Друзья, и всё-таки пара слов о коронавирусе. Тесты, использующиеся сейчас (ОТ-ПЦР), позволяют только диагностировать текущую инфекцию. Тем не менее в разгар пандемии важно выявлять людей, которые уже переболели и получили иммунитет.
На текущий момент нет убедительных данных, что они могут заболевать снова. Так что они могут вернуться в ряды трудящихся, чтобы поднимать экономику с колен и бороться с дальнейшим распространением инфекции. А еще они могут стать донорами плазмы, вероятно, она имеет лечебный эффект.
Поэтому команда лаборатории трансплантационной иммунологии НМИЦ Гематологии в партнерстве с Александром Ивановым (ИМБ им. В.А. Энгельгардта) сделала и даже зарегистрировала ИФА (иммуноферментный анализ) тест-систему для выявления антител IgG к коронавирусу. На пластиковый 96-луночный планшет в каждую лунку наносится антиген – белок коронавируса, затем туда добавляется исследуемая сыворотка, потом лунка тщательно отмывается. Если в сыворотке были антитела к коронавирусу, то они не смоются, т.к. связаны очень прочно. Затем добавляются специальные «проявляющие» реагенты и жидкость в лунке приобретает цвет, интенсивность которого пропорциональна количеству антител в сыворотке.
Один планшет рассчитан на 46-93 теста. В первичных испытаниях получена чувствительность 95% и специфичность 98%. Как только появится информация о том, где можно пройти тестирование, мы вам напишем!
На фото зеленой рамкой указан типичный "отрицательный" человек без антител, а красной - "положительный" человек, у которого есть антитела. Сыворотка каждого пациента для точности была протестирована в двух лунках.
На текущий момент нет убедительных данных, что они могут заболевать снова. Так что они могут вернуться в ряды трудящихся, чтобы поднимать экономику с колен и бороться с дальнейшим распространением инфекции. А еще они могут стать донорами плазмы, вероятно, она имеет лечебный эффект.
Поэтому команда лаборатории трансплантационной иммунологии НМИЦ Гематологии в партнерстве с Александром Ивановым (ИМБ им. В.А. Энгельгардта) сделала и даже зарегистрировала ИФА (иммуноферментный анализ) тест-систему для выявления антител IgG к коронавирусу. На пластиковый 96-луночный планшет в каждую лунку наносится антиген – белок коронавируса, затем туда добавляется исследуемая сыворотка, потом лунка тщательно отмывается. Если в сыворотке были антитела к коронавирусу, то они не смоются, т.к. связаны очень прочно. Затем добавляются специальные «проявляющие» реагенты и жидкость в лунке приобретает цвет, интенсивность которого пропорциональна количеству антител в сыворотке.
Один планшет рассчитан на 46-93 теста. В первичных испытаниях получена чувствительность 95% и специфичность 98%. Как только появится информация о том, где можно пройти тестирование, мы вам напишем!
На фото зеленой рамкой указан типичный "отрицательный" человек без антител, а красной - "положительный" человек, у которого есть антитела. Сыворотка каждого пациента для точности была протестирована в двух лунках.
Как COVID-19 повлиял на проведение клинических исследований?
Болеть коронавирусной инфекцией - грустно и неприятно. Но вдвойне неприятно сейчас болеть чем-то другим - все ресурсы здравоохранения брошены на борьбу с COVID-19, в то время как другие болезни никуда не исчезли. Конечно, это касается и клинических исследований (КИ). Поговорим немного об этой проблеме.
Баланс вреда и пользы
Для многих пациентов КИ - это шанс получить качественное и эффективное лечение. В то же время мы понимаем, что многие пациенты c сопутствующей патологией особенно уязвимы и относятся к группе риска тяжелого течения COVID-19. Вопрос о дальнейшем участии пациента в КИ решается индивидуально, с учетом всех "за" и "против", и медицинские ассоциации выпускают временные рекомендации о том, как поступать в той или иной ситуации.
Кто-то инициирует сейчас новые исследования?
Почти никто (если они не касаются COVID, конечно). То, что не было начато, в большинстве случаев заморозилось на неопределенный срок.
Как это все скажется на качестве исследований?
Увы, очень плохо. Перебои в расписании лечения, перебои с поставками препаратов, инфекция как вмешивающийся фактор, большое число выбывших из участия - качество данных, безусловно, будет от этого всего страдать. Основа любых исследований - это, четкое следование плану, и масштабная катастрофа никак не способствует его соблюдению.
Болеть коронавирусной инфекцией - грустно и неприятно. Но вдвойне неприятно сейчас болеть чем-то другим - все ресурсы здравоохранения брошены на борьбу с COVID-19, в то время как другие болезни никуда не исчезли. Конечно, это касается и клинических исследований (КИ). Поговорим немного об этой проблеме.
Баланс вреда и пользы
Для многих пациентов КИ - это шанс получить качественное и эффективное лечение. В то же время мы понимаем, что многие пациенты c сопутствующей патологией особенно уязвимы и относятся к группе риска тяжелого течения COVID-19. Вопрос о дальнейшем участии пациента в КИ решается индивидуально, с учетом всех "за" и "против", и медицинские ассоциации выпускают временные рекомендации о том, как поступать в той или иной ситуации.
Кто-то инициирует сейчас новые исследования?
Почти никто (если они не касаются COVID, конечно). То, что не было начато, в большинстве случаев заморозилось на неопределенный срок.
Как это все скажется на качестве исследований?
Увы, очень плохо. Перебои в расписании лечения, перебои с поставками препаратов, инфекция как вмешивающийся фактор, большое число выбывших из участия - качество данных, безусловно, будет от этого всего страдать. Основа любых исследований - это, четкое следование плану, и масштабная катастрофа никак не способствует его соблюдению.
Добрый день дорогие коллеги. Начнем обсуждать различные виды графического представления данных! И будем возвращаться к этому регулярно с хэштегом #чозаграфик
Наш первый гость сегодня - банальный scatter plot или график рассеяния. Проблема в том, что так обозначают несколько видов графиков! Поэтому про "банальный scattter plot" будет несколько постов.
Scatter plot (1) = grouped scatter plot
Это вариант графика, когда мы хотим показать различия данных между группами: количественных (например, вес) или категориальтных (цвет волос).
Итого у нас есть (1) группы, (2) объекты, (3) один параметр для каждого объекта.
Каждой группе отводится место на горизонтальной оси и в этой области по вертикальной оси (параметр) откладывается точки, где каждая соответствует одному "объекту" - человеку, пробе крови и т.д. Чем больше точек имеют одинаковый параметр - тем больше они "толпятся" и тем "шире" график в этой области. Часто на график наносятся линии, показывающие меру дисперсии (например, медиана и межквартильный размах)
Например, есть табличка, где люди разбиты на 6 групп в зависимости от титра антител к коронавирусу и где каждому человеку соответствует день тестирования. Авторы стати решили сделать для этих данных scatter plot!
https://www.medrxiv.org/content/10.1101/2020.04.30.20085613v1.full.pdf
Наш первый гость сегодня - банальный scatter plot или график рассеяния. Проблема в том, что так обозначают несколько видов графиков! Поэтому про "банальный scattter plot" будет несколько постов.
Scatter plot (1) = grouped scatter plot
Это вариант графика, когда мы хотим показать различия данных между группами: количественных (например, вес) или категориальтных (цвет волос).
Итого у нас есть (1) группы, (2) объекты, (3) один параметр для каждого объекта.
Каждой группе отводится место на горизонтальной оси и в этой области по вертикальной оси (параметр) откладывается точки, где каждая соответствует одному "объекту" - человеку, пробе крови и т.д. Чем больше точек имеют одинаковый параметр - тем больше они "толпятся" и тем "шире" график в этой области. Часто на график наносятся линии, показывающие меру дисперсии (например, медиана и межквартильный размах)
Например, есть табличка, где люди разбиты на 6 групп в зависимости от титра антител к коронавирусу и где каждому человеку соответствует день тестирования. Авторы стати решили сделать для этих данных scatter plot!
https://www.medrxiv.org/content/10.1101/2020.04.30.20085613v1.full.pdf
Что такое dropout в клинических исследованиях?
Представьте - вы врач-ученый, спланировали исследование, посчитали объем необходимой выборки и поняли, что для доказательства вашей гипотезы в исследование нужно включить 400 человек: 200 - в группу экспериментального препарата и 200 - в контрольную группу.
Все идет неплохо. Но оказалось, что некоторое количество пациентов выбывает из исследования - по самым разным причинам. Кто-то переехал в другой город, кто-то просто не выходит на связь. И в исследовании осталось не 400 человек, а 370. В итоге получается, что ожидаемые различия есть, но гипотеза все равно не считается доказанной, так как в исследовании в итоге приняло участие меньшее количество людей, чем ожидалось.
Для этого еще на этапе планирования исследования закладывается так называемый dropout rate - например, 10% (общепринятый и минимальный уровень). 10% - значит, мы предполагаем, что 10% пациентов могут выбыть из исследования по любым причинам, и это не помешает нам в обсчете результатов.
В конкретно этом примере мы тогда бы включили в исследование не 400 человек, а 440, и тем самым обезопасили себя от срыва исследования.
И это самый оптимистичный сценарий - средний уровень dropout составляет около 30%! Интересно, что этот показатель варьирует от страны к стране - в той же Швеции он минимален, а в России - несравнимо больше.
Очень важный момент для исследователя смотреть - насколько "симметрично" это выбывание в экспериментальной и контрольной группе? Может быть, пациенты выбывают из исследования из-за высокой токсичности препарата, и при этом не ставят в известность врача? Или экспериментальное исследование очень сложное организационно, человеку оно банально надоедает, и он просто пропадает с радаров?
P. S. Пока искала картинку для поста, узнала, что дропаут - это еще и подвесной кронштейн в велосипеде (omg, что такое подвесной кронштейн??). Знание - сила.
Ваша Полина Шило
Представьте - вы врач-ученый, спланировали исследование, посчитали объем необходимой выборки и поняли, что для доказательства вашей гипотезы в исследование нужно включить 400 человек: 200 - в группу экспериментального препарата и 200 - в контрольную группу.
Все идет неплохо. Но оказалось, что некоторое количество пациентов выбывает из исследования - по самым разным причинам. Кто-то переехал в другой город, кто-то просто не выходит на связь. И в исследовании осталось не 400 человек, а 370. В итоге получается, что ожидаемые различия есть, но гипотеза все равно не считается доказанной, так как в исследовании в итоге приняло участие меньшее количество людей, чем ожидалось.
Для этого еще на этапе планирования исследования закладывается так называемый dropout rate - например, 10% (общепринятый и минимальный уровень). 10% - значит, мы предполагаем, что 10% пациентов могут выбыть из исследования по любым причинам, и это не помешает нам в обсчете результатов.
В конкретно этом примере мы тогда бы включили в исследование не 400 человек, а 440, и тем самым обезопасили себя от срыва исследования.
И это самый оптимистичный сценарий - средний уровень dropout составляет около 30%! Интересно, что этот показатель варьирует от страны к стране - в той же Швеции он минимален, а в России - несравнимо больше.
Очень важный момент для исследователя смотреть - насколько "симметрично" это выбывание в экспериментальной и контрольной группе? Может быть, пациенты выбывают из исследования из-за высокой токсичности препарата, и при этом не ставят в известность врача? Или экспериментальное исследование очень сложное организационно, человеку оно банально надоедает, и он просто пропадает с радаров?
P. S. Пока искала картинку для поста, узнала, что дропаут - это еще и подвесной кронштейн в велосипеде (omg, что такое подвесной кронштейн??). Знание - сила.
Ваша Полина Шило
В рамках флешмоба #наукамойвыбор
«Полина, ты же разбираешься в статистике, сделай так, чтобы мой p-value был значимым»
(с) – цитаты НЕ великих ученых
⠀
Есть два полярных представления о «науке».
⠀
1⃣ Это нечто запредельно далекое. Для «науки» в привычном для всех понимании нужна передовая лаборатория и седой профессор, который смотрит на цветные пробирки и изобретает лекарство от рака (излюбленный сюжет стоковых фото)
⠀
2⃣ Это способ достижения определенного веса в профессиональном сообществе. Где «наука» = карьера = деньги. Тут "подшаманил", там опубликовал. Зачем же вообще нужны пациенты, если красивый график можно нарисовать в пэйнте, а расчеты легко подделать. Кто там будет проверять?
⠀
Истина – она всегда где-то посередине. Нет ничего плохого в том, чтобы заниматься наукой из соображений карьерного роста.
⠀
Вопрос в том - КАК заниматься?
⠀
◾Что для меня наука? Прежде всего это система убеждений, универсальная как для доктора наук, так и для студента медвуза:
⠀
✔ Академическая честность: принципиальный отказ от фальсификации данных и от осознанного введения окружающих в заблуждение
⠀
✔ Работа по принципу "все подвергай сомнению" - даже результаты своей собственной выстраданной научной работы. Отказ от введения в заблуждение самого себя.
⠀
✔ Критическое мышление – как система «инструментов», необходимая для наличия сомнений: изучение теории вероятностей, статистики и методологии проведения исследований.
⠀
А дальше – дело за малым. Всего лишь за бесконечным количеством работы 😊
«Полина, ты же разбираешься в статистике, сделай так, чтобы мой p-value был значимым»
(с) – цитаты НЕ великих ученых
⠀
Есть два полярных представления о «науке».
⠀
1⃣ Это нечто запредельно далекое. Для «науки» в привычном для всех понимании нужна передовая лаборатория и седой профессор, который смотрит на цветные пробирки и изобретает лекарство от рака (излюбленный сюжет стоковых фото)
⠀
2⃣ Это способ достижения определенного веса в профессиональном сообществе. Где «наука» = карьера = деньги. Тут "подшаманил", там опубликовал. Зачем же вообще нужны пациенты, если красивый график можно нарисовать в пэйнте, а расчеты легко подделать. Кто там будет проверять?
⠀
Истина – она всегда где-то посередине. Нет ничего плохого в том, чтобы заниматься наукой из соображений карьерного роста.
⠀
Вопрос в том - КАК заниматься?
⠀
◾Что для меня наука? Прежде всего это система убеждений, универсальная как для доктора наук, так и для студента медвуза:
⠀
✔ Академическая честность: принципиальный отказ от фальсификации данных и от осознанного введения окружающих в заблуждение
⠀
✔ Работа по принципу "все подвергай сомнению" - даже результаты своей собственной выстраданной научной работы. Отказ от введения в заблуждение самого себя.
⠀
✔ Критическое мышление – как система «инструментов», необходимая для наличия сомнений: изучение теории вероятностей, статистики и методологии проведения исследований.
⠀
А дальше – дело за малым. Всего лишь за бесконечным количеством работы 😊
Коллеги из Medica mente написали потрясающую статью о практическом применении EBM-подхода.
Лучшее, что я видела на русском на эту тему - и очень жалею, что это написала не я. Читать всем!
https://m.vk.com/@medica_mente-vvedenie-v-ebm-praktiku
Лучшее, что я видела на русском на эту тему - и очень жалею, что это написала не я. Читать всем!
https://m.vk.com/@medica_mente-vvedenie-v-ebm-praktiku
VK
Введение в EBM-практику.
Клинический случай:Женщина, 37 лет обратилась к вам с жалобами на уплотнение в правой подмышечной области. Была проведена двусторонняя м..
Сегодня мы поговорим о природе. А именно о #чозаграфик Forest Plot. Назван он так из-за схожести с небольшой рощей (особенно если положить его на бок 😉).
❓Зачем оно?
Немного издалека.
Представьте на секунду, что вы хотите обобщить результаты различных клинических исследований одного и того же метода лечения. Для этого идеален апгрейд литературного обзора под названием мета-анализ (см нашу статью про него), который позволяет дать количественную оценку результатов обычного литературного обзора. Форест плот - центральный график мета-анализов, и в основном применяется именно в них.
Итак, Forest plot. Он же blobbogram, он же лесной график. Устоявшегося перевода нет. Вкратце – он показывает результаты обозреваемых исследований, некоторую меру надёжности результатов, итоговую оценку эффективности лечения.
Какие конкретно элементы представлены на forest plot:
• Все рассмотренные в анализе исследования. Показывается в виде списка в левой части графика
• Сравниваемые целевые переменные. Показываются в виде серии боксов в правой части графика. Внутри одного мета-анализа могут быть рассмотрены только исследования с одними и теми же целевыми характеристиками – отношение рисков (hazard ratio, HR), отношение шансов (odds ratio, OR), разница средних, объективный ответ и так далее. Характеристика – любая, но одна и та же во всех исследованиях.
• Вес исследований. Форест плот не просто перечисляет все исследования и их результат. Он пытается показать, насколько надёжны результаты исследований, причем несколькими путями: 1) доверительные интервалы для оценок (линии вправо и влево от боксов – отсюда и название forest plot). Их следует интерпретировать вместе с референсным значением. К примеру, для HR оно равно единице. Если оценка HR по исследованию не равна 1 и доверительный интервал не затрагивает единицу – можно утверждать, что лечение оказало значимое воздействие на выживаемость (или другое событие) 2) размер боксов. Чем больше размер выборки в исследовании – тем больше будет бокс, 3) отдельным столбцом указан вес исследования. На картинке А присутствуют все три способа.
• Итоговая оценка (summary). Обычно показывается пустым ромбом. Это – итоговый ответ мета-анализа. Помогает лечение, или нет. Ромб отходит от референсного значения – значит, помогает. Сидит прямо на референсном значении – скорее всего, не помогает.
• Гомогенность исследований. Этим занимается специфическая оценка I (или квадрат I - I^2). Дело в том, что отличия результатов исследований можно объяснить двумя путями. Первое – просто случайность. Второе – отличия в дизайнах. I^2 – это мера того, какая часть отличий результатов исследований объясняется отличиями в дизайнах. И мы заинтересованы в том, чтобы она была как можно более низкой. Если она высокая – исследования слишком отличаются друг от друга по дизайну, и итоговая оценка вообще непонятно что показывает. Порогом обычно считается 0.5 для I^2. Если больше – доверия результатам мало. Если меньше – верить можно.
Итак, forest plot демонстрирует результаты глубокого обобщения по большому количеству работ.
🤓 Теперь о картинках.
На графике А изображен фрагмент большого форест плота из метаанализа по эффективности CAR-T клеток (пишите в комментариях, если интересен пост про них!) при хроническом лимфолейкозе. На нем по горизонтальной оси отложен объективный ответ на лечение (в долях от единицы). Видно, что в некоторых исследованиях он достигает 100%, но какой там доверительный интервал! Он захватывает аж 20%, что говорит об очень маленькой выборке, которая подтверждается маленьким боксом (серая зона вокруг значения переменной) и низким весом исследования. Нет доверия таким исследованиям (но для этого и делаются мета-анализы). Ромбом, от которого идет мелкий пунктир, показана итоговая точка (общая выживаемость) по всем исследованиям, второй ромб и пунктир - не нужная нам вспомогательная метрика.
Картинка В показывает, что не только едиными мета-анализами живы форест плоты. В принципе, им можно визуализировать любой анализ выживаемости, где есть как минимум две группы.
❓Зачем оно?
Немного издалека.
Представьте на секунду, что вы хотите обобщить результаты различных клинических исследований одного и того же метода лечения. Для этого идеален апгрейд литературного обзора под названием мета-анализ (см нашу статью про него), который позволяет дать количественную оценку результатов обычного литературного обзора. Форест плот - центральный график мета-анализов, и в основном применяется именно в них.
Итак, Forest plot. Он же blobbogram, он же лесной график. Устоявшегося перевода нет. Вкратце – он показывает результаты обозреваемых исследований, некоторую меру надёжности результатов, итоговую оценку эффективности лечения.
Какие конкретно элементы представлены на forest plot:
• Все рассмотренные в анализе исследования. Показывается в виде списка в левой части графика
• Сравниваемые целевые переменные. Показываются в виде серии боксов в правой части графика. Внутри одного мета-анализа могут быть рассмотрены только исследования с одними и теми же целевыми характеристиками – отношение рисков (hazard ratio, HR), отношение шансов (odds ratio, OR), разница средних, объективный ответ и так далее. Характеристика – любая, но одна и та же во всех исследованиях.
• Вес исследований. Форест плот не просто перечисляет все исследования и их результат. Он пытается показать, насколько надёжны результаты исследований, причем несколькими путями: 1) доверительные интервалы для оценок (линии вправо и влево от боксов – отсюда и название forest plot). Их следует интерпретировать вместе с референсным значением. К примеру, для HR оно равно единице. Если оценка HR по исследованию не равна 1 и доверительный интервал не затрагивает единицу – можно утверждать, что лечение оказало значимое воздействие на выживаемость (или другое событие) 2) размер боксов. Чем больше размер выборки в исследовании – тем больше будет бокс, 3) отдельным столбцом указан вес исследования. На картинке А присутствуют все три способа.
• Итоговая оценка (summary). Обычно показывается пустым ромбом. Это – итоговый ответ мета-анализа. Помогает лечение, или нет. Ромб отходит от референсного значения – значит, помогает. Сидит прямо на референсном значении – скорее всего, не помогает.
• Гомогенность исследований. Этим занимается специфическая оценка I (или квадрат I - I^2). Дело в том, что отличия результатов исследований можно объяснить двумя путями. Первое – просто случайность. Второе – отличия в дизайнах. I^2 – это мера того, какая часть отличий результатов исследований объясняется отличиями в дизайнах. И мы заинтересованы в том, чтобы она была как можно более низкой. Если она высокая – исследования слишком отличаются друг от друга по дизайну, и итоговая оценка вообще непонятно что показывает. Порогом обычно считается 0.5 для I^2. Если больше – доверия результатам мало. Если меньше – верить можно.
Итак, forest plot демонстрирует результаты глубокого обобщения по большому количеству работ.
🤓 Теперь о картинках.
На графике А изображен фрагмент большого форест плота из метаанализа по эффективности CAR-T клеток (пишите в комментариях, если интересен пост про них!) при хроническом лимфолейкозе. На нем по горизонтальной оси отложен объективный ответ на лечение (в долях от единицы). Видно, что в некоторых исследованиях он достигает 100%, но какой там доверительный интервал! Он захватывает аж 20%, что говорит об очень маленькой выборке, которая подтверждается маленьким боксом (серая зона вокруг значения переменной) и низким весом исследования. Нет доверия таким исследованиям (но для этого и делаются мета-анализы). Ромбом, от которого идет мелкий пунктир, показана итоговая точка (общая выживаемость) по всем исследованиям, второй ромб и пунктир - не нужная нам вспомогательная метрика.
Картинка В показывает, что не только едиными мета-анализами живы форест плоты. В принципе, им можно визуализировать любой анализ выживаемости, где есть как минимум две группы.
На картинке В, например, изображено сравнение нескольких методов исследования по способности предсказывать сердечно-сосудистые события у... доберманов-пинчеров! Да, это тоже анализ выживаемости, почему - читайте в другом посте рубрики #чозаграфик. На графике приведен HR, и всё, что не пересекает единицу - достойные кандидаты в предиктивные маркеры.
Правда, форест плот нам совершенно не говорит о том, насколько загодя такой маркер может предсказать инфаркт. Вдруг, у него чувствительность - один день до события?) Поэтому, будьте аккуратны в интерпретации данных!
Пока!
Ссылки на источники:
1. CAR-T https://www.mdpi.com/2072-6694/11/1/47
2. Доберманы https://pubmed.ncbi.nlm.nih.gov/23078651/
Огромная благодарность Иван Валиев за помощь в подготовке поста. Все складные куски этого текста написаны именно им 😘
https://m.vk.com/@clinical_study-meta-analiz-i-sistematicheskii-obzor
Правда, форест плот нам совершенно не говорит о том, насколько загодя такой маркер может предсказать инфаркт. Вдруг, у него чувствительность - один день до события?) Поэтому, будьте аккуратны в интерпретации данных!
Пока!
Ссылки на источники:
1. CAR-T https://www.mdpi.com/2072-6694/11/1/47
2. Доберманы https://pubmed.ncbi.nlm.nih.gov/23078651/
Огромная благодарность Иван Валиев за помощь в подготовке поста. Все складные куски этого текста написаны именно им 😘
https://m.vk.com/@clinical_study-meta-analiz-i-sistematicheskii-obzor
Продолжение практики по доказательной медицине от Medica mente.
В этот раз - о том, как правильно задать клинический вопрос, чтобы получить ответ из научных источников.
https://m.vk.com/@medica_mente-ebm-chast-1
В этот раз - о том, как правильно задать клинический вопрос, чтобы получить ответ из научных источников.
https://m.vk.com/@medica_mente-ebm-chast-1
О философии науки и легендарной личности Карла Поппера.
Подгонка аргументов под выводы или выводы, которые мы делаем исходя из аргументов?
Видео на русском языке.
https://youtu.be/ZagJiwQO48I
Подгонка аргументов под выводы или выводы, которые мы делаем исходя из аргументов?
Видео на русском языке.
https://youtu.be/ZagJiwQO48I
Новый бесплатный курс на Stepik, который нельзя пропустить.
Публикационный процесс от и до: руководство для молодых ученых.
https://stepik.org/course/72585/promo
Публикационный процесс от и до: руководство для молодых ученых.
https://stepik.org/course/72585/promo
Stepik: online education
Promoting efficient learning by developing innovative educational technologies. Create an interactive lesson and employ automated grading software.
Мы уже публиковали два предыдущих выпуска о практическом доказательном подходе от Medica mente.
Предлагаем вашему вниманию третью часть, посвященную работе с PubMed 🔥
https://m.vk.com/@medica_mente-evidence-based-medicine-v-praktike-chast-3
Предлагаем вашему вниманию третью часть, посвященную работе с PubMed 🔥
https://m.vk.com/@medica_mente-evidence-based-medicine-v-praktike-chast-3
VK
Evidence-based medicine в практике, часть 3
Если вы не нашли ответа на свой вопрос в рекомендациях, вы копаете глубже — ищите мета-анализы, обзоры и статьи. Как это сделать и не про..
💣 Предлагаем вашему вниманию бесплатный вводный вебинар о выборе статистического критерия для обработки данных - без математики и формул.
❓Для кого этот вебинар?
• Для тех, кто посмотрел кучу курсов по статистике, и все равно не понимает, с чего начать
• Для тех, кто считает себя гуманитарием и не верит в свои силы
• Для тех, кому срочно нужно обработать данные для тезисов, статьи или диссертации
💻 Уже через час вы получите все необходимые инструменты для несложной статистической обработки данных.
Ссылка на шпаргалку по статистическому анализу данных - в описании к видео.
О лекторе:
Полина Шило, @doc_shilo, врач-онколог, программный директор Высшей школы онкологии,
выпускница программы Harvard Medical School "Global Clinical Scholars Research Training Program".
https://youtu.be/eL170_M4524
❓Для кого этот вебинар?
• Для тех, кто посмотрел кучу курсов по статистике, и все равно не понимает, с чего начать
• Для тех, кто считает себя гуманитарием и не верит в свои силы
• Для тех, кому срочно нужно обработать данные для тезисов, статьи или диссертации
💻 Уже через час вы получите все необходимые инструменты для несложной статистической обработки данных.
Ссылка на шпаргалку по статистическому анализу данных - в описании к видео.
О лекторе:
Полина Шило, @doc_shilo, врач-онколог, программный директор Высшей школы онкологии,
выпускница программы Harvard Medical School "Global Clinical Scholars Research Training Program".
https://youtu.be/eL170_M4524
YouTube
Основы медицинской статистики. Как выбрать нужный статистический критерий?
Вводный вебинар о выборе статистического критерия для обработки данных - без единой формулы.
Подойдет даже тем, кто никогда не имел дел со статистикой.
О лекторе:
Полина Шило, врач-онколог, программный директор Высшей школы онкологии, выпускница программы…
Подойдет даже тем, кто никогда не имел дел со статистикой.
О лекторе:
Полина Шило, врач-онколог, программный директор Высшей школы онкологии, выпускница программы…
Ну, раз уж тут всё работает - начнём-с.
Тема альтернативных карьерных путей в медицине не нова – многие коллеги прекрасно раскрывают её в своих блогах.
Предлагаю посмотреть на это немного под другим углом – под углом удалённой работы. Грустно об этом говорить, но, кажется, сейчас это особенно актуально.
Я на эту тему написала целых два поста – в первом поделюсь своим опытом, а во втором – покажу небольшой разбор рынка труда и примеры конкретных вакансий.
Итак, мой личный анамнез удалёнок за последние 10 лет (конечно же, далеко не везде я продолжаю работать):
1️⃣ биостатистик (работала полгода – как фуллтайм позиция мне не зашло, слишком монотонная работа)
2️⃣ медицинский писатель (писала медицинские статьи, протоколы клинических исследований)
3️⃣ программный директор Высшей школы онкологии (лично надо периодически появляться, но большую часть работы делаю онлайн)
4️⃣ руководитель отдела контроля качества данных в BostonGene (часть сотрудников работает в офисе, но конкретно у меня все полностью дистанционно)
5️⃣ медицинский консультант по персонализированной противоопухолевой терапии в биомедицинских компаниях
6️⃣ проектная работа (например, сервис по подбору скрининговых обследований SCREEN делался без единой моей личной встречи с кем-либо)
7️⃣ преподавание – журнальные клубы, курс «5 шагов доказательной медицины», просто лекции/занятия по приглашению
8️⃣ медицинский организатор-разнорабочий (оформляла слайды для онкологических конференций, помогала организовывать конференции)
9️⃣ эксперт сервиса «Просто спросить» - онлайн-консультации для онкологических пациентов
1️⃣0️⃣ фриланс – консультации по планированию диссертационных исследований, и любая помощь вокруг диссертаций
1️⃣1️⃣ старые добрые обычные онлайн-консультации в клинике «Луч» - последние 4 месяца вела приёмы именно так.
Далеко не везде меня преследовал «успешный успех», но возможность узнать что-то новое о себе (однообразная конвейерная работа – больше ни за что и никогда), о медицине (наука, конференции, образование, индустрия – и все безумно интересно!) и о жизни в целом. Надеюсь, своим списком я смогла подкинуть кому-то идеи о дополнительной работе.
Коллеги, кто работал в медицине онлайн – поделитесь, пожалуйста, своим опытом в комментариях!
И уточняющие вопросы - конечно же, вэлкам.
Тема альтернативных карьерных путей в медицине не нова – многие коллеги прекрасно раскрывают её в своих блогах.
Предлагаю посмотреть на это немного под другим углом – под углом удалённой работы. Грустно об этом говорить, но, кажется, сейчас это особенно актуально.
Я на эту тему написала целых два поста – в первом поделюсь своим опытом, а во втором – покажу небольшой разбор рынка труда и примеры конкретных вакансий.
Итак, мой личный анамнез удалёнок за последние 10 лет (конечно же, далеко не везде я продолжаю работать):
1️⃣ биостатистик (работала полгода – как фуллтайм позиция мне не зашло, слишком монотонная работа)
2️⃣ медицинский писатель (писала медицинские статьи, протоколы клинических исследований)
3️⃣ программный директор Высшей школы онкологии (лично надо периодически появляться, но большую часть работы делаю онлайн)
4️⃣ руководитель отдела контроля качества данных в BostonGene (часть сотрудников работает в офисе, но конкретно у меня все полностью дистанционно)
5️⃣ медицинский консультант по персонализированной противоопухолевой терапии в биомедицинских компаниях
6️⃣ проектная работа (например, сервис по подбору скрининговых обследований SCREEN делался без единой моей личной встречи с кем-либо)
7️⃣ преподавание – журнальные клубы, курс «5 шагов доказательной медицины», просто лекции/занятия по приглашению
8️⃣ медицинский организатор-разнорабочий (оформляла слайды для онкологических конференций, помогала организовывать конференции)
9️⃣ эксперт сервиса «Просто спросить» - онлайн-консультации для онкологических пациентов
1️⃣0️⃣ фриланс – консультации по планированию диссертационных исследований, и любая помощь вокруг диссертаций
1️⃣1️⃣ старые добрые обычные онлайн-консультации в клинике «Луч» - последние 4 месяца вела приёмы именно так.
Далеко не везде меня преследовал «успешный успех», но возможность узнать что-то новое о себе (однообразная конвейерная работа – больше ни за что и никогда), о медицине (наука, конференции, образование, индустрия – и все безумно интересно!) и о жизни в целом. Надеюсь, своим списком я смогла подкинуть кому-то идеи о дополнительной работе.
Коллеги, кто работал в медицине онлайн – поделитесь, пожалуйста, своим опытом в комментариях!
И уточняющие вопросы - конечно же, вэлкам.