Статистический анализ диссертаций

Самая частая ошибка — выбирать среднее или медиану просто по результату теста на нормальность.

В диссертации важнее понимать форму распределения и уметь объяснить, почему вы выбрали именно этот способ описания данных.

На курсе «Статистика для медицинской диссертации» как раз учимся не нажимать кнопки по шаблону, а понимать логику анализа.

Старт — 17 ноября, 19:00 МСК.
Программа — по слову КУРС в комментариях.

На каком из пяти вопросов вы задумались дольше всего?

На курсе «Статистика для медицинской диссертации» разберём, как выстроить анализ от задач исследования до интерпретируемого клинического результата, который защитит вас перед любой комиссией.

🗓 9 сентября, 19:00 МСК.
Онлайн, живая небольшая группа.

👇 Напишите КУРС в комментариях — пришлю программу и условия участия в Директ!

🛑 Миф: «У меня p=0.001, а у коллеги 0.01. Значит, мой препарат сильнее!»

Это самая частая иллюзия на защитах диссертаций. Давайте разберем, почему лишний ноль после запятой ничего не значит.

P-value — это не линейка, которой измеряют силу лечения. Это просто пропускной пункт. Он говорит комиссии только одно: «Эффект есть, это не случайность». На этом его работа заканчивается.

То, что у вас получилось 0.001, а у коллеги 0.01 — это чаще всего просто игра случая. Немного другие пациенты, чуть больше выборка — и цифры бы поменялись местами.

📌 Шпаргалка: как отвечать на придирки
Если рецензент говорит, что чужой метод лучше вашего только из-за красивого p-value, покажите ему эти расчеты.

Чтобы математика реально признала чужой препарат сильнее, его p-value должен быть меньше вашего не в 10 раз, а в тысячи!

🔹 Ваша база 0.05 ➔ конкуренту нужно выбить 0.00003
🔹 Ваша база 0.01 ➔ конкуренту нужно выбить 0.000001 (это шанс один на миллион!)

Пока разрыв не станет таким огромным, ваши результаты с точки зрения статистики абсолютно равны. Разница между ними — просто шум.

А как тогда доказать, что метод реально круче?
Для этого нужно считать другой показатель — Размер эффекта (Effect Size). Именно он показывает реальную клиническую пользу. Как с ним работать — разберем в следующем видео!

✈️ Отправьте этот пост коллеге, который всё ещё гоняется за лишними нулями.

И подписывайтесь на @statobrabotka, чтобы понимать статистику, а не зубрить формулы.

Большинство диссертаций заканчиваются выводом.

Но врачу от вывода мало толку, если непонятно, что делать дальше.

Хорошее прикладное исследование должно вести к решению:
какой показатель важен, где порог, как меняется риск и когда нужно менять тактику.

Именно такую логику — от цели до клинического решения — разбираем на курсе «Статистика для медицинской диссертации».

Старт — 2 сентября в 19:00 МСК.

Хотите посмотреть программу и понять, подходит ли вам формат?

Напишите в комментариях КУРС — пришлю всё в Директ.