Uygulamalı İleri İstatistik Eğitimi
Günümüzde temel istatistik analizleri
yayınlar için yeterli olmamaktadır. Bu
eğitim içerisinde temel istatistik ile elde ettiğimiz sonuçları lojistik
regresyon ile derinlemesine inceleyeceğiz, değişkenlerin etki düzeyini ve bağımsız
etkenleri araştıracağız. ROC eğrisi ile yine değişkenlerin etki düzeyini farklı
bir bakış açısı ile inceleyeceğiz. ROC eğrisi ile cut off değeri belirlemeyi ve
öngörü düzeyini detaylandırmaya çalışacağız.
Eğitim modülleri bölümünden daha detaylı
bilgi edinebilirsiniz.
1-Temel istatistik ve p değerinin yetersizliği. Neden kovaryans analizlerine ihtiyaç duyulduğu
2-Event-olay kavramının incelenmesi
3-Tek değişkenli regresyona analiz sonucunun incelenmesi
4-OR-Odds Ratio kavramı
5-Güven aralığı kavramı p değeri arasında ilişki.
6-Tek tek değişkenlerin olayı-event ı öngörü düzeyi
7-Tek değişkenli modelin tablo da sunum haline getirilmesi
2-Event-olay kavramının incelenmesi
3-Tek değişkenli regresyona analiz sonucunun incelenmesi
4-OR-Odds Ratio kavramı
5-Güven aralığı kavramı p değeri arasında ilişki.
6-Tek tek değişkenlerin olayı-event ı öngörü düzeyi
7-Tek değişkenli modelin tablo da sunum haline getirilmesi
1-Tek değişkenli ile çok değişkenli regresyon arasındaki farkın incelenmesi
2-Enter modeli, back ward modeli, forward modeli arasındaki farkın incelenmesi
3-Çok değişkenli modelde her bir aşamanın öngörüye katkısı
4-Hosmer Lemeshow testi ile modelin kullanılabilir olmasının değerlendirilmesi
2-Enter modeli, back ward modeli, forward modeli arasındaki farkın incelenmesi
3-Çok değişkenli modelde her bir aşamanın öngörüye katkısı
4-Hosmer Lemeshow testi ile modelin kullanılabilir olmasının değerlendirilmesi
1-Model çarpanlarının değerlendirilmesi
2-Probability-olasılık formülü
3-e sabit kavramı
4-Y değişkeni
5-Farklı senaryolar ile sonucun değerlendirilmesi
6-Monogram oluşuma yönelik felsefi bakış
2-Probability-olasılık formülü
3-e sabit kavramı
4-Y değişkeni
5-Farklı senaryolar ile sonucun değerlendirilmesi
6-Monogram oluşuma yönelik felsefi bakış
1-Model çarpanlarının değerlendirilmesi
2-Probability-olasılık formülü
3-e sabit kavramı
4-Y değişkeni
5-SPSS üzerinden Y değişkeninin hesaplanması
6-SPSS üzerinden olasılık eğri çizimi
7- Excel üzerinden Y değişkeninin hesaplanması
8-Excel üzerinden olasılık eğri çizimi
9-Farklı cut off değerleri ile tek değişken üzerinden öngörü modeli kurma.
2-Probability-olasılık formülü
3-e sabit kavramı
4-Y değişkeni
5-SPSS üzerinden Y değişkeninin hesaplanması
6-SPSS üzerinden olasılık eğri çizimi
7- Excel üzerinden Y değişkeninin hesaplanması
8-Excel üzerinden olasılık eğri çizimi
9-Farklı cut off değerleri ile tek değişken üzerinden öngörü modeli kurma.
1-Eksik veri-missing value
2-Tam öngörü
3-Bir grupta olayın görülme oranının sıfır(0) olması
4-Grup sayısı
2-Tam öngörü
3-Bir grupta olayın görülme oranının sıfır(0) olması
4-Grup sayısı
1-Event-Olay Kavramı
2-ROC eğrisi hangi değişken türlerine çizilebilir.
3-Eğri altı alan kavramı (AUC)
4-Referans çizgisinin istatistiksel önemi
5-Tek değişken ve çok değişken ile ROC eğrisinde yorum.
6-Negatif korelasyon olan veride ROC eğrisi çizimi
2-ROC eğrisi hangi değişken türlerine çizilebilir.
3-Eğri altı alan kavramı (AUC)
4-Referans çizgisinin istatistiksel önemi
5-Tek değişken ve çok değişken ile ROC eğrisinde yorum.
6-Negatif korelasyon olan veride ROC eğrisi çizimi
1-Farklı değerlerde öngörü düzeylerinin incelenmesi
2-Youden indeksinin anlamı
3-Youden indeksine göre cut off değeri belirleme
4-SPSS kullanarak verinin cut off verisine uygun hale getirilmesi
5-Buluna cut off ile ROC eğrisinin incelenmesi
6-Duyarlılık (sensitivity), özgüllük (specificitiy) kavramlarının incelenmesi
7-Pozitif kestirim (positive predictive value), negatif kestirim(negatşve predictive value) kavramlarının incelenmesi
8-Uyum (Accuracy) kavramının incelenmesi
2-Youden indeksinin anlamı
3-Youden indeksine göre cut off değeri belirleme
4-SPSS kullanarak verinin cut off verisine uygun hale getirilmesi
5-Buluna cut off ile ROC eğrisinin incelenmesi
6-Duyarlılık (sensitivity), özgüllük (specificitiy) kavramlarının incelenmesi
7-Pozitif kestirim (positive predictive value), negatif kestirim(negatşve predictive value) kavramlarının incelenmesi
8-Uyum (Accuracy) kavramının incelenmesi
Tecrübemiz tıp doktorlarının yetkinliği ve öğrenme yeteneği ile ileri istatistiği çok kısa sürede öğrenebildiğini göstermektedir. Önemli olan doğru yöntem.
Teknik olarak temel istatistik öğrenmeden ileri istatistik öğrenebilirsiniz. Ancak temel istatistik ve ileri istatistik bir bütündür. Temel istatistiği öğrenmeniz faydalı olacaktır. Temel istatistiği güzel bir kek. İleri istatistiği o keki harika bir sos ile sunmak olarak düşünebilirsiniz.
Bazı klinik çalışmalarda ileri istatistiğe gerek olmayabilir. Ancak bilimsel tıbbi yayınlarda çıtanın çok yüksek olması sebebiyle fark yaratacak yayınlar için ileri istatistik artık şart olmuştur. Doğru bir ileri istatistik yayınınızın değerini kat kat arttıracaktır.
Temel istatistik gruplar arasında, yada farklı zamanlarda yapılan ölçümler arasında farkın olup olmadığını söyler. İleri istatistik ise farkın etki düzeyini, bu farkın tanıda, tedavi başarısında, nüks-mortalite gibi olayları öngörmede ne kadar etkili olduğu ölçer. Kullanılan teşhis algoritmaları, tedavi algoritmaları, ölçekler ileri istatistik ile kullanılabilir hale gelir.
