تبدیل داده ها به مدرک: مقدماتی در آمار برای پزشکان ۲۰۱۳
Converting Data into Evidence: A Statistics Primer for the Medical Practitioner 2013

تبدیل داده ها به شواهد: مقدمه ای بر آمار برای پزشکان مقدمه ای جامع بر تکنیک های آماری کلیدی است که پزشکان در طول دوران حرفه ای خود با آن ها مواجه می شوند. این تکنیک ها نقش مهمی در پزشکی مبتنی بر شواهد (EBM) ایفا می کنند. پایبندی به EBM مستلزم آن است که پزشکان از نتایج تحقیقات پزشکی که در مجلات عمومی و تخصصی خود گزارش می شوند، مطلع باشند. در قلب این تحقیقات، علم آمار قرار دارد. محققان از طریق تکنیک های آماری قادر به تشخیص الگوهای موجود در داده ها هستند که داستان بالینی ارزشمندی را برای گزارش کردن بازگو می کنند. نویسندگان با بحث در مورد نمونه ها و جمعیت ها، مسائل مربوط به علیت و استنباط علّی، و روش های توصیف داده ها آغاز می کنند. سپس به تکنیک های استنباطی اصلیِ آزمون فرضیه و تخمین می پردازند و مثال هایی از آزمون های تک متغیره و دومتغیره ارائه می دهند. پوشش مطالب پس از آن به مدل سازی آماری، از جمله رگرسیون خطی و لجستیک و تحلیل بقا، می رسد. در فصل پایانی، یک مقدمه کاربرپسند برای برخی از تکنیک های رگرسیون جدیدتر و پیشرفته تر، مانند رگرسیون اثرات ثابت و مدل سازی منحنی رشد، ارائه خواهد شد. ویژگی منحصر به فرد این اثر، ارائه گسترده کاربردهای آماری از مقالات پزشکی اخیر است. در این اثر، بیش از 30 مقاله مختلف از این مجلات تشریح شده است. محقق پزشکی با کمک این کتاب مقدماتی، راحت تر می تواند با آماردانان تیم تحقیقاتی خود ارتباط برقرار کند. این کتاب شامل یک واژه نامه از اصطلاحات آماری برای دسترسی آسان است. این یک اثر مرجع مهم برای قفسه های پزشکان، پرستاران، پرستاران دارای مجوز، دستیاران پزشک، دانشجویان پزشکی و دستیاران تخصصی است.

Converting Data into Evidence: A Statistics Primer for the Medical Practitioner provides a thorough introduction to the key statistical techniques that medical practitioners encounter throughout their professional careers. These techniques play an important part in evidence-based medicine or EBM. Adherence to EBM requires medical practitioners to keep abreast of the results of medical research as reported in their general and specialty journals. At the heart of this research is the science of statistics. It is through statistical techniques that researchers are able to discern the patterns in the data that tell a clinical story worth reporting. The authors begin by discussing samples and populations, issues involved in causality and causal inference, and ways of describing data. They then proceed through the major inferential techniques of hypothesis testing and estimation, providing examples of univariate and bivariate tests. The coverage then moves to statistical modeling, including linear and logistic regression and survival analysis. In a final chapter, a user-friendly introduction to some newer, cutting-edge, regression techniques will be included, such as fixed-effects regression and growth-curve modeling. A unique feature of the work is the extensive presentation of statistical applications from recent medical literature. Over 30 different articles are explicated herein, taken from such journals. With the aid of this primer, the medical researcher will also find it easier to communicate with the statisticians on his or her research team. The book includes a glossary of statistical terms for easy access. This is an important reference work for the shelves of physicians, nurses, nurse practitioners, physician’s assistants, medical students, and residents.