبت
4.13.3 تجزیه و تحلیل زمان تا رویداد
4.14 دقت تشخیصی
4.14.1 حساسیت و ویژگی
4.14.2 تجزیه و تحلیل ROC
4.15 توافقنامه اندازه گیری
4.15.1 نتیجه کیفی
4.15.2 نتیجه کمی
4.16 تجزیه و تحلیل پیمایش
4.16.1 محاسبه حجم نمونه

فصل 5: پروتکل یک مطالعه بالینی مقایسه ای: ملاحظات آماری

5.1 پیشینه و دلیل
5.2 اهداف
5.3 طراحی مطالعه
5.4 روش ها
5.5 مطالعه جمعیت و نمونه
5.5.1 تنظیمات مطالعه
5.5.2 معیارهای ورود
5.5.3 معیارهای خروج
5.5.4 جدول زمانی مطالعه
5.5.5 پیگیری
5.5 درمان ها و مداخلات
5.7 مدیریت داده ها
5.8 روش های آماری
5.8.1 جمعیت برای تجزیه و تحلیل
5.8.2 فرضیه آماری
5.8.3 تجزیه و تحلیل آماری
5.8.4 تعیین حجم نمونه
5.9 اسناد مطالعه

فصل 6: مقدمه ای بر متاآنالیز (فراتجزیه)

6.1 از روایت تا مرور سیستماتیک (بازنگری نظامدار)
6.2 چرا به متاآنالیز نیاز داریم؟
6.3 انواع متاآنالیز
6.4 مراحل متاآنالیز
6.5 متاآنالیز روانسنجی (هانتر و اشمیت)

فصل 7: سردرگمی و خطای رایج

7.1 محاسبه اندازه نمونه
7.2 مدیریت داده ها
7.3 ابزارهای تجزیه و تحلیل
7.4 گزارش داده ها در دستنویس
7.5 نقش آماردان
فهرست فرمول ها و توابع

پیشگفتار کتاب آمار برای درمانگران: دکتر چقدر باید بداند؟

«بالاخره کار تمام شد. اجازه دهید به دنبال یک آمارگیر برای تجزیه و تحلیل داده ها باشیم.» این عبارت روزمره - ظاهراً خوش خیم - به دلایل زیادی اعتبار هر تحقیق بالینی را به خطر می اندازد.

برای افزایش شانس دستیابی به نتایج قابل اعتماد، تعداد بیماران لازم برای مطالعه باید قبل از شروع آن، با استفاده از معادلات ریاضی شناخته شده و با احتمالی قابل قبول برای یافتن آنچه محقق به دنبال آن است، محاسبه شود.

تعیین تجربی حجم نمونه علت اصلی از دست دادن نتایج آماری معنی دار است که به عنوان خطای نوع II یا مطالعه منفی کاذب شناخته می شود. سوال فقط در مورد یافتن شواهد فی نفسه نیست، همانطور که با یک مقدار P معنی دار آماری نشان داده می شود.

داده ها معمولاً در پایان مطالعه تجزیه و تحلیل می شوند. با این حال، شرایط لازم برای تجزیه و تحلیل داده ها باید قبل از جمع آوری داده ها تأیید شود. نوع متغیر، توزیع آن و بیان آن در یک فرم ریاضی خاص باید با آزمون آماری مورد استفاده برای تجزیه و تحلیل مطابقت داشته باشد.

محقق باید بین برنامه ریزی قبلی، تطابق دقیق بین داده ها و آزمون آماری در حین آماده سازی مطالعه، جایی که همه چیز ممکن است، و تصمیم گیری بی پروا در پایان، جایی که می توان کمی تغییر کرد، انتخاب کند.

در موقعیت‌های مختلف، مانند مشخص شدن نابینایی، بی‌توجهی به بیماران گروه دارونما یا هر شرایط دیگری که به نفع یکی از گروه‌های مورد مطالعه باشد که معمولاً گروه مداخله است، به راحتی قابلیت مقایسه از دست می رود. نتیجه گیری براساس دومی، در حالی که چنین نیست، یک نتیجه مثبت کاذب است و به عنوان خطای نوع I شناخته می شود.

نقش آمار با تعیین مقادیر P و فواصل اطمینان خاتمه نمی یابد. من باید با بررسی شرایط استفاده از آزمون های آماری مورد استفاده در ایجاد آن نتایج شروع کنم. گام مهم یک تفسیر صحیح است که نیاز به درک روشنی از معنای معادلات اساسی دارد.

آمار حیاتی

مانع اصلی دشواری کسب دانش آماری از کتاب های درسی است، به همین دلیل این کتاب را نوشتم. هدف کار من توضیح دادن ایده‌های آماری اساسی به زبان روزمره بدون تحریف پایه‌های ریاضی و آماری دانش برای بیولوژیست های غیرمتخصص-مثل من- است.

به عبارت دیگر، «آمار برای پزشکان» یک کتاب درسی آمار زیستی نیست، بلکه آزمایشی برای پاسخ به این سوال اساسی است که هر بیولوژیست مطرح می کند: چقدر آمار باید بدانم؟

ما به اطلاعات آماری اولیه نیاز داریم تا در حین خواندن یک مقاله یا شرکت در یک کنفرانس با دانش پزشکی «در حال انفجار» ارتباط برقرار کنیم.

من سعی کردم استدلال آماری صحیح و قضاوت صحیح را در این کتاب بیاورم که همه نیاز یک تجزیه و تحلیل آماری است. تمام تست های آماری در واقع توسط نرم افزار کامپیوتری اجرا می شوند که متاسفانه به ما نمی گوید: از کدام تست استفاده کنیم.

آنها به این نکته اشاره می‌کنند که آیا داده‌ها آزمون را برآورده می‌کنند یا خیر، اما به ندرت آن را به وضوح برای محقق غیرعادی بیان می‌کنند. هدف من این است که به زیست شناسان همکار کمک کنم تا بدانند از کدام آزمون می توان برای پاسخ به یک سوال تحقیقی خاص برای اطمینان از تأیید شرایط کاربرد، تفسیر صحیح نتایج و گزارش کامل آنها استفاده کرد.

نویسنده

نام: احمد حسونا (Ahmed Hassouna)
افیلیشن: استاد بازنشسته جراحی قلب، دانشکده پزشکی، دانشگاه عین شمس، قاهره، مصر؛ استاد مدعو آمار زیستی در چندین دانشگاه مصر و مشاور آمار زیستی در وزارت بهداشت و جمعیت مصر

اطلاعات کتابشناختی

• عنوان (فارسی): کتاب آمار برای درمانگران: دکتر چقدر باید بداند؟
• عنوان (انگلیسی): Statistics for Clinicians: How Much Should a Doctor Know?
• نویسنده: احمد حسونا (Ahmed Hassouna)
• شابک (گالینگور): 978-3-031-20757-0، انتشار: 13 اسفند 1392
• شابک (شومیز): 978-3-031-20760-0، انتشار: 18 مارس 2024
• شابک (کتاب الکترونیکی): 978-3-031-20758-7، انتشار: 03 مارس 2023
• کد DOI: https://doi.org/10.1007/978-3-031-20758-7
• ناشر: 2023، اسپرینگر نیچر سوئیس
• نوبت چاپ: 2023، چاپ اول، اسپرینگر
• تعداد صفحات: 610 صفحه
• تعداد تصویر: 81 تصویر سیاه و سفید، 50 تصویر رنگی
• موضوع: پزشکی/ بهداشت عمومی، دامپزشکی، آمار عمومی، آمار زیستی، آموزش پزشکی، زیست پزشکی، علوم دامی