Я знаю, вы скучали по нашему психоделическому комиксу про Шерлока Холмса. Ведь я и сам скучал по нему!☺️

Итак, очередное убийство на конференции. Среди подозреваемых - 4 врача разных специальностей. Убийца оставил важную улику - кровавую надпись на стене🩸

Кто же совершил это дерзкое преступление?
Ответы с номером предполагаемого убийцы шлите в комментариях к этому посту🕵️‍♂️

🌟 Уважаемые коллеги, добрый день!

Хотим анонсировать крупное мероприятие Академии, которое будет проведено совместно с Самарским Государственным Медицинским Университетом.

Онлайн-школа: «Доказательная медицина - тренд или необходимый инструмент в руках современного врача?»

📅 Когда: 24 апреля 2025 г., 14:00-16:50 (UTC +3)

🎥 Информация о трансляции будет анонсирована позже в нашем ТГ канале

🔥Мы собрали ведущих экспертов, которые просто и понятно расскажут:

💬О критической оценке научных публикаций (Марцевич С.Ю., Москва);
💬О когнитивных искажениях в принятии врачебных решений (Макарова Д.Д., Москва);
💬О чек-листе необходимых знаний в области биостатистики (Марапов Д.И., Казань);
💬О работе центра доказательной медицины и биостатистики СамГМУ (Рубаненко О.А., Самара);
💬О статистических ошибках в диссертационных работах (Перстнёва Н.П., Самара);
💬О том, почему надо исходить из гипотезы, а не выборочного распределения? (Бурлов Н.Н., Нижний Тагил);
💬О научном маркетинге (Майорова Е.М., Москва);
💬О плане научной работы и почему его важно публиковать до набора пациентов? (Мареев Ю.В., Москва);
💬О том, как создать электронные ИРК в исследовании (Суворов А.Ю., Москва);
💬О конечных точках в исследованиях (Навасардян А.Р., Москва).

👨‍🏫 Модераторами будут выступать проф. Давыдкин Игорь Леонидович и проф. Марцевич Сергей Юрьевич.

✨ Дискуссия и ответы на ваши вопросы включены!

👨‍⚕️ Присоединяйтесь, если хотите стать профи в доказательной медицине и проводить собственные исследования!

Отдельное спасибо хотим сказать центру доказательной медицины и биостатистики СамГМУ в лице Олеси Анатольевны Рубаненко

👨‍🏫 Читайте. Думайте. Делитесь. Создавайте.

ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты

В научных статьях часто встречается понятие взаимодействия факторов: interaction effects, p interaction. Тема очень интересная и важная.
Что такое взаимодействие факторов и чем оно отличается от собственно влияния факторов - постарался показать в новом посте. В конце вы сможете проверить свои знания на контрольном примере. Буду рад Вашим реакциям и комментариям!🤗

Читать пост

Влияет ли возраст (и кое-что ещё) на качество и длительность брака?
Новый опрос в Лаборатории «несерьезных» исследований!

Насколько крепким и счастливым может быть брак, если муж сильно старше жены? А если жена старше мужа? Есть ли «волшебная» возрастная разница, при которой вероятность счастливого брака будет максимальной? В каком возрасте лучше заключить брак? И главный вопрос: влияет ли «красивая» дата на качество брака?!

Попробуем ответить на эти вопросы с помощью Лаборатории «несерьезных» исследований!

Если Вы находитесь в браке или были когда-то, просим ответить на 12 вопросов нашей анонимной анкеты.
Если у Вас было несколько браков, можете ответить несколько раз по той же ссылке, для каждого из них.

Мы будем благодарны, если Вы перешлете этот пост или ссылку для участия в опросе коллегам, родственникам или друзьям!
Чем больше ответов мы получим, тем надежнее будут результаты анализа.

Большое спасибо всем за участие! Ответы будут приниматься до 13 апреля.
А результаты исследования будут опубликованы в срок до 20 апреля в ТГ-канале @medstatistic_ru

Принять участие в опросе можно по этой ссылке

Какой сервис использовать для написания научного текста?

Современные ИИ-системы способны не просто извлекать данные, но и систематизировать их, проводить анализ и генерировать полноценный текст целых разделов научной работы.

Если успели познакомиться с нашей статьей по результатам исследования предпочтений мужчин и женщин, могли заметить среди используемых нами новый сервис - STORM (storm.genie.Stanford.edu). Он разработан Стэнфордским университетом и позволяет создавать детализированные, хорошо структурированные обзорные статьи.

Чем STORM отличается от других ИИ?

🔹 В отличие от универсальных ИИ (ChatGPT, Gemini) или поисковых систем (Elicit, Semantic Scholar), STORM специализируется на работе с обзорными статьями — от разработки плана и структуры до финального текста.

🔹 Автоматизирует поиск литературных источников, значительно экономя время исследователя. Важно, что STORM сканирует надежные научные источники (библиотечные базы, журналы, препринты), а не просто выдает список статей (как Consensus или Scite).

🔹 STORM самостоятельно разрабатывает план обзора, в котором выделены смысловые части, следующие друг за другом (в отличие от не связанных между собой ответов ChatGPT).

🔹 Сопоставляет разные мнения по одной и той же теме, выявляя их расхождение или согласие. Помогает связать новое исследование с ранее опубликованными работами.

🔹 Пишет качественный текст. Генерирует связные формулировки между предложениями, адаптируя стиль под академические стандарты.

🔹 Формирует ссылки на использованную литературу, учитывает стиль цитирования (APA, MLA и др.) и требования к формату, которые можно потом использовать при составлении списка литературы

Конечно, как и у любого ИИ, у STORM есть свои ограничения и риски:

🔺 Автоматически собранные данные требуют подтверждения — нейросеть может упустить нюансы запроса или включить устаревшую информацию.

🔺 Тексты «из-под пера» STORM нуждаются в доработке автором статьи, чтобы избежать шаблонных выражений, «галлюцинаций», а также и обеспечить авторский вклад в работу.

🔺 Язык интерфейса и запросов в STORM - английский

Итак, на сегодняшний день STORM — один из самых продвинутых инструментов для автоматического создания научных обзоров. Он сочетает глубокий анализ с четкой структурой. Для некоторых задач (поиск статей, проверка гипотез) могут быть полезны Elicit или Scite, но в своей нише STORM пока не имеет равных🏆

Более подробно о работе со STORM и другими не менее полезными нейросетями будем рассказывать на Мастер-классе по работе с литературой, который начинается 7 апреля.

Посмотреть подробную информацию и записаться на курс можно по ссылке: https://taplink.cc/medstatistic/p/397b8f/

Как снизить вероятность ошибки первого рода при оценке доверительных интервалов для 3 групп и более?

При оценке различий 3+ групп с помощью p-значения одним из распространенных методов является поправка Бонферрони. В классическом варианте она заключается в уменьшении порога вероятности ошибки I рода α (альфа), с которым сопоставляется p, путем деления на число выполняемых сравнений между группами (обозначим его как k).

Например, у нас 3 группы исследуемых, и мы хотим сравнить их все попарно: 1 с 2, 1 с 3, 2 с 3. Получается, всего будет 3 попарных сравнения, k=3. Значит, если мы хотим оценивать различия групп с вероятностью ошибки I рода, не превышающей 5% (α=0.05), полученные p нужно будет сопоставлять не с 0.05, а с 0.05/3 = 0.017. Если p<0.017 - различия статистически значимы. Если p>0.017 - различия статистически незначимы.

А если мы оцениваем статистическую значимость различий не с помощью p, а с помощью доверительных интервалов (ДИ)? Нужно ли их корректировать?
Да! Причем для этого также подойдет поправка Бонферрони.

Например, мы рассчитываем для разности средних 95% ДИ, который соответствует α = 0.05, или 5%. Поправка Бонферрони применяется к α, которая также делится на k. Так, если мы выполняем 3 парных сравнения, 5%/3 = 1.7%. И для каждой разности средних нужно будет рассчитывать не 95% ДИ, а (100-1.7)% = 98.3% ДИ.

ДИ, скорректированные по Бонферрони, конечно, будут шире, чем исходные. Поэтому будет сложнее получить ситуацию, когда ДИ не пересечет границу нулевой значимости, и тем сложнее будет совершить ошибку I рода - ошибочно выявить различия, которых на самом деле нет. А значит, выводы станут более точными.

Есть ли примеры такой коррекции ДИ?
Сколько угодно! К этому посту подобрали 2 примера из научных статей:

1️⃣ В статье D.P.Bui et al. Veterans at High Risk for Post–COVID-19 Suicide Attempts or Other Self-Directed Violence (JAMA Netw Open. 2025;8(3):e250061. doi:10.1001/jamanetworkopen.2025.0061) авторы сопоставляли риски самоповреждающего поведения между 5 группами исследуемых. Все группы сравнивались попарно, поэтому k=10. Вместо 95% ДИ для отношения рисков рассчитывались (100-5/10) = 99.5% ДИ.

2️⃣ В статье R.Croop et al. Zavegepant nasal spray for the acute treatment of migraine… (Headache, 2022. 62(9):1153-1163. doi: 10.1111/head.14389) авторы сравнивали 3 экспериментальные группы пациентов, принимавших разные дозы препарата, с группой плацебо-контроля. Получилось всего 3 сравнения. Вместо 95% ДИ для частоты достижения конечных точек рассчитывались 98.3% ДИ.

Вначале кажется, что все правильно, однако на самом деле к этому примеру есть вопросы. Для оценки различий между группами здесь использовались p, а не ДИ. Зачем в таком случае корректировать ДИ - непонятно. Поправка применяется только для оценок значимости различий.

Например, в первом исследовании тоже рассчитывались частоты событий в каждой из групп, но при этом использовались обычные 95% ДИ.

Выводы:
🔹 При определении ДИ для оценок различий между 3 и более группами, сравниваемых попарно, применяем поправку Бонферрони: рассчитываем (100-α/k)% ДИ.
🔹 Поправку Бонферрони применяем к ДИ для оценок эффекта: относительного риска, отношений шансов, разницы средних, разницы рисков и т.д.
🔹 К ДИ для описательных данных: средних значений показателя, частот события в каждой группе - поправку не применяем.

Если лень читать всю статью из предыдущего поста, можно посмотреть только эту визуализацию)

Ура! Готова первая статья от нашей Лаборатории «несерьезных» исследований!🎉

Напомню, что 10 марта мы запустили опрос на наших площадках в соцсетях, посвященный человеческим предпочтениям. Спасибо всем, кто принял в нем участие!🤗

Мы решили сравнить мужчин и женщин по предпочтениям в еде, культурных мероприятиях, видах спорта и т.д. Получились довольно-таки интересные результаты.

Но, мне кажется, самое важное, что полученные результаты мы смогли оформить в полноценную статью. Причем потратили на это всего пару часов! В этом нам помогли современные средства: электронные анкеты, статистические программы и, конечно, большие языковые модели (Large language models - LLM).

🔹Введение и обсуждение со списком источников были полностью сгенерированы искусственным интеллектом - LLMs Perplexity и STORM. Мы только убирали лишнее и слегка корректировали связки между предложениями. Перевод с английского на русский выполняли с помощью LLM DeepSeek.

🔹Название статьи, цель и описание материалов и методов - написаны человеком, то есть авторами статьи.

🔹Результаты анализа были почти полностью получены и описаны программой StatTech, диаграмму с ОШ построили в SPSS.

Теперь осталось самое главное: пристроить эту статью в максимально приличный журнал. Как вариант, разместим ее в базе пре-принтов.

❗️А всех, кто хочет научиться работать с LLM и другими полезными инструментами при написании текстовой части научных статей - ждем на мастер-классе по работе с литературой, который стартует уже 7 апреля!

🌟 Уважаемые коллеги, добрый день!

Хотим анонсировать крупное мероприятие Академии, которое будет проведено совместно с Самарским Государственным Медицинским Университетом.

Онлайн-школа: «Доказательная медицина - тренд или необходимый инструмент в руках современного врача?»

📅 Когда: 24 апреля 2025 г., 14:00-16:50 (UTC +3)

🎥 Информация о трансляции будет анонсирована позже в нашем ТГ канале

🔥Мы собрали ведущих экспертов, которые просто и понятно расскажут:

💬О критической оценке научных публикаций (Марцевич С.Ю., Москва);
💬О когнитивных искажениях в принятии врачебных решений (Макарова Д.Д., Москва);
💬О чек-листе необходимых знаний в области биостатистики (Марапов Д.И., Казань);
💬О работе центра доказательной медицины и биостатистики СамГМУ (Рубаненко О.А., Самара);
💬О статистических ошибках в диссертационных работах (Перстнёва Н.П., Самара);
💬О том, почему надо исходить из гипотезы, а не выборочного распределения? (Бурлов Н.Н., Нижний Тагил);
💬О научном маркетинге (Майорова Е.М., Москва);
💬О плане научной работы и почему его важно публиковать до набора пациентов? (Мареев Ю.В., Москва);
💬О том, как создать электронные ИРК в исследовании (Суворов А.Ю., Москва);
💬О конечных точках в исследованиях (Навасардян А.Р., Москва).

👨‍🏫 Модераторами будут выступать проф. Давыдкин Игорь Леонидович и проф. Марцевич Сергей Юрьевич.

✨ Дискуссия и ответы на ваши вопросы включены!

👨‍⚕️ Присоединяйтесь, если хотите стать профи в доказательной медицине и проводить собственные исследования!

Отдельное спасибо хотим сказать центру доказательной медицины и биостатистики СамГМУ в лице Олеси Анатольевны Рубаненко

👨‍🏫 Читайте. Думайте. Делитесь. Создавайте.

ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты

🔥 Медфест 2025: Всё, что нужно знать о детском здоровье!

Коллеги, друзья, будущие врачи!
Вы работаете с детьми? Учитесь на врача? Руководите клиникой? Тогда 19 апреля – день, который стоит отметить в календаре!
Медфест 2025 – это конференция, которую нельзя пропустить. Здесь не будет скучной теории – только живые кейсы, клинические разборы, реальные ошибки и практика, которая работает. Мы обсуждаем сложные темы честно и без цензуры!

💡 Что вас ждет?
✅ Диагностика и лечение: разбор анемии, сахарного диабета, аллергии, геморрагической болезни, расстройств поведения и других актуальных тем.
✅ Как взаимодействовать с родителями? Что делать, если пациент "сам всё знает" или доверяет больше интернету, чем врачам?
✅ Как не ошибиться? Разбираем реальные клинические случаи, распространенные врачебные ошибки и учимся работать с пациентским экстремизмом.
✅ Доказательная медицина в действии: как правильно читать исследования и применять их в реальной практике?

📌 Формат:
Два зала – выбирайте лекции, которые максимально полезны именно вам.

Топовые спикеры – эксперты, которые знают всё о детском здоровье: Александр Бурлаков, Алексей Бессмертный, Евгения (Патракеева) Соколова, Елизавета Редько, Ольга Лоскутова и другие.
Живые дискуссии – никаких скучных монологов, только актуальные вопросы и конкретные решения.
Подарки от партнеров и доступ ко всем записям лекций.

Полная программа на сайте medfest-forum.ru
Регистрируйтесь прямо сейчас 👉 medfest-forum.ru
Делитесь этим постом с коллегами и друзьями!
#Медфест2025 #медицина #детскоездоровье #педиатрия #конференциядляврачей #доказательнаямедицина #врачи #студенты #ординаторы

Первое исследование будет посвящено человеческим предпочтениям.

Каждый из нас имеет свои предпочтения когда приходится выбирать: кошка или собака? чай или кофе? рок или поп-музыка?… Может быть нас это как-то характеризует, а может - и совсем никак. Просто кому-то нравится одно, кому-то другое. Мы решили изучить, как часто встречаются те или иные предпочтения и с чем они могут быть связаны. Примерное время заполнения опроса - около 2 минут.

Дизайн исследования: поисковое, наблюдательное, поперечное.

Участники исследования: все наши подписчики в возрасте 18 лет и старше, а также можете пригласить к участию Ваших коллег.

Задачами исследования являются описание выборки респондентов по предпочтениям, выявление связи предпочтений с социально-демографическими признаками (пол, возраст, трудовая занятость).

А ещё интересно, будут ли среди респондентов полные совпадения по всем ответам?

Результаты исследования после соответствующего анализа будут опубликованы здесь, в нашем Телеграм-канале medstatistic_ru.

Принять участие в опросе

Дорогие друзья! Встречайте новый проект от medstatistic под названием Лаборатория «несерьезных» исследований!

В мире так много вопросов, которые официальная наука чаще всего обходит стороной:
🔹Кто больше любит кошек - женщины или мужчины?
🔹Какую музыку слушают представители разных врачебных специальностей?
🔹Какие soft skills отличают людей разного возраста?
🔹Влияет ли пожелание «Спокойного дежурства!» на то, как пройдёт это дежурство?
🔹Способна ли астрология предсказать удачный или неудачный день?

Вообще-то подобные исследования в современной науке давно известны. Есть даже специальная Шнобелевская премия, которая вручается за решение, казалось бы, самых несерьезных вопросов. А самое интересное, что ответы на них иногда оказываются важными и интересными для всех.

На «шнобелевку» претендовать не будем (пока), но постараемся использовать реальные современные средства для исследований. Потренируемся в планировании дизайна, сборе данных, анализе и интерпретации. Обзорную часть сделаем с применением библиографических менеджеров и ИИ. Мне кажется, это будет полезно!

Схема проведения каждого исследования будет примерно такой:
1️⃣ Публикация протокола исследования.
2️⃣ Проведение эксперимента, сбор данных путем опроса среди подписчиков в течение нескольких дней.
3️⃣ Анализ данных в статистической программе, оформление результатов.
4️⃣ Публикация результатов исследования в нашем канале, а также, если получится, в журналах Nature и/или «Наука и жизнь».

Следите за публикациями! Первое исследование стартует уже завтра, 10 марта!

Ещё один поток Курса по основам статистики завершен! Поздравляю всех своих курсантов с успешным окончанием обучения, благодарю Вас за участие и внимание, надеюсь, что полученные знания и навыки принесут много пользы!

А мы объявляем набор на следующий 43-й поток Курса. Посмотреть информацию и записаться можно по ссылке: https://taplink.cc/medstatistic/p/27b3b1/

А ещё - через несколько дней стартует новый поток Курса по сложным методам. В программе 6 очень интересных и актуальных тем: Факторный анализ, Деревья решений, Псевдорандомизация, Порядковая регрессия, Дискриминантный анализ, Общие линейные модели. Жду всех желающих освоить эти методы! Посмотреть информацию об этом курсе и записаться можно по этой ссылке.

Уважаемые коллеги, добрый день!

💡От имени Академии мы хотим всех поздравить с наступлением весны и поделиться большой работой, которую мы делали последние пару месяцев.

💡Материал посвящен регистрации проспективных исследований на сайте clinicaltrial.gov.

💡Зачем нужно регистрировать исследование в открытой базе данных, вы можете узнать в самом документе.

✔️Инициатором создания этого материала является наш эксперт - Мареев Юрий Вячеславович, , к.м.н. кардиолог, исследователь Робертсоновского центра биостатистики, университета Глазго. От имени Академии и всех подписчиков хотим выразить огромную благодарность.

✔️Кроме того, хотим поблагодарить всех авторов документа: Мареева Юрия Вячеславовича, Лобастова Кирилла Викторовича, Макарову Дарью Дмитриевну, Марапова Дамира Ильдаровича и Навасардяна Артура Рубеновича

💡Если после ознакомления нашего материала у Вас остались вопросы по регистрации и проведению исследования или появились предложения по улучшению данного документа, вы можете написать нам на адрес электронной почты nko.nnadm@outlook.com

С уважением, от имени экспертов ННАДМ

P.S. Мы просим вас поддержать наш канал своим голосом.

👨‍🏫 Читайте. Думайте. Делитесь. Создавайте.

ТГ канал | Чат | Сайт | Группа ВК | Ютуб | Контакты

Какие данные можно разместить на графике выживаемости?

В статье Dummer R. et al. “Five-Year Analysis of Adjuvant Dabrafenib plus Trametinib in Stage III Melanoma” (N Engl J Med 2020;383:1139-48) встретился график с кривыми выживаемости, который, кажется, вместил в себе максимальное количество элементов.

Начнём с графических элементов:

1️⃣ Кривые Каплана-Мейера, показывающие ступенчатое снижение безрецидивной выживаемости в группах пациентов, получавших разное лечение. Каждая ступенька вниз соответствует событию (рецидиву или смерти от любой причины), произошедшему на определенном сроке. Кривые окрашены в разные цвета. Вверху есть легенда с обозначением каждой кривой.

2️⃣ Кривые пересекаются короткими черточками - это выбывшие из-под наблюдения пациенты. То есть те, у которых событие не произошло. В течение первых 4 лет (48 мес.) выбывших пациентов совсем немного. Это хорошо, ведь чем меньше выбытий в течение определенного срока, тем точнее оценка выживаемости на этом сроке.

3️⃣ Медиана срока дожития - показана с помощью горизонтальной пунктирной линии, соответствующей 50% выживаемости. Место пересечения этой линии с кривой соответствует сроку, при достижении которого выживаемость снижается до 50%. Этот срок и есть медиана. Например, судя по графику, в группе принимавших плацебо (красная линия) медиана составила примерно 16 мес.

4️⃣ Четырёх- и пятилетняя выживаемость. Показана вертикальными линиями, соответствующими сроку 48 и 60 мес.

Также на графике размещены различные текстовые данные:

5️⃣ В таблице под графиком показано число пациентов, остающихся под наблюдением на каждом сроке (No. at Risk). Постепенно их число снижается за счет происходящих событий и выбывающих пациентов. Чем меньше остается участников под наблюдением, тем менее точными становятся оценки выживаемости.

6️⃣ Общее число пациентов, число событий, медианы срока дожития в каждой из групп.

7️⃣ HR - отношение рисков, важная метрика при сравнении выживаемости. Показывает, как относятся риски события в основной группе к рискам в группе контроля. В данном случае HR=0.51, значит риски события в основной группе были почти в 2 раза меньше, чем в контрольной.
Рядом с HR указан 95% доверительный интервал. Если его границы не пересекают 1 (как в нашем случае), снижение рисков в основной группе можно считать статистически значимым.

8️⃣ Значения 4- и 5-летней выживаемости с 95% доверительными интервалами.

Вот как много всего можно показать на одной диаграмме!

#Как_не_надо оформлять таблицы

В этой рубрике мы не приводим данные авторов и названия статей. Только обращаем внимание на особенности представления результатов, которые трудно признать правильными.

Вот пример очень плохо структурированной таблицы из опубликованной в 2025 году статьи. Если честно, не сразу сообразил, что именно хотят показать авторы. Сделайте остановку, посмотрите внимательно на первую картинку, сколько проблемных мест Вы заметите?

Речь о сравнении 3 групп по показателю H-score. Заявлено использование ANOVA, данные представлены средними, SD, 95% ДИ.

Итак, что смущает?

1️⃣ Структура таблицы громоздка и трудночитаема. Авторы по отдельности представили результаты парных сравнений групп, зачем-то трижды повторив заголовки столбиков. Значения показателя, полученные для каждой группы, пришлось повторить дважды.

Как можно было сделать?
(См. картинку 2)

✔️Вариант 1. Сделать таблицу из трех строк, каждая из которых соответствует одной из групп. В столбиках указать данные описательной статистики, в последнем столбике перечислить p для парных сравнений.
✔️Вариант 2. Если сравниваемых показателей - несколько, можно в каждой строке разместить определенный показатель. Тогда группы перемещаются в столбики.
Если позволяет длина таблицы, парные p-значения можно разместить в отдельных столбиках: p1-2, p1-3, p2-3. Но здесь я так делать не стал.

2️⃣ ANOVA предполагает на первом этапе определение общего p-значения по результатам сравнения всех групп. Для этого может использоваться F-критерий Фишера или F-критерий Уэлча. Если на этом этапе выявляются статистически значимые различия, можно переходить к парным сравнениям, выполняемым с помощью других критериев. В статье какое-либо упоминание о первом этапе ANOVA отсутствует. Есть только результаты парных сравнений.

Как надо было сделать?
P-значение, полученное при сравнении всех групп на первом этапе, указывается до парных p. В предлагаемых мной вариантах таблицы вместо него стоят «???».

3️⃣ Мелкие замечания:
🔹Почему-то пропущена * для p<0,0001, характеризующего различия между группой Б и группой сравнения.
🔹Группа сравнения обычно указывается после основных групп А и Б.
🔹Единицы измерения лучше указывать в родительном падеже: не «баллы», а «баллов».

😁

#как_надо_делать сравнение показателей диагностической ценности модели, представленных с помощью ROC-кривых?

В статье Richter S. et al. “Neuroanatomical Substrates and Symptoms Associated With Magnetic Resonance Imaging of Patients With Mild Traumatic Brain Injury” авторы построили несколько прогностических моделей с помощью бинарной логистической регрессии. Прогнозировался благоприятный исход - восстановление после черепно-мозговой травмы.

🔸Первая модель включала только данные о возрасте и поле пациентов.
🔸Вторая - возраст, пол и данные визуализации с помощью МРТ, выполненной в течение первых 72 ч.
🔸Третья - возраст, пол и данные визуализации с помощью МРТ, выполненной через 2-3 недели после травмы.

Для каждой модели была построена ROC-кривая, они были совмещены на одном графике. Одним из основных параметров ROC-кривых служит площадь под ROC-кривой (“area under curve” - AUC или AUROC). Чем выше Se и Sp, тем сильнее выгибается кривая и тем больше AUC.

Для сравнения AUC для второй и третьей моделей, отличающихся сроками проведения МРТ, был использован тест ДеЛонга. Получено p=0,009, из чего сделан вывод о наличии статистически значимых различий: данные МРТ-визуализации в течение 72 ч более точно позволяют прогнозировать восстановление пациента, чем выполненные через 2-3 недели.

Также мы видим различия на графике: оранжевая кривая, соответствующая данным в течение 72 ч, более выпуклая (ближе к верхне-левому углу) по сравнению с темно-синей линией, соответствующей данным через 2-3 недели.

Чем можно было бы дополнить сравнение?
Помимо p-значения можно указать разность AUC с 95% доверительным интервалом (ДИ). Если обе границы выше нуля или ниже нуля - различия AUC были статистически значимыми. Если границы ДИ имеют разные знаки, т.е. включают ноль, тогда различия AUC статистически незначимы.

У аспирантов в этом году есть ещё одна отмазка😁

#как_надо_делать график, отображающий оценки предикторов в регрессионной модели?

В статье S.E.Jackson et al. “Prevalence of Popular Smoking Cessation Aids in England and Associations With Quit Success” для оценки связи между использованием различных средств, помогающих бросить курить, и шансами успешного отказа от курения был использован метод бинарной логистической регрессии. В результате для каждого средства получено отношение шансов с 95% доверительным интервалом.

Авторы построили диаграмму Error bars plot (столбики ошибок). Это универсальный и наглядный способ показать несколько однородных параметров с доверительными интервалами (ДИ). Такими параметрами могут быть средние или процентные доли, их разности, относительный риск (RR), отношение шансов (OR), отношение угроз (HR) и другие.
Иногда чёрточки на графике могут соответствовать не только границам ДИ, но и размаху (min-max), ±SD, ±SE, определенному числу SD (например, -2SD, +2SD), но эти варианты встречаются сильно реже.

Подобный график напоминает forest plot в классическом мета-анализе. Отличие, прежде всего, в том, что отсутствует «даймонд» в нижней части графика, который в мета-анализе соответствует обобщённому показателю.

Какие элементы мы видим на этом графике?

🔹Горизонтальная ось со значениями отображаемого показателя, здесь это OR - отношение шансов, а значения выстроены по логарифмической шкале.

🔹Вертикальная линия соответствует нулевому эффекту. Для OR значение равно 1 (равные шансы в сравниваемых группах).

🔹Линии со значком посередине. Значком может быть кружок, квадрат, треугольник и т.д. Он показывает значение OR, полученное для исследуемой выборки. Линии, отходящие от значка, показывают границы ДИ для OR.
🔺Если ДИ не пересекает линию нулевого эффекта - изменения шансов статистически значимы (например, как у варениклина или электронных сигарет).
🔺Если ДИ пересекает линию нулевого эффекта - изменения шансов статистически незначимы (например, как у книги Аллена Карра «Легкий способ…» или бупропиона).