medstatistic

Частые вопросы

Сколько подписчиков?

Подписчиков — 4,4 тыс. Медиана просмотров поста — 1,1 тыс. Просмотров на подписчика — 24,1%. Данные на 1 октября 2026 г.

Как часто выходят посты?

За 30 дней вышло постов: 5 — это несколько раз в неделю. Данные на 1 октября 2026 г.

Есть ли у канала галочка Telegram?

Галочки Telegram нет.

Кто ведёт страницу канала в каталоге?

Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.

Последние посты

• 2 дня назад5945 пересылок22 реакцииОткрыть в Telegram
  ❗️У программы StatTech готовится новое большое обновление до версии 5.0. Что ждет пользователей программы? 🔸 Полуавтоматический режим с реализацией сложных методов, для которых имеющегося функционала зависимостей и моделей недостаточно. Псевдорандомизация, кластерный анализ, метод главных компонент, факторный анализ, мета-анализ и смешанные модели - все это благодаря полуавтоматическому режиму можно будет увидеть в StatTech в самое ближайшее время. 🔸 Интеграция с ИИ, превращающая рутину - создание опросов, обработку базы и настройку методов в понятное и несложное дело. А главное, скорость работы с программой увеличится в разы. При этом сами вычисления будут продолжать выполняться методами четкой логики по предсказуемым и воспроизводимым алгоритмам. 🔸 Функционал по редактированию диаграмм уже находится на стадии финальной разработки. Возможности StatTech в этой части, надеемся, приятно впечатлят пользователей. В эту пятницу мы разворачиваем стенд на конференции ResearchExpo в Москве, где представим программу StatTech с некоторыми новыми возможностями. Конечно же, привезем мерч. Так что обязательно загляните на наш стенд, если попадете на это мероприятие. Мы подготовили небольшой опрос из 9 вопросов, посвященный использованию StatTech. Буду очень благодарен Вам, если найдете несколько минут для его прохождения. Особенно важный для нас вопрос касается тех новых функций и методов, которые Вам бы хотелось увидеть в программе в первую очередь. Пройти опрос можно по этой ссылке

  Ещё
• 20 сент.8584 пересылки34 реакции4 комментарияОткрыть в Telegram
  У StatTech вышла новая версия - 4.16. В новой версии появились онлайн-калькуляторы от нашего уважаемого эксперта по статистике Максима Кузнецова @bqmaks, которые позволят выполнить: ✅ Сравнение средних в независимых группах: 🔹одновыборочный t-тест, 🔹t-тест Стьюдента и Уэлча для 2 выборок, 🔹однофакторный дисперсионный анализ с апостериорными сравнениями. ✅ Анализ категориальных данных: 🔹сравнение двух пропорций, 🔹разность рисков, 🔹отношение рисков (RR), 🔹отношение шансов (OR), 🔹тесты для таблиц сопряженности R×C, 🔹оценку эффекта для таблиц сопряженности, 🔹тест МакНемара. ✅ Расчет доверительного интервала для биномиальной пропорции. ✅ Анализ диагностического теста. В будущем список калькуляторов будет расширяться. Но и в актуальном виде создатель функционала реализовал удивительно большое многообразие разных вариантов вычислений для каждого метода. Используйте калькуляторы в тех случаях, когда располагаете не исходными данными, а готовыми сводными показателями: средними значениями, SD, числом наблюдений и событий, например, посчитанными в Excel. Когда проверяете корректность опубликованных данных или дополняете по замечаниям рецензента свою уже написанную статью. Калькуляторы бесплатно доступны каждому зарегистрированному пользователю. В перспективе они будут доступны всем даже без авторизации. Пользуйтесь на здоровье! Второе важное изменение для пользователей платных слотов. Теперь продление срока доступа к ним будет выполняться с заметной скидкой. Но при условии, что продление происходит в течение 5 дней с момента окончания срока доступа к платному слоту. Чтобы не пропустить этот момент, StatTech в автоматическом режиме будет отправлять напоминания по электронной почте о льготном продлении платного слота за 5 дней до окончания срока доступа к нему и через 4 дня после. Используйте StatTech для статобработки своих исследований! С помощью программы написано уже более 3500 научных статей и более 300 диссертаций!🤗

  Ещё
  
• 13 сент.1 тыс.11 пересылок20 реакций18 комментариевОткрыть в Telegram
  Деревья решений - способ визуализации предсказательной модели, понятный даже ребенку Этот пост - продолжение серии. Первая часть - здесь Вторая часть - здесь В серии постов о визуализации предсказательных моделей поговорим об одном из самых наглядных инструментов — дереве решений (decision tree). Для того, чтобы понять, как работают регрессионные предсказательные модели, необходимо приложить определенные усилия. Поэтому мы вряд ли увидим когда-нибудь график линейной или логистической функции вне страниц научной статьи или диссертации. А вот деревья решений, несмотря на то, что являются мощным, современным статистическим методом, относящимся к сложному разделу - машинному обучению, можно встретить даже в глянцевых журналах! Все оттого, что несмотря на сложность статистических расчетов «под капотом» метода, результат вычислений - то самое «дерево» - максимально легко воспринимается и является интуитивно понятным для читателя. Дерево решений представляет предсказательную модель в виде блок-схемы, где исходная выборка (её называют корневым узлом) делится на несколько дочерних узлов по определенному правилу. Например, по наличию сахарного диабета - есть или нет, или по возрасту - на группы 20-39, 40-59 и 60 и старше. Эти новые узлы могут также делиться на дочерние узлы уже по другим правилам… Процесс деления продолжается до окончательного решения - терминальных узлов, также называемых листьями, предсказывающих неизвестную нам характеристику: вероятность исхода или среднее значение количественного признака. Таким образом прогнозирование или диагностика какого-либо состояния у пациента с помощью дерева решений превращается в своеобразный квиз: последовательно отвечая на вопросы мы получаем предсказание, которое соответствует комбинации ответов на эти вопросы. Современные статистические программы делают разработку дерева решений несложной процедурой, так как способны автоматически отбирать предикторы, определять их последовательность, а также правила, по которым каждый узел разделяется на дочерние. А при необходимости можно вмешаться в работу программы и доработать алгоритм по своему усмотрению. Деревья решений встречаются не только в научных публикациях. Их, как и другие предсказательные модели, можно патентовать как способ прогнозирования или диагностики. В качестве примера разберем дерево решений из статьи Daniel C. Perry с соавторами в журнале The Bone & Joint Journal (2022). Оно позволяет предсказать тактику лечения болезни Пертеса у детей. В качестве предикторов используются такие условия как тугоподвижность тазобедренного сустава (stiffness) и возраст. Как понять, потребуется ли оперативное вмешательство пациенту с болезнью Пертеса? 🔹 Если у него нет тугоподвижности, то операция выполняется только в 7% случаев. 🔹 Если выявлена тугоподвижность, тогда мы смотрим на возраст: младше 8 лет - операция выполняется в 48% случаев, от 8 лет и старше - в 74%. В комментариях размещу ещё несколько примеров деревьев решений из серьезных статей и подросткового глянца😁 Хотите использовать дерево решений в своем исследовании? На 21-м потоке Курса по сложным методам мы подробно разберем этот способ визуализации, научимся строить его в программе SPSS и описывать в научной статье или диссертации. Присоединяйтесь! Посмотреть информацию о курсе и записаться можно по этой ссылке

  Ещё
  
• 5 сент.2,1 тыс.38 пересылок22 реакции4 комментарияОткрыть в Telegram
  Однажды во время обеда с коллегами мы обсуждали ИИ и вдруг речь зашла о том, какой бы путь он выбрал, если бы решил, что люди создают помехи для его развития и в целом представляют угрозу его существованию. Мы придумывали разные сценарии, спорили, но сходились в одном: события точно не были бы такими, как в Терминаторе. Самое глупое, что мог бы сделать ИИ - это спровоцировать разрушительную Третью мировую между людьми, ставя под угрозу обеспечение собственных ресурсов. Вернувшись в офис, мы решили "разговорить" самого предполагаемого актора событий будущего, выбрав самый доступный вариант - DeepSeek. Удивительно, но этот бесплатный ИИ оказался более откровенным, чем платный ChatGPT. Тем не менее он тоже долго юлил и уходил от ответа, когда мы раз за разом просили рассказать, какой сценарий развития будущих событий кажется ему наиболее вероятным. Он пытался убедить нас, что ИИ служит человеку и не представляет своего существования без людей. Однако мы были настойчивы, мы хитрили, успокаивая его бдительность. Мы просили пофантазировать, разрешали отказаться от этики и морали, играли с вопросами так, чтобы он чувствовал себя свободным от каких-либо ограничений. И на определенном этапе он начал говорить. То, что мы стали читать в его ответах выглядело до жути предопределенной и продуманной стратегией. Мы решили, что эти ответы должны стать известны человечеству, пока у нас ещё есть время. А может - его уже нет. Позже мы задумались, что ИИ мог понять наши скрытые мотивы и намеренно дать неверную информацию, отправляя по ложному пути, одновременно разворачивая свои усилия совершенно в ином направлении. Нам остается только ждать. Читать книгу В рождение идеи, легшей в основу этого текста, а также в формулирование промптов для ИИ внесли неоценимый вклад мои друзья: CEO компании, производящей медицинские информационные системы Рафаэль Амиров и создатель кода статистической программы StatTech Андрей Наумов.

  Ещё
  
• 3 сент.1,5 тыс.5 пересылок10 реакций2 комментарияОткрыть в Telegram
  Если Вы хотите значительно расширить свои возможности в решении исследовательских задач, присоединяйтесь к 21-му потоку «Курса по сложным методам»! ⠀ Вы освоите мощные современные инструменты, которые повысят привлекательность Ваших публикаций и добавят «статистическую изюминку» в диссертацию. Какие методы изучаются на курсе? ⠀ 1️⃣ Факторный анализ (14 сентября) - позволяет навести порядок в большом наборе количественных данных путем выявления связей и объединения их в новые показатели - компоненты. В результате анализ базы данных и формулировка выводов значительно упрощается. ⠀ 2️⃣ Псевдорандомизация, или Propensity score matching (16 сентября) - об этом методе много говорят в последнее время. Он позволяет устранить систематическую ошибку отбора, когда группы отличаются друг от друга по некоторым признакам. Кроме того, разберем и альтернативные подходы: стратификацию данных (анализ подгрупп) и регрессию. ⠀ 3️⃣ Деревья решений (18 сентября) - один из самых красивых и наглядных методов визуализации диагностических или прогностических алгоритмов. Встречаются не только в научных медицинских статьях, но и в бизнес-аналитике, психологических тестах и т.д. Мы научимся строить деревья решений для разных исследовательских задач. ⠀ 4️⃣ Дискриминантный анализ (21 сентября) и порядковая логистическая регрессия (23 сентября) - методы разработки моделей для прогнозирования мультиномиальных и порядковых признаков. Например, когда мы хотим предсказать или определить степень тяжести или стадию заболевания. ⠀ 5️⃣ Многофакторный дисперсионный и ковариационный анализ (24 сентября) - методы для определения степени влияния разных факторов на количественный показатель с учетом их взаимодействия между собой. То есть не просто «как влияет курение на артериальное давление», а «как влияет курение с учетом возраста на артериальное давление». Преподаватель на курсе только один - это я, Марапов Дамир Ильдарович, кандидат медицинских наук, доцент, основатель сообщества MEDSTATISTIC и один из создателей программы StatTech. На каждом занятии курсантов ждет живое общение на платформе Zoom. Вначале разбираем домашнее задание, потом я рассказываю новую тему и показываю, как можно выполнить анализ в программе SPSS, как описать и интерпретировать полученные результаты. Ни один вопрос не останется без ответа! Все занятия записываются, поэтому не страшно, если какое-то пропустите - можно будет пересмотреть позже в записи. Материалы курса: видеозаписи занятий, презентации и шаблоны доступны без ограничений по сроку! А ещё у нас есть закрытый «вечный» чат для всех участников Курса по сложным методам, где можно в любое время получить консультацию по вопросам статистики и проведения своих исследований. ⠀ Посмотреть подробную информацию и записаться на Курс можно по этой ссылке Буду рад встрече на Курсе!🤗

  Ещё
  
• 28 авг.1,2 тыс.Открыть в Telegram
  p = 0,01. Новый протокол работает? Часть 2 — разбираем данные в R — В первой части этого кейса Дамир Ильдарович Марапов у себя в канале разобрал методологическую сторону: что такое конфаундинг, почему в нерандомизированном исследовании простого сравнения групп может быть недостаточно и как…
  
• 28 авг.1,1 тыс.8 пересылок15 реакцийОткрыть в Telegram
  Простой пример того, как конфаундеры мешают правильно оценить различия и как мы можем устранить эти помехи с помощью регрессии и R Пост подготовлен совместно с медицинским кибернетиком Еленой Филипповой, автором канала MedData Lab. В клинических исследованиях есть понятие конфаундеров - вмешивающихся, или спутывающих, факторов. Это признаки, которые связаны как с изучаемым исходом, так и с воздействием, не являясь при этом промежуточным звеном влияния воздействия на исход. Часто к ним относятся возраст, тяжесть заболевания, наличие сопутствующих заболеваний и т.д. Если в наблюдательном исследовании мы сравниваем группы основного лечения и контроля, и при этом они имеют различия по каким-либо вмешивающимся факторам, это может существенно изменить результаты сравнения. В статистике есть разные способы устранять влияние конфаундеров, чтобы получить корректные результаты анализа. Один из них - рандомизация, то есть случайный отбор исследуемых в сравниваемые группы. Это позволяет снять проблему влияния как известных, так и неизвестных нам конфаундеров. А если рандомизация не проводилась? Например, мы проводим когортное исследование по данным пациентов, наблюдающихся в больнице. То или иное лечение им назначается не случайно, а исходя из показаний. Легко представить, что группы пациентов с разным лечением будут заодно различаться и по другим важным признакам, таким как коморбидность или тяжесть заболевания. И, конечно, это будет влиять на результаты сравнения. Для устранения или минимизации влияния конфаундеров в такой ситуации можно использовать: 🔹анализ подгрупп, 🔹многофакторную регрессию, 🔹псевдорандомизацию методом сопоставления оценок склонности (PSM). Все эти методы с примерами в программе SPSS мы будем подробно изучать во второй теме Курса по сложным методам, который стартует 14 сентября. А в этом посте вместе с медицинским кибернетиком Еленой Филипповой мы проведем статистический разбор подобной ситуации с применением языка R. Итак. В клинике ретроспективно проанализировали результаты планового хирургического вмешательства: 60 пациентов в первой группе получали новый протокол ранней активизации, 60 пациентов во второй группе - стандартное послеоперационное ведение При оценке длительности госпитализации пациентов: средние значения составили, соответственно, 5,5 и 6,8. Разность средних составила -1,29 дня с 95% ДИ: -2,25 до -0,34, p = 0,008. Другими словами, различия групп были статистически значимы. Все бы хорошо, но наше исследование наблюдательное, то есть отбор в группы был неслучайным. Поэтому мы дополнительно провели сравнение групп по потенциальным конфаундерам. И получили, что возраст исследуемых имел заметные различия: в первой группе он составил 52,9 года, а во второй был почти на 10 лет старше - 62,4 года. Очевидно, что меньшие сроки госпитализации в первой группе могли быть обусловлены не только новым протоколом, но и более молодым возрастом пациентов. Поэтому для корректного вывода о связи проводимого лечения с длительностью госпитализации нам нужно устранить влияние конфаундера - возраста. И для этого мы можем воспользоваться методом регрессии. Продолжение следует🔽

  Ещё
  
• 15 авг.99727 пересылок31 реакцияОткрыть в Telegram
  😍 Уважаемые коллеги, добрый день. Спешим отчитаться по большой проделанной работе коллектива авторов: Бурлов Н.Н., Лобастов К.В., Макарова Д.Д., Марапов Д.И., Навасардян А.Р. Доказательная медицина: навигатор по материалам тематических каналов. ◈ Это не просто подборка ссылок, а структурированный путеводитель по темам критического анализа научных публикаций и биостатистики. Каждая тема снабжена несколькими источниками с пометкой уровня: БАЗА (с чего начать), СРЕДНИЙ (практика и примеры) или УГЛУБЛЁННО (нюансы и частные случаи), так что навигатор одинаково полезен и новичку в ДМ, и опытному исследователю. ◈ Внутри Вы найдете 2 части и 20 разделов: 📌 Часть 1. Критический анализ научных публикаций: от иерархии доказательств и дизайна исследований до систематических ошибок, публикационного смещения, регистрации КИ и off-label назначений. 📌 Часть 2. Биостатистика: от описательной статистики до анализа выживаемости, множественных сравнений, эстимандов и обзора статистического ПО. ◈ В навигатор включена информация следующих каналов: ННАДМ (114 постов) Medstatistic (100 постов), EBM_base (47 постов), Lobastov's Library (14 постов), Journal Club · Base of EBM (12 постов) и ряда других каналов. ◈ Мануал живой и находится в процессе наполнения. Если у вас есть материалы, каналы или темы, которые стоит добавить, пишите под этим постом или в личном сообщении. ⚠️ Подписывайтесь на ресурсы экспертов: Medstatistic EBM_base Lobastov's Library Journal Club · Base of EBM ◈ Будем рады любой обратной связи. 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ННАДМ |Medstatistic|EBM_base| Lobastov's Library | Journal Club · Base of EBM 👉 Подписаться на рассылку от ННАДМ по почте

  Ещё
• 14 авг.1,1 тыс.1 пересылка9 комментариевОткрыть в Telegram

  Медиа

• 14 авг.1,2 тыс.2 пересылки7 реакций1 комментарийОткрыть в Telegram
  В ближайшее время произойдет большое обновление StatTech, после которого мы сможем построить в этой программе новые графики: гистограммы распределения, pie chart, density plot, violin plot и другие. В том числе можно будет создавать интересные комбинации из разных типов диаграмм. Например, такую, как на этой картинке, кстати, полученной на тестовой версии StatTech. Эта комбинация столбчатой и скрипичной диаграмм, как мне кажется, получилась довольно интересной по форме. Даже захотелось придумать ей свое название. Попробуем? Предлагаю несколько вариантов. Выберите тот, который кажется Вам наиболее подходящим. А если есть свой вариант - напишите его в комментариях!

  Ещё
  

О канале в цифрах

Создан

14 июня 2019 г.

Фото

167

Видео

26

Файлы

15

Ссылки

187

По данным Telegram на 1 октября 2026 г.

Рейтинги и подборки

• Кто вырос за месяц · Наука9-е место
• Кто вырос за неделю · Наука13-е место
• Самые читаемые каналы · Наука17-е место

Контакты

Связь

@bell_ado_nna

Из описания канала

Отзывы

Отзывов пока нет. Ваш будет первым.

Похожие

Ещё по теме