Основы статистики для врачей

Цели курса:

Научить студентов медвузов, врачей-исследователей и специалистов смежных профессий основам статистики, чтобы им легче жилось и проще работалось. Студенту-медику и врачу-исследователю важно не знать математику, а уметь интерпретировать результаты, это то, на что делается акцент в данном курсе!

Почему стоит выбрать именно этот курс:

Курс максимально понятный для человека с полным отсутствием каких-либо знаний о статистике. Изучение материала идёт от самой основы к более частным моментам. В курсе охватывается почти вся информация, которая нужна врачу-исследователю в рутинной практике.

Я, автор курса, человек полного лабораторного цикла. Я планирую эксперименты, ставлю эксперименты, обрабатываю результаты эксперимента, описываю и визуализирую полученные результаты, пишу на основании этих результатов публикации. Благодаря своему опыту "в поле" я действительно знаю, что нужно врачам-исследователям больше всего. А благодаря опыту работы со студентами я знаю, как это нужно объяснять, чтобы человек понял.

Что приобретут учащиеся после успешного освоения курса:

После успешного освоения курса учащиеся смогут правильно определять необходимый метод статистической обработки данных, правильно его применять и правильно строить график, чтобы визуализировать полученные результаты и правильно их описывать.

Кроме того студенты научатся читать научные статьи, в том числе мета-анализы, видеть манипуляции с данными в публикациях и оценивать качество исследований.

Какие особенности есть у курса:

Курс поделён на большие занятия, внутри которых повествование выстроено логически, что позволяет лучше понимать предмет

После теории следует демонстрация. Для каждого разобранного статистического метода приводится пример. В специальной программе для обработки данных, OriginPro 2021, происходит демонстрация, как нужный метод применяется, как оценивается результат и как рисуется график

Курс сконцентрирован не на математике, а на интерпретации результатов. Никаких формул и глубоких математических смыслов. Врачам-исследователям важнее уметь интерпретировать результаты

Курс позиционируется как no-code. Для полного освоения информации не требуется знания программирования. Однако дополнительно, благодаря курсу, ученики узнают, как можно анализировать полученные результаты и визуализировать данные с помощью нейросетей. Получение правильного кода на Python с помощью DeepSeek, анализ и визуализация данных в Google Colab

Что нужно будет делать:

Нужно будет смотреть видео-лекции и внимательно слушать

Опционально учащийся может установить себе на компьютер программу OriginPro и тренироваться анализировать и визуализировать данные там или в Google Colab. Это не является обязательным, проверок практических навыков не будет, однако, это будет очень полезно для учащихся.

Какие разделы входят в курс:

Курс состоит из двух блоков: 1) Базовые статистические мтоды, необходимые врачу-исследователю в рутинной практике; 2) Как читать научные статьи

1 Блок состоит из следующих разделов:

1) Зачем нужна статистика в исследованиях? Основные понятия. Нулевая гипотеза. P-value. Ошибки 1 и 2 рода. Виды распределения данных. Тест Шапиро-Уилка. Параметрическая и непараметрическая статистика.

2) Сравнение двух несвязанных выборок (непараметрическая статистика). Медиана. Квартили. Ранги. Критерий Манна-Уитни. Бокс плоты. Демонстрация на примере

3) Сравнение двух несвязанных выборок (параметрическая).  Среднее. Дисперсия. Стандартное отклонение. Тест Стьюдента. Тест Уэлча. Столбчатые диаграммы. Демонстрация на примере

4) Сравнение трёх и более несвязанных выборок (непараметрическая). Тест Краскелла-Уоллиса. Пост-хок тест Дунна. Демонстрация на примере. Сравнение трёх и более несвязанных выборок (параметрическая). АНОВА. Пост-хок тест Тьюки. Демонстрация на примере

5) Сравнение двух связанных выборок (непараметрическая). Тест Уилкоксона. Демонстрация на примере. Сравнение двух связанных выборок (параметрическая). Парный т-тест. Демонстрация на примере

6) Корреляции. Критерий Спирмена, критерий Кендалла. (непараметрическая). Критерий Пирсона (параметрическая). Тепловые карты. Демонстрация на примере

7) Поправка на множественные сравнения. Критерий Бонферрони, Холма-Бонферрони и Бенжамини-Хохберга

8) Оценка выраженности признака. Критерий хи-квадрат. Гистограммы. Демонстрация на примере

Блок 2 состоит из следующих разделов:

1) Какие бывают типы медицинских исследований?

2)  Мета-анализ: как его читать? Форест-плоты. График-воронка. Предвзятость исследований. 

3)Регрессии: линейная, множественная, логистическая, метарегрессия. Что это такое и как их понимать в статьях?

4) Исследование выживаемости, ROC-анализ, чувствительность и специфичность

5) Итоговый тест