✨ نکات ریز آماری پایان‌نامه که فراموش میشن

📌 ۱. تعیین حجم نمونه (Sample size)
• فقط گفتن n=60 کافی نیست. باید بنویسی بر اساس چه فرمول یا مقاله‌ای به این عدد رسیدی.
• مثلا برای مطالعه مورد–شاهدی، نرم‌افزارهایی مثل G*Power یا فرمول‌های اپیدمیولوژی لازمه.
• حجم نمونه کم = قدرت (Power) پایین = داور می‌گه مطالعه بی‌ارزشه.

📌 ۲. بررسی توزیع داده‌ها (Normality test)
• همیشه قبل از انتخاب تست آماری، Shapiro-Wilk یا Kolmogorov-Smirnov رو اجرا کن.
• نرمال نبودن داده‌ها یعنی باید بری سراغ تست‌های نانرمال.

📌 ۳. انتخاب تست درست
• دو گروه مستقل → Independent t-test (نرمال) / Mann–Whitney U (نانرمال)
• چند گروه → ANOVA (نرمال) / Kruskal-Wallis (نانرمال)
• متغیر وابسته کمی با پیش‌بینی‌کننده‌های متعدد → رگرسیون خطی چندمتغیره
• متغیر وابسته باینری (مثلاً بیمار/سالم) → رگرسیون لجستیک

📌 ۴. گزارش نتایج کامل
• فقط p<0.05 کافی نیست. باید میانگین±SD یا Median[IQR] رو بدی.
• CI (فاصله اطمینان 95%) اضافه کن، چون نشون می‌ده دقت برآوردت چقدره.
• اندازه اثر (Effect size) رو حتما گزارش بده، چون معنی‌دار بودن همیشه معادل مهم بودن نیست.

📌 ۵. کنترل متغیرهای مخدوش‌گر (Confounders)
• خیلیا فقط Data جمع می‌کنن، بدون Adjustment.
• باید یا Matching کنی (مثلاً سن/جنس) یا توی مدل آماری Covariates بذاری.

📌 ۶. برخورد با داده‌های گمشده (Missing data)
• حذف کورکورانه خطاست.
• باید بگی از چه روش استفاده کردی: Multiple imputation، Last observation carried forward یا Sensitivity analysis.

📌 ۷. Visualization حرفه‌ای
• جدول خشک داورا رو خسته می‌کنه.
• Boxplot برای توزیع‌ها، Kaplan-Meier برای بقا، Forest plot برای متاآنالیز، و Heatmap برای داده‌های پیچیده خیلی تاثیرگذاره.

📌 ۸. تفسیر دقیق
• اگه p=0.049 شد، نگویید “کاملا معنی‌دار”! بگید “در آستانه معنی‌داری”.
• اگه p=0.06 شد، بگید “تمایل به معنی‌دار بودن دارد” نه اینکه کل فرضیه رو بندازی دور.

🧠 پایان‌نامه‌ای که این جزئیات رو رعایت کنه، از همون اول می‌درخشه، هم برای دفاع، هم برای مقاله بعدش

💡ثبت نام دوره های چاپ مقاله
@mediversecenter

💡گروه پروژه‌ های اختصاصی ما
https://t.me/themediversecenter

@Themediverse