🤔رفرنس اپیدمیولوژی
📊رفرنس اعلام شده برای درس اپیدمیولوژی برای آزمون دوره ۱۹ کتاب Gordis Epidemiology, David D. Celentano, Elyse O Grady. 7th-Edition 2024 میباشد.
⚠️توجه: رفرنس نسبت به دوره ۱۸ تغییری نداشته و فقط ویرایش جدید کتاب بعنوان منبع معرفی شدهاست.
⚠️توجه: بطورکلی فصول و مباحث اعلام شده مشابه آزمون دوره گذشته میباشد؛ اما با یک تغییر مهم! برخلاف دوره ۱۸ برای آزمون امسال فصل ۶ کتاب گوردیس(تاریخچه طبیعی بیماریها) نیز جزء مباحث امتحان خواهد بود.
🧐نقشه راه فصل ۶/تاریخچه طبیعی بیماری ها: راه های بیان پیش آگهی
📊تحلیل فصل ۶ گوردیس: پیشآگهی و بقا (Prognosis)
📊شاخصهای اصلی بیان پیشآگهی(بسیار مهم):
✔️میزان کشندگی/Case-Fatality Rate:
• (تعداد مرگ بر اثر یک بیماری خاص) تقسیم بر (تعداد کل افراد مبتلا به همان بیماری).
✔️شخص-سال Person-Years/شخص-سال:
• زمانی استفاده میشود که مدت پیگیری بیماران یکسان نباشد.
• (واحد اندازهگیری در مطالعات کوهورت).
✔️بقای ۵ ساله/Five-Year Survival:
• درصدی از بیماران که ۵ سال پس از تشخیص زنده هستند.
📊منحنیهای بقا/Life Tables:
✔️جدول عمر/Life Table:
• برای دورههای زمانی مشخص؛ مثلاً سال به سال
✔️کاپلان-مایر/Kaplan-Meier:
• بقا در لحظه وقوع هر «مرگ» محاسبه میشود.
📊مفهوم سانسور شدن/Censoring:
✔️«سانسور» یعنی بیماری را تا انتهای مطالعه پیگیری کردیم اما یا مطالعه تمام شده و بیمار هنوز زنده بوده است یا اینکه از مطالعه خارج شده است.
📊میانه زمان بقا/Median Survival Time:
✔️طبق گوردیس، میانه از میانگین بهتر است به دو دلیل:
🪄میانه کمتر تحت تأثیر اعداد خیلی بزرگ (بیمارانی که خیلی طولانی زنده میمانند) قرار میگیرد.
🪄برای محاسبه میانه، فقط لازم است ۵۰٪ افراد بمیرند، اما برای میانگین باید صبر کنیم تا آخرین نفر هم بمیرد!
👓توصیه پایانی:
📊مباحث مهم این فصل که حتماً باید بخوبی مطالعه کنید و احتمالاً در آزمون امسال مطرح خواهند شد:
✔️تفاوت بقای نسبی/Relative Survival
✔️
فرمول کشندگی✔️تفسیر نمودار
🙏🏻تحلیل قبلی اپیدمیولوژی، جزئیات فصل ۵ کتاب گوردیس بود. متاسفانه در فایلی که من خوندم ترتیب فصلها بهم خورده بود و فصل ۵ و ۶ جابجا شده بود؛ از این بابت متأسفم🥲🌷● باتشکر از دوست عزیزی که این نکته رو گوشزد کردند❤️🔥
🚦بهمنظور کمک به داوطلبین، بازنشر این محتوا با ذکر منبع اشکالی نخواهد داشت...
#نقشهراه🗺
#اپیدمیولوژی📊
✉️@Future_DoctorMK🥼