گام اول: طرح پرسش بالینی، ثبت علاقه‌مندی و تشکیل تیم مرور
نویسندگان کار را با تدوین یک پرسش پژوهشی روشن و متمرکز آغاز میکنند—که اغلب از قالب PICO استفاده میشود (جمعیت(Population)، مداخله(Intervention)، مقایسه(Comparison)، پیامد(Outcome)). این مرحله پایه‌گذار کل فرایند مرور سیستماتیک است و تعریف دقیق مسئله کمک میکند تا مسیر جست‌وجو، انتخاب مطالعات و تحلیل نتایج، هدفمند و علمی دنبال شود.
گام دوم: نگارش یا به‌روزرسانی پروتکل مرور سیستماتیک
همانند سایر پروژه‌های پژوهشی، پس از تشکیل تیم تحقیقاتی، گام دوم تدوین یک پروتکل شفاف و دقیق است که جزئیات برنامه پژوهش را مشخص کند. انتشار پروتکل مرورهای کاکرین در پایگاه مرورهای نظام‌مند کاکرین (Cochrane Database of Systematic Reviews یا CDSR) پیش از انتشار نسخه کامل مرور، با اهداف متعددی انجام میشود: کاهش تأثیر تعصبات نویسندگان، ارتقای شفافیت در روش‌ها و فرآیندها، جلوگیری از تکرار ناخواسته موضوعات، و فراهم کردن امکان داوری همتا(peer review)بر روش‌های برنامه‌ریزی‌شده.
گام سوم: جست‌وجوی شواهد، ارزیابی انتقادی و استخراج داده‌ها از مطالعات واردشده
در این مرحله، یک جست‌وجوی جامع در پایگاه‌های داده و منابع مختلف (از جمله مطالعات منتشرنشده) برای یافتن تمام پژوهش‌های مرتبط انجام میشود. مطالعات به‌کمک معیارهای از پیش تعیین‌شده‌ی ورود و خروج غربالگری میشوند. این کار معمولاً به‌طور مستقل توسط دست‌کم دو مرورگر انجام می‌گیرد تا احتمال سوگیری کاهش یابد. داده‌های کلیدی از مطالعات پذیرفته‌شده با استفاده از فرم‌های استاندارد شده جمع‌آوری میشود.
گام چهارم: ترکیب و ارائه داده‌ها: فراتحلیل (Meta-analysis) و نمودارهای جنگلی(Forest Plots)
بخش تحلیل داده‌ها در مرورهای کاکرین با شرحی مختصر از کارآزمایی‌ها آغاز میشود که جزئیات آن به‌صورت جدولی ارائه می‌گردد. هنگامی که کارآزمایی‌ها از نظر طراحی و شرایط به‌اندازه کافی مشابه باشند، نتایج آنها ممکن است از طریق متا آنالیز ترکیب شوند. متا آنالیز آثار درمانی و عدم‌قطعیت آنها را کمی‌سازی میکند و مزایای فراوانی دارد؛ از جمله امکان ارزیابی یکنواختی نتایج و بهبود دقت برآوردها.
با این حال، زمانی که مطالعات از نظر بالینی ناهمگون باشند—برای مثال از روش‌ها، جمعیت‌ها، مداخلات یا پیامدهای متفاوتی استفاده کرده باشند—انجام متاآنالیز ممکن نیست. نرم‌افزار RevMan روند تحلیل داده‌ها را ساده میکند؛ این نرم‌افزار به نویسندگان امکان میدهد داده‌ها و منابع مطالعات را وارد کرده، جداولی برای نمایش ویژگی‌ها و مقایسه‌ها ایجاد کنند. آمارهای متا آنالیزی به‌طور خودکار محاسبه میشوند (در صورتی که داده‌ها به‌صورت استاندارد وارد شده باشند) و نمودارهای جنگلی برای ارائه تصویری از نتایج تولید میشوند.
گام پنجم: تفسیر و ارائه نتایج و نگارش مرور
مرحله نهایی در یک مرور سیستماتیک، خلاصه‌سازی نتایج و ارائه نتیجه‌گیری‌هایی است که بتوانند به تصمیم‌گیری بالینی بهتر و آگاهانه‌تر کمک کنند. در مرورهای کاکرین، بخش عمده‌ای از اطلاعات به‌شکل استاندارد و خودکار توسط نرم‌افزار RevMan گردآوری میشود. نویسندگان با نگارش متنی ساختارمند، یافته‌ها را خلاصه میکنند. در بخش بحث (Discussion)، مرورهای کاکرین از زیرعنوان‌های استاندارد استفاده میکنند تا درک نتیجه‌گیری‌ها برای خوانندگان آسان‌تر و شفاف‌تر باشد.
در آخرین مرحله از مرور کاکرین، نسخه پیش‌نویس مرور برای پایگاه ویراستاری (Editorial Base) ارسال میشود، تا توسط داوران خارجی تحت فرآیند رسمی داوری همتا(peer review) قرار گیرد. پس از آن‌که نظرات داوران بررسی و اصلاحات لازم اعمال شد و نسخه نهایی به تأیید تیم ویراستاری رسید، متن مرور،ویرایش نهایی میشود و در پایگاه مرورهای سیستماتیک کاکرین"Cochrane Database of Systematic reviews "به‌عنوان بخشی از کتابخانه کاکرین منتشر میشود.
گردآورنده:زینب رنجبریان
منابع:
https://pubmed.ncbi.nlm.nih.gov/21922964/
https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1440-1797.2010.01380.x
https://www.cochranelibrary.com/about/about-cochrane-reviews
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
نویسندگان کار را با تدوین یک پرسش پژوهشی روشن و متمرکز آغاز میکنند—که اغلب از قالب PICO استفاده میشود (جمعیت(Population)، مداخله(Intervention)، مقایسه(Comparison)، پیامد(Outcome)). این مرحله پایه‌گذار کل فرایند مرور سیستماتیک است و تعریف دقیق مسئله کمک میکند تا مسیر جست‌وجو، انتخاب مطالعات و تحلیل نتایج، هدفمند و علمی دنبال شود.
گام دوم: نگارش یا به‌روزرسانی پروتکل مرور سیستماتیک
همانند سایر پروژه‌های پژوهشی، پس از تشکیل تیم تحقیقاتی، گام دوم تدوین یک پروتکل شفاف و دقیق است که جزئیات برنامه پژوهش را مشخص کند. انتشار پروتکل مرورهای کاکرین در پایگاه مرورهای نظام‌مند کاکرین (Cochrane Database of Systematic Reviews یا CDSR) پیش از انتشار نسخه کامل مرور، با اهداف متعددی انجام میشود: کاهش تأثیر تعصبات نویسندگان، ارتقای شفافیت در روش‌ها و فرآیندها، جلوگیری از تکرار ناخواسته موضوعات، و فراهم کردن امکان داوری همتا(peer review)بر روش‌های برنامه‌ریزی‌شده.
گام سوم: جست‌وجوی شواهد، ارزیابی انتقادی و استخراج داده‌ها از مطالعات واردشده
در این مرحله، یک جست‌وجوی جامع در پایگاه‌های داده و منابع مختلف (از جمله مطالعات منتشرنشده) برای یافتن تمام پژوهش‌های مرتبط انجام میشود. مطالعات به‌کمک معیارهای از پیش تعیین‌شده‌ی ورود و خروج غربالگری میشوند. این کار معمولاً به‌طور مستقل توسط دست‌کم دو مرورگر انجام می‌گیرد تا احتمال سوگیری کاهش یابد. داده‌های کلیدی از مطالعات پذیرفته‌شده با استفاده از فرم‌های استاندارد شده جمع‌آوری میشود.
گام چهارم: ترکیب و ارائه داده‌ها: فراتحلیل (Meta-analysis) و نمودارهای جنگلی(Forest Plots)
بخش تحلیل داده‌ها در مرورهای کاکرین با شرحی مختصر از کارآزمایی‌ها آغاز میشود که جزئیات آن به‌صورت جدولی ارائه می‌گردد. هنگامی که کارآزمایی‌ها از نظر طراحی و شرایط به‌اندازه کافی مشابه باشند، نتایج آنها ممکن است از طریق متا آنالیز ترکیب شوند. متا آنالیز آثار درمانی و عدم‌قطعیت آنها را کمی‌سازی میکند و مزایای فراوانی دارد؛ از جمله امکان ارزیابی یکنواختی نتایج و بهبود دقت برآوردها.
با این حال، زمانی که مطالعات از نظر بالینی ناهمگون باشند—برای مثال از روش‌ها، جمعیت‌ها، مداخلات یا پیامدهای متفاوتی استفاده کرده باشند—انجام متاآنالیز ممکن نیست. نرم‌افزار RevMan روند تحلیل داده‌ها را ساده میکند؛ این نرم‌افزار به نویسندگان امکان میدهد داده‌ها و منابع مطالعات را وارد کرده، جداولی برای نمایش ویژگی‌ها و مقایسه‌ها ایجاد کنند. آمارهای متا آنالیزی به‌طور خودکار محاسبه میشوند (در صورتی که داده‌ها به‌صورت استاندارد وارد شده باشند) و نمودارهای جنگلی برای ارائه تصویری از نتایج تولید میشوند.
گام پنجم: تفسیر و ارائه نتایج و نگارش مرور
مرحله نهایی در یک مرور سیستماتیک، خلاصه‌سازی نتایج و ارائه نتیجه‌گیری‌هایی است که بتوانند به تصمیم‌گیری بالینی بهتر و آگاهانه‌تر کمک کنند. در مرورهای کاکرین، بخش عمده‌ای از اطلاعات به‌شکل استاندارد و خودکار توسط نرم‌افزار RevMan گردآوری میشود. نویسندگان با نگارش متنی ساختارمند، یافته‌ها را خلاصه میکنند. در بخش بحث (Discussion)، مرورهای کاکرین از زیرعنوان‌های استاندارد استفاده میکنند تا درک نتیجه‌گیری‌ها برای خوانندگان آسان‌تر و شفاف‌تر باشد.
در آخرین مرحله از مرور کاکرین، نسخه پیش‌نویس مرور برای پایگاه ویراستاری (Editorial Base) ارسال میشود، تا توسط داوران خارجی تحت فرآیند رسمی داوری همتا(peer review) قرار گیرد. پس از آن‌که نظرات داوران بررسی و اصلاحات لازم اعمال شد و نسخه نهایی به تأیید تیم ویراستاری رسید، متن مرور،ویرایش نهایی میشود و در پایگاه مرورهای سیستماتیک کاکرین"Cochrane Database of Systematic reviews "به‌عنوان بخشی از کتابخانه کاکرین منتشر میشود.
گردآورنده:زینب رنجبریان
منابع:
https://pubmed.ncbi.nlm.nih.gov/21922964/
https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1440-1797.2010.01380.x
https://www.cochranelibrary.com/about/about-cochrane-reviews
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
❤5🔥3👌2👍1
#با_مقاله_درس_بخوانیم
بررسی ساختار یافته در مقابل بررسی گسترده
✅ تفاوت ها و کاربردهای بررسی گسترده و بررسی ساختاریافته می تواند در انتخاب روش مناسب برای تحقیقات به پژوهشگران کمک کند.
⬅ بررسی ساختاریافته(systematic review )
بررسی سیستماتیک یک روش دقیق و ساختاریافته برای تحلیل شواهد علمی است که مراحل زیر را شامل میشود:
- جستجوی جامع در منابع علمی.
- ارزیابی کیفیت و قابلیت اطمینان مطالعات.
- استخراج و ترکیب داده‌ها برای پاسخ به یک سؤال خاص.
- ارائه‌ی راهکارهای عملی برای تصمیم‌گیری در حوزه‌ی پزشکی و سیاست‌گذاری.
⬅ موارد استفاده‌ی بررسی سیستماتیک:
1. کشف شواهد علمی جهانی.
2. تأیید یا رد شیوه‌های موجود در درمان.
3. شناسایی مسیرهای تحقیقات آینده.
4. بررسی تناقضات نتایج مطالعات.
5. تولید راهنمایی‌های عملی برای تصمیم‌گیری‌های پزشکی.
⬅ بررسی گسترده( Scoping Review )
این روش برای بررسی گسترده‌ی یک حوزه‌ی تحقیقاتی به کار می‌رود. برخلاف بررسی سیستماتیک که بر یک سؤال مشخص تمرکز دارد، این روش به شناخت کلی از یک زمینه کمک میکند.
⬅ موارد استفاده‌ی بررسی گسترده:
- تعیین انواع شواهد موجود در یک حوزه‌ی تحقیقاتی.
- روشن‌سازی مفاهیم و تعاریف کلیدی.
- بررسی روند تحقیقات در یک حوزه.
- شناسایی عوامل کلیدی مرتبط با یک موضوع.
- آماده‌سازی برای انجام بررسی سیستماتیک.
- تحلیل شکاف‌های علمی و کمبودهای دانشی.
⬅ تفاوت ها
- بررسی گسترده برای شناسایی شکاف های پژوهشی ، تحلیل محتوای مطالعات و ایجاد چارچوب اولیه برای تحقیقات آینده به کار می‌رود.
- بررسی سیستماتیک رویکردی دقیق‌تر است و شامل ارزیابی انتقادی مطالعات، بررسی روش شناسی و ارائه تحلیل های قابل اعتماد میشود.
- بررسی گسترده میتواند مقدمه ای برای بررسی سیستماتیک باشد، زیرا به پژوهشگران کمک میکند تا سوالات پژوهشی و معیارهای ورود به بررسی سیستماتیک را تعیین کنند.
- بررسی سیستماتیک برای تصمیم گیری های مبتنی بر شواهد در حوزه‌های علمی، به‌ویژه در پزشکی، کاربرد دارد.
- بررسی گسترده معمولاً برای شناسایی منابع موجود، تحلیل شکاف های دانش، تعریف مفاهیم و مدل ها، و ارزیابی روش های پژوهشی مفید است.
به طور کلی بررسی گسترده نباید جایگزین بررسی سیستماتیک شود، بلکه باید در شرایط مناسب انجام شود. همچنین پژوهشگران باید با دقت روش مناسب را انتخاب کنند تا نتایج علمی مفید و قابل اعتماد حاصل شود.
📚منابع:
Munn, Z., Peters, M. D. J., Stern, C., Tufanaru, C., McArthur, A., Aromataris, E. (2018). Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach. *BMC Medical Research Methodology*, 18(1), 143.
Chrastina, J. (2019). Systematic review and (systematic) scoping review: Similarities or differences?
✍گردآورنده:طراوت واله
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
بررسی ساختار یافته در مقابل بررسی گسترده
✅ تفاوت ها و کاربردهای بررسی گسترده و بررسی ساختاریافته می تواند در انتخاب روش مناسب برای تحقیقات به پژوهشگران کمک کند.
⬅ بررسی ساختاریافته(systematic review )
بررسی سیستماتیک یک روش دقیق و ساختاریافته برای تحلیل شواهد علمی است که مراحل زیر را شامل میشود:
- جستجوی جامع در منابع علمی.
- ارزیابی کیفیت و قابلیت اطمینان مطالعات.
- استخراج و ترکیب داده‌ها برای پاسخ به یک سؤال خاص.
- ارائه‌ی راهکارهای عملی برای تصمیم‌گیری در حوزه‌ی پزشکی و سیاست‌گذاری.
⬅ موارد استفاده‌ی بررسی سیستماتیک:
1. کشف شواهد علمی جهانی.
2. تأیید یا رد شیوه‌های موجود در درمان.
3. شناسایی مسیرهای تحقیقات آینده.
4. بررسی تناقضات نتایج مطالعات.
5. تولید راهنمایی‌های عملی برای تصمیم‌گیری‌های پزشکی.
⬅ بررسی گسترده( Scoping Review )
این روش برای بررسی گسترده‌ی یک حوزه‌ی تحقیقاتی به کار می‌رود. برخلاف بررسی سیستماتیک که بر یک سؤال مشخص تمرکز دارد، این روش به شناخت کلی از یک زمینه کمک میکند.
⬅ موارد استفاده‌ی بررسی گسترده:
- تعیین انواع شواهد موجود در یک حوزه‌ی تحقیقاتی.
- روشن‌سازی مفاهیم و تعاریف کلیدی.
- بررسی روند تحقیقات در یک حوزه.
- شناسایی عوامل کلیدی مرتبط با یک موضوع.
- آماده‌سازی برای انجام بررسی سیستماتیک.
- تحلیل شکاف‌های علمی و کمبودهای دانشی.
⬅ تفاوت ها
- بررسی گسترده برای شناسایی شکاف های پژوهشی ، تحلیل محتوای مطالعات و ایجاد چارچوب اولیه برای تحقیقات آینده به کار می‌رود.
- بررسی سیستماتیک رویکردی دقیق‌تر است و شامل ارزیابی انتقادی مطالعات، بررسی روش شناسی و ارائه تحلیل های قابل اعتماد میشود.
- بررسی گسترده میتواند مقدمه ای برای بررسی سیستماتیک باشد، زیرا به پژوهشگران کمک میکند تا سوالات پژوهشی و معیارهای ورود به بررسی سیستماتیک را تعیین کنند.
- بررسی سیستماتیک برای تصمیم گیری های مبتنی بر شواهد در حوزه‌های علمی، به‌ویژه در پزشکی، کاربرد دارد.
- بررسی گسترده معمولاً برای شناسایی منابع موجود، تحلیل شکاف های دانش، تعریف مفاهیم و مدل ها، و ارزیابی روش های پژوهشی مفید است.
به طور کلی بررسی گسترده نباید جایگزین بررسی سیستماتیک شود، بلکه باید در شرایط مناسب انجام شود. همچنین پژوهشگران باید با دقت روش مناسب را انتخاب کنند تا نتایج علمی مفید و قابل اعتماد حاصل شود.
📚منابع:
Munn, Z., Peters, M. D. J., Stern, C., Tufanaru, C., McArthur, A., Aromataris, E. (2018). Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach. *BMC Medical Research Methodology*, 18(1), 143.
Chrastina, J. (2019). Systematic review and (systematic) scoping review: Similarities or differences?
✍گردآورنده:طراوت واله
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
❤5🔥2👌2👍1
🧠 چگونه یک مقاله مروری (Review Paper) را بخوانیم؟
خواندن مقاله‌های مروری تنها دریافت اطلاعات نیست؛ باید فعالانه با متن برخورد کرد و با پرسیدن چند سؤال کلیدی، کیفیت مقاله را سنجید. در ادامه، مهم‌ترین نکاتی که هنگام خواندن مقاله‌های مروری سیستماتیک باید مدنظر قرار گیرد را مرور می‌کنیم:
-------------
✅ ۱. هدف مقاله چیست؟
(What is the Purpose of the Review?)
نویسندگان باید هدف مقاله را روشن کنند. مقاله‌های روایتی (narrative reviews) اغلب گسترده‌تر و کمتر دقیق‌اند، درحالی‌که مقاله‌های سیستماتیک سؤال مشخص و دقیقی دارند.
باید بررسی شود که مقاله برای ارتقاء آگاهی نوشته شده یا به قصد تغییر در تصمیمات درمانی. همچنین بهتر است نویسنده‌ها تضاد منافع خود را نیز اعلام کرده باشند تا امکان بررسی بی‌طرفی تحلیل فراهم شود.
-------------
✅ ۲. آیا سؤال بالینی مشخص و مهمی دارد؟
(Is the Topic Clearly Defined and Is There a Focused, Important Clinical Question?)
مرورهای سیستماتیک باید یک سؤال مشخص و قابل پاسخ با "بله" یا "خیر" داشته باشند. برای مثال، اگر مقاله‌ای درباره‌ی تهویه غیرتهاجمی پس از اکستوپیشن (Extubation؛ خارج کردن لوله‌ی تراشه (endotracheal tube) از نای بیمار)است، باید در پایان مقاله بدانید که آیا این روش مؤثر هست یا نه.
-------------
✅ ۳. آیا جست‌وجوی منابع به‌خوبی انجام شده؟
(Is the Literature Search Thorough and Were All Possible Sources of Information Evaluated?)
مرورهای سیستماتیک باید همه‌ی منابع ممکن را پوشش دهند. اگر فقط از PubMed استفاده شده باشد، احتمال حذف اطلاعات مهم وجود دارد.
نویسنده باید منابع خاکستری (gray literature) مثل گزارش‌های صنعتی، پایان‌نامه‌ها و مقالات غیرمنتشره را نیز در نظر بگیرد. همچنین بررسی لیست منابع مقالات مهم (روش reference tracking) هم از تکنیک‌های معتبر جست‌وجو است.
-------------
✅ ۴. معیار انتخاب مطالعات چه بوده و آیا از قبل مشخص شده بودند؟
(What Criteria Were Used to Select Papers for Inclusion and Were These Criteria Predefined?)
مقاله باید معیارهای ورود و خروج مطالعه‌ها را مشخص کرده باشد و این معیارها باید قبل از شروع مرور تعیین شده باشند (نه در میانه‌ی راه!).
مثلاً ممکن است تصمیم گرفته شود فقط کارآزمایی‌های بالینی تصادفی‌شده (RCTs) وارد شوند یا مقاله‌های بدون گروه کنترل حذف شوند.
-------------
✅ ۵. آیا نتایج به روش تحلیل حساسیت بررسی شده‌اند؟
(Are the Results Sensitive to the Review Methodology?)
تحلیل حساسیت (Sensitivity Analysis) بررسی میکند که آیا نتایج تحت شرایط مختلف ثابت باقی می‌مانند یا خیر.
مثلاً اگر نتایج از مطالعات ضعیف‌تر به RCTها تغییر نکند، اعتبار مقاله بالاتر می‌رود. خواننده باید بپرسد: «آیا نتایج تغییر می‌کردند اگر منابع یا روش تحلیل متفاوتی استفاده می‌شد؟»
-------------
💡 واژه‌نامه‌ی اصطلاحات:
🔹Systematic Review = مرور سیستماتیک
🔹Narrative Review = مرور روایتی
🔹Gray Literature = منابع خاکستری
🔹Sensitivity Analysis = تحلیل حساسیت
🔹RCT (Randomized Controlled Trial) = کارآزمایی بالینی تصادفی‌شده
🔹Bias = سوگیری یا تعصب
-------------
منبع: https://www.liebertpub.com/doi/abs/10.4187/respcare.09541379
گردآورنده: میترا نیک سیرت
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…🌱
| @NeuroResearchers |
خواندن مقاله‌های مروری تنها دریافت اطلاعات نیست؛ باید فعالانه با متن برخورد کرد و با پرسیدن چند سؤال کلیدی، کیفیت مقاله را سنجید. در ادامه، مهم‌ترین نکاتی که هنگام خواندن مقاله‌های مروری سیستماتیک باید مدنظر قرار گیرد را مرور می‌کنیم:
-------------
✅ ۱. هدف مقاله چیست؟
(What is the Purpose of the Review?)
نویسندگان باید هدف مقاله را روشن کنند. مقاله‌های روایتی (narrative reviews) اغلب گسترده‌تر و کمتر دقیق‌اند، درحالی‌که مقاله‌های سیستماتیک سؤال مشخص و دقیقی دارند.
باید بررسی شود که مقاله برای ارتقاء آگاهی نوشته شده یا به قصد تغییر در تصمیمات درمانی. همچنین بهتر است نویسنده‌ها تضاد منافع خود را نیز اعلام کرده باشند تا امکان بررسی بی‌طرفی تحلیل فراهم شود.
-------------
✅ ۲. آیا سؤال بالینی مشخص و مهمی دارد؟
(Is the Topic Clearly Defined and Is There a Focused, Important Clinical Question?)
مرورهای سیستماتیک باید یک سؤال مشخص و قابل پاسخ با "بله" یا "خیر" داشته باشند. برای مثال، اگر مقاله‌ای درباره‌ی تهویه غیرتهاجمی پس از اکستوپیشن (Extubation؛ خارج کردن لوله‌ی تراشه (endotracheal tube) از نای بیمار)است، باید در پایان مقاله بدانید که آیا این روش مؤثر هست یا نه.
-------------
✅ ۳. آیا جست‌وجوی منابع به‌خوبی انجام شده؟
(Is the Literature Search Thorough and Were All Possible Sources of Information Evaluated?)
مرورهای سیستماتیک باید همه‌ی منابع ممکن را پوشش دهند. اگر فقط از PubMed استفاده شده باشد، احتمال حذف اطلاعات مهم وجود دارد.
نویسنده باید منابع خاکستری (gray literature) مثل گزارش‌های صنعتی، پایان‌نامه‌ها و مقالات غیرمنتشره را نیز در نظر بگیرد. همچنین بررسی لیست منابع مقالات مهم (روش reference tracking) هم از تکنیک‌های معتبر جست‌وجو است.
-------------
✅ ۴. معیار انتخاب مطالعات چه بوده و آیا از قبل مشخص شده بودند؟
(What Criteria Were Used to Select Papers for Inclusion and Were These Criteria Predefined?)
مقاله باید معیارهای ورود و خروج مطالعه‌ها را مشخص کرده باشد و این معیارها باید قبل از شروع مرور تعیین شده باشند (نه در میانه‌ی راه!).
مثلاً ممکن است تصمیم گرفته شود فقط کارآزمایی‌های بالینی تصادفی‌شده (RCTs) وارد شوند یا مقاله‌های بدون گروه کنترل حذف شوند.
-------------
✅ ۵. آیا نتایج به روش تحلیل حساسیت بررسی شده‌اند؟
(Are the Results Sensitive to the Review Methodology?)
تحلیل حساسیت (Sensitivity Analysis) بررسی میکند که آیا نتایج تحت شرایط مختلف ثابت باقی می‌مانند یا خیر.
مثلاً اگر نتایج از مطالعات ضعیف‌تر به RCTها تغییر نکند، اعتبار مقاله بالاتر می‌رود. خواننده باید بپرسد: «آیا نتایج تغییر می‌کردند اگر منابع یا روش تحلیل متفاوتی استفاده می‌شد؟»
-------------
💡 واژه‌نامه‌ی اصطلاحات:
🔹Systematic Review = مرور سیستماتیک
🔹Narrative Review = مرور روایتی
🔹Gray Literature = منابع خاکستری
🔹Sensitivity Analysis = تحلیل حساسیت
🔹RCT (Randomized Controlled Trial) = کارآزمایی بالینی تصادفی‌شده
🔹Bias = سوگیری یا تعصب
-------------
منبع: https://www.liebertpub.com/doi/abs/10.4187/respcare.09541379
گردآورنده: میترا نیک سیرت
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…🌱
| @NeuroResearchers |
❤4🔥2👌2👍1
#با_مقاله_درس_بخوانیم
📍Team roles in Systematic Reviews
📝 مرورهای سیستماتیک از کار تیمی سود می‌برند و تولید مشترک بخش اساسی از سنتز تحقیقات با کیفیت بالا و تصمیم‌گیری در حوزه مراقبت‌های بهداشتی است.
با این حال، علیرغم شهرت آنها به عنوان محصولات شفاف و دقیق، آنها تحت تأثیر افرادی هستند که آنها را انجام می‌دهند و این به نوبه خود میتواند بر نتایج حاصل تأثیر بگذارد. یک تیم بررسی ممکن است شامل بررسی‌کنندگان سیستماتیک باتجربه، متخصصان اطلاعات، آمارشناسان و متخصصان محتوا باشد، یا از آنجایی که برای انجام یک مرور سیستماتیک نیازی به مجوز نیست، تیم بررسی ممکن است هیچ یک از این تخصص‌ها را شامل نشود. در این صورت، عاقلانه است که در نظر بگیرید چه کسی مرور سیستماتیک را انجام میدهد و چرا. تعداد مرورهای سیستماتیک فهرست شده در MEDLINE در طول دهه گذشته سه برابر افزایش یافته است.
🗒 روش‌های پیشینی صریح و شفاف از ویژگی‌های بارز مرورهای سیستماتیک هستند، اما در عمل، می‌توانند یک فرآیند تکراری باشند که بسته به نتایج به دست آمده در هر مرحله، بین مراحل حرکت رفت و برگشتی وجود دارد.تعداد "اعضای تیم" نیز با تعداد نویسندگان انتشارات حاصل مغایرت داردهدف یک پروتکل مرور سیستماتیک، اطمینان از این است که انحرافات لازم از روش‌های برنامه‌ریزی شده، توسط تیم مرور، اثبات و در حالت ایده‌آل مورد بحث قرار گیرد.
💊 مطالعه‌ای روی 185 متاآنالیز در داروهای ضد افسردگی انجام دادند تا دریابند که 29٪ از مقالات حاوی نویسندگانی بودند که کارمند تولیدکننده داروی ارزیابی شده بودند و 79٪ آنها پیوند صنعتی با داروی ارزیابی شده داشتند. این مطالعه همچنین نشان داد که متاآنالیزهایی که شامل نویسنده‌ای بودند که کارمند تولیدکننده داروی ارزیابی شده بود، 22 برابر کمتر از سایر متاآنالیزها احتمال داشت که اظهارات منفی در مورد دارو داشته باشند.
📊 همکاری جهانی به دیده شدن و کیفیت فعالیت‌های تحقیقاتی علمی کمک میکند، و عدم همکاری بین مؤسسات میتواند تأثیر منفی بر پروژه‌های سنتز شواهد داشته باشد که ظاهراً در خط مقدم پزشکی مبتنی بر شواهد قرار دارند . با این حال، روش‌شناسانی با مجموعه مهارت‌های خاص که مرورکننده‌های سیستماتیک نیستند، مانند آمارشناسان و مدل‌سازان شاغل در مرورهای سیستماتیک، ممکن است استراتژی‌هایی را توصیه کنند که با نقاط قوت آنها مطابقت دارد و در گذشته و احتمالاً بدون توجه به سایر روش‌های مناسب به کار گرفته شده‌اند. مرورهای سیستماتیکی که نمی‌توانند سوالات پیچیده تحقیقاتی را در خود جای دهند، ممکن است به دلیل اتکا به روش‌شناسی «آزمایش‌شده و آزمایش‌شده» در معرض خطر عدم انعطاف‌پذیری در برابر نوآوری‌های مفید باشند. برای مثال، تمرکز بر مطالعات اثربخشی به جای کارآزمایی‌های عملی ممکن است اعتبار خارجی یافته‌های بررسی را به خطر بیندازد. بعید است که تیم‌های بررسی که مشغول نقد ناهمگونی شواهد موجود هستند، اعتبار خارجی بررسی را، مثلاً با جستجو و نقد متون خاکستری مرتبط یا دیدگاه‌های کاربران خدمات، شرح دهند. بنابراین، تجربه یا تخصص تیم میتواند بر اعتبار خارجی یک بررسی سیستماتیک تأثیر بگذارد. به عنوان مثال، تحقیقات نشان میدهد که استراتژی‌های کمی در همکاری کاکرین به صراحت به اولویت‌های تحقیقاتی جمعیت‌های محروم می‌پردازند و رویکردهای نوآورانه‌ای برای اطمینان از در نظر گرفتن اولویت‌های تحقیقاتی ذینفعان متنوع مورد نیاز است. نمایش عادلانه جمعیت‌شناسی جمعیت در تیم، و همچنین مهارت‌ها و تجربه‌های مورد نیاز، ممکن است به طور بالقوه بر اهمیت و پذیرش بررسی تأثیر بگذارد.
❌ بررسی‌های سیستماتیک اولویت خود را حفظ کنند، روش‌شناسی آنها باید از طریق بررسی‌های مداوم تکامل یابد تا برخی از سوگیری‌های (نادیده) که می‌توانند بر بررسی‌ها تأثیر بگذارند، از ترکیب تیم بررسی و همچنین شواهدی که در آنها استفاده میشود، درک شوند.
🎓 منبع:
https://systematicreviewsjournal.biomedcentral.com/articles/10.1186/s13643-017-0548-x
📎 گردآورنده: متینا رضائی فرد
ما را به دوستان خود معرفی کنید.🌱
🆔 @Neurosurgery_association
🆔 @Neurosurgeryassociation
🆔Linkedin
neuro-surgery.info
📍Team roles in Systematic Reviews
📝 مرورهای سیستماتیک از کار تیمی سود می‌برند و تولید مشترک بخش اساسی از سنتز تحقیقات با کیفیت بالا و تصمیم‌گیری در حوزه مراقبت‌های بهداشتی است.
با این حال، علیرغم شهرت آنها به عنوان محصولات شفاف و دقیق، آنها تحت تأثیر افرادی هستند که آنها را انجام می‌دهند و این به نوبه خود میتواند بر نتایج حاصل تأثیر بگذارد. یک تیم بررسی ممکن است شامل بررسی‌کنندگان سیستماتیک باتجربه، متخصصان اطلاعات، آمارشناسان و متخصصان محتوا باشد، یا از آنجایی که برای انجام یک مرور سیستماتیک نیازی به مجوز نیست، تیم بررسی ممکن است هیچ یک از این تخصص‌ها را شامل نشود. در این صورت، عاقلانه است که در نظر بگیرید چه کسی مرور سیستماتیک را انجام میدهد و چرا. تعداد مرورهای سیستماتیک فهرست شده در MEDLINE در طول دهه گذشته سه برابر افزایش یافته است.
🗒 روش‌های پیشینی صریح و شفاف از ویژگی‌های بارز مرورهای سیستماتیک هستند، اما در عمل، می‌توانند یک فرآیند تکراری باشند که بسته به نتایج به دست آمده در هر مرحله، بین مراحل حرکت رفت و برگشتی وجود دارد.تعداد "اعضای تیم" نیز با تعداد نویسندگان انتشارات حاصل مغایرت داردهدف یک پروتکل مرور سیستماتیک، اطمینان از این است که انحرافات لازم از روش‌های برنامه‌ریزی شده، توسط تیم مرور، اثبات و در حالت ایده‌آل مورد بحث قرار گیرد.
💊 مطالعه‌ای روی 185 متاآنالیز در داروهای ضد افسردگی انجام دادند تا دریابند که 29٪ از مقالات حاوی نویسندگانی بودند که کارمند تولیدکننده داروی ارزیابی شده بودند و 79٪ آنها پیوند صنعتی با داروی ارزیابی شده داشتند. این مطالعه همچنین نشان داد که متاآنالیزهایی که شامل نویسنده‌ای بودند که کارمند تولیدکننده داروی ارزیابی شده بود، 22 برابر کمتر از سایر متاآنالیزها احتمال داشت که اظهارات منفی در مورد دارو داشته باشند.
📊 همکاری جهانی به دیده شدن و کیفیت فعالیت‌های تحقیقاتی علمی کمک میکند، و عدم همکاری بین مؤسسات میتواند تأثیر منفی بر پروژه‌های سنتز شواهد داشته باشد که ظاهراً در خط مقدم پزشکی مبتنی بر شواهد قرار دارند . با این حال، روش‌شناسانی با مجموعه مهارت‌های خاص که مرورکننده‌های سیستماتیک نیستند، مانند آمارشناسان و مدل‌سازان شاغل در مرورهای سیستماتیک، ممکن است استراتژی‌هایی را توصیه کنند که با نقاط قوت آنها مطابقت دارد و در گذشته و احتمالاً بدون توجه به سایر روش‌های مناسب به کار گرفته شده‌اند. مرورهای سیستماتیکی که نمی‌توانند سوالات پیچیده تحقیقاتی را در خود جای دهند، ممکن است به دلیل اتکا به روش‌شناسی «آزمایش‌شده و آزمایش‌شده» در معرض خطر عدم انعطاف‌پذیری در برابر نوآوری‌های مفید باشند. برای مثال، تمرکز بر مطالعات اثربخشی به جای کارآزمایی‌های عملی ممکن است اعتبار خارجی یافته‌های بررسی را به خطر بیندازد. بعید است که تیم‌های بررسی که مشغول نقد ناهمگونی شواهد موجود هستند، اعتبار خارجی بررسی را، مثلاً با جستجو و نقد متون خاکستری مرتبط یا دیدگاه‌های کاربران خدمات، شرح دهند. بنابراین، تجربه یا تخصص تیم میتواند بر اعتبار خارجی یک بررسی سیستماتیک تأثیر بگذارد. به عنوان مثال، تحقیقات نشان میدهد که استراتژی‌های کمی در همکاری کاکرین به صراحت به اولویت‌های تحقیقاتی جمعیت‌های محروم می‌پردازند و رویکردهای نوآورانه‌ای برای اطمینان از در نظر گرفتن اولویت‌های تحقیقاتی ذینفعان متنوع مورد نیاز است. نمایش عادلانه جمعیت‌شناسی جمعیت در تیم، و همچنین مهارت‌ها و تجربه‌های مورد نیاز، ممکن است به طور بالقوه بر اهمیت و پذیرش بررسی تأثیر بگذارد.
❌ بررسی‌های سیستماتیک اولویت خود را حفظ کنند، روش‌شناسی آنها باید از طریق بررسی‌های مداوم تکامل یابد تا برخی از سوگیری‌های (نادیده) که می‌توانند بر بررسی‌ها تأثیر بگذارند، از ترکیب تیم بررسی و همچنین شواهدی که در آنها استفاده میشود، درک شوند.
🎓 منبع:
https://systematicreviewsjournal.biomedcentral.com/articles/10.1186/s13643-017-0548-x
📎 گردآورنده: متینا رضائی فرد
ما را به دوستان خود معرفی کنید.🌱
🆔 @Neurosurgery_association
🆔 @Neurosurgeryassociation
neuro-surgery.info
🔥4❤2👍2
مدیریت زمان در مرورهای نظام‌مند:(Time management for reviews)
چالش‌ها، راهکارها و نقش فناوری‌های نوین
🔹 مقدمه
مرورهای نظام‌مند (Systematic Reviews) به‌عنوان یکی از دقیق‌ترین روش‌های سنتز شواهد علمی، نیازمند برنامه‌ریزی زمانی دقیق و ساختارمند هستند. با توجه به پیچیدگی مراحل مختلف این نوع مطالعات، از تعریف سؤال پژوهشی تا تحلیل داده‌ها و نگارش، مدیریت زمان به‌عنوان یک مهارت کلیدی در موفقیت پروژه شناخته میشود.
🔹 ۱. چالش‌های رایج در مدیریت زمان مرورهای نظام‌مند
- حجم بالای مقالات برای غربالگری
- تأخیر در استخراج داده‌ها و ارزیابی کیفیت
- عدم هماهنگی تیمی در پروژه‌های گروهی
- تداخل وظایف و نبود تقویم زمانی مشخص
🔹 ۲. راهکارهای پیشنهادی
✅ برنامه‌ریزی مرحله‌به‌مرحله
استفاده از چارچوب‌هایی مانند PRISMA و PICO برای ساختاربندی مراحل و زمان‌بندی دقیق هر بخش.
✅ ابزارهای دیجیتال مدیریت پروژه
نرم‌افزارهایی مانند Trello، Notion، Asana و GanttProject برای تعیین بازه های زمانی ، پیگیری وظایف و هماهنگی تیمی بسیار مؤثر هستند.
✅ تقسیم وظایف و نقش‌ها
مطابق با موضوع «Team Roles»، تعیین نقش‌های مشخص برای اعضای تیم (غربالگر، استخراج‌کننده داده، ارزیاب کیفیت و...) باعث کاهش اتلاف زمان میشود.
🔹 ۳. نقش هوش مصنوعی در بهینه‌سازی زمان
هوش مصنوعی (AI) در سال‌های اخیر به‌عنوان یک ابزار نوین در مرورهای نظام‌مند وارد شده و میتواند زمان انجام پروژه را به‌طور چشمگیری کاهش دهد:
- نرم‌افزارهای غربالگری مبتنی بر AI مانند Rayyan یا ASReview با یادگیری از تصمیمات پژوهشگر، مقالات نامرتبط را سریع‌تر حذف میکنند.
- استخراج خودکار داده‌ها با استفاده از NLP (پردازش زبان طبیعی) در حال توسعه است و میتواند زمان استخراج داده را کاهش دهد.
- تشخیص خودکار سوگیری (Risk of Bias) با الگوریتم‌های یادگیری ماشین در حال پیشرفت است و به پژوهشگران در ارزیابی کیفیت کمک میکند.
یک مطالعه مروری توسط Nadella و همکاران (2023) نشان داد که استفاده از AI در مرورهای نظام‌مند میتواند زمان غربالگری را تا 60٪ کاهش دهد و دقت تصمیم‌گیری را افزایش دهد.
🔹 ۴. نتیجه‌گیری
مدیریت زمان در مرورهای نظام‌مند، نه‌تنها یک مهارت فردی بلکه یک فرآیند تیمی و فناورانه است. با بهره‌گیری از ابزارهای دیجیتال، چارچوب‌های ساختاریافته و فناوری‌های نوینی مانند هوش مصنوعی، می‌توان این فرآیند را بهینه‌سازی کرد و کیفیت خروجی پژوهش را ارتقا داد.
📚 منابع علمی:
1: https://www.researchgate.net/publication/313579088_Assessing_the_Relationship_of_Time_Management_and_Academic_Performance_of_the_Business_Students_in_Al-Zahra_College_for_Women
2:Toward Systematic Review Automation: A Practical Guide to Using Machine Learning Tools in Research Synthesis
https://pubmed.ncbi.nlm.nih.gov/31296265/
3:https://www.researchgate.net/publication/391019334_A_Systematic_Literature_Review_of_Advancements_Challenges_and_Future_Directions_of_AI_and_ML_in_Healthcare
🧠گردآورنده:محمدرضا کناری زاده
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
چالش‌ها، راهکارها و نقش فناوری‌های نوین
🔹 مقدمه
مرورهای نظام‌مند (Systematic Reviews) به‌عنوان یکی از دقیق‌ترین روش‌های سنتز شواهد علمی، نیازمند برنامه‌ریزی زمانی دقیق و ساختارمند هستند. با توجه به پیچیدگی مراحل مختلف این نوع مطالعات، از تعریف سؤال پژوهشی تا تحلیل داده‌ها و نگارش، مدیریت زمان به‌عنوان یک مهارت کلیدی در موفقیت پروژه شناخته میشود.
🔹 ۱. چالش‌های رایج در مدیریت زمان مرورهای نظام‌مند
- حجم بالای مقالات برای غربالگری
- تأخیر در استخراج داده‌ها و ارزیابی کیفیت
- عدم هماهنگی تیمی در پروژه‌های گروهی
- تداخل وظایف و نبود تقویم زمانی مشخص
🔹 ۲. راهکارهای پیشنهادی
✅ برنامه‌ریزی مرحله‌به‌مرحله
استفاده از چارچوب‌هایی مانند PRISMA و PICO برای ساختاربندی مراحل و زمان‌بندی دقیق هر بخش.
✅ ابزارهای دیجیتال مدیریت پروژه
نرم‌افزارهایی مانند Trello، Notion، Asana و GanttProject برای تعیین بازه های زمانی ، پیگیری وظایف و هماهنگی تیمی بسیار مؤثر هستند.
✅ تقسیم وظایف و نقش‌ها
مطابق با موضوع «Team Roles»، تعیین نقش‌های مشخص برای اعضای تیم (غربالگر، استخراج‌کننده داده، ارزیاب کیفیت و...) باعث کاهش اتلاف زمان میشود.
🔹 ۳. نقش هوش مصنوعی در بهینه‌سازی زمان
هوش مصنوعی (AI) در سال‌های اخیر به‌عنوان یک ابزار نوین در مرورهای نظام‌مند وارد شده و میتواند زمان انجام پروژه را به‌طور چشمگیری کاهش دهد:
- نرم‌افزارهای غربالگری مبتنی بر AI مانند Rayyan یا ASReview با یادگیری از تصمیمات پژوهشگر، مقالات نامرتبط را سریع‌تر حذف میکنند.
- استخراج خودکار داده‌ها با استفاده از NLP (پردازش زبان طبیعی) در حال توسعه است و میتواند زمان استخراج داده را کاهش دهد.
- تشخیص خودکار سوگیری (Risk of Bias) با الگوریتم‌های یادگیری ماشین در حال پیشرفت است و به پژوهشگران در ارزیابی کیفیت کمک میکند.
یک مطالعه مروری توسط Nadella و همکاران (2023) نشان داد که استفاده از AI در مرورهای نظام‌مند میتواند زمان غربالگری را تا 60٪ کاهش دهد و دقت تصمیم‌گیری را افزایش دهد.
🔹 ۴. نتیجه‌گیری
مدیریت زمان در مرورهای نظام‌مند، نه‌تنها یک مهارت فردی بلکه یک فرآیند تیمی و فناورانه است. با بهره‌گیری از ابزارهای دیجیتال، چارچوب‌های ساختاریافته و فناوری‌های نوینی مانند هوش مصنوعی، می‌توان این فرآیند را بهینه‌سازی کرد و کیفیت خروجی پژوهش را ارتقا داد.
📚 منابع علمی:
1: https://www.researchgate.net/publication/313579088_Assessing_the_Relationship_of_Time_Management_and_Academic_Performance_of_the_Business_Students_in_Al-Zahra_College_for_Women
2:Toward Systematic Review Automation: A Practical Guide to Using Machine Learning Tools in Research Synthesis
https://pubmed.ncbi.nlm.nih.gov/31296265/
3:https://www.researchgate.net/publication/391019334_A_Systematic_Literature_Review_of_Advancements_Challenges_and_Future_Directions_of_AI_and_ML_in_Healthcare
🧠گردآورنده:محمدرضا کناری زاده
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥5❤4👍2
🔎 درک پژوهش مشارکتی مبتنی بر جامعه
CBPR چیست؟📌
رویکردی مشارکتی در تحقیق است که در آن پژوهشگران و اعضای جامعه به‌عنوان شرکای برابر در تمامی مراحل پژوهش،همکاری میکنند. این رویکرد به ویژه در ارتقای سلامت در جوامع آسیب‌پذیر، که با بار بالای بیماری و فرصت‌های محدود برای حفظ سلامت مواجه‌اند، کاربرد فراوان دارد.
❓️ضرورت CBPR
نابرابری‌های سلامت اغلب ناشی از طرد اجتماعی، فقدان منابع، و تبعیض‌های سیستمیک در نظام‌های سلامت است. CBPR با درگیر کردن فعالانه جوامع در شناسایی نیازهایشان و طراحی مداخلات متناسب با فرهنگ، مشروعیت و اثربخشی برنامه‌های سلامت عمومی را افزایش میدهد.
⭕️محدودیت‌های رویکردهای پژوهشی سنتی
رویکردهای متداول پژوهشی، به ویژه در کار با گروه‌های کم برخوردار، اغلب به علت ارتباط ناگسستنی پژوهش و فرهنگ ، عدم اعتماد به پژوهش ها، درنظرنگرفتن واقعیت های زندگی روزمره، و ارتباط کم پژوهش ها با اولویت های جامعه، دچار محدودیت است. این عوامل نه تنها منجر به کاهش مشارکت می شود بلکه باعث کاهش اثربخشی نتایج در برابر چالش های زندگی حقیقی می شود.
📍ارکان اساسی CBPR
CBPR
بر پایه مشارکت برابر، تصمیم‌گیری مشترک، یادگیری متقابل، اقدام پایدار، و مفید بودن برای هر دو گروه آکادمیک و جامعه استواراست.
🔆چالش‌های جذب مشارکت در جوامع کمتر برخوردار
درگیر کردن جوامع کم برخوردار در فرآیندهای پژوهشی به دلیل بی‌اعتمادی ، ترس از آسیب، ناآگاهی نسبت به فرصت‌های پژوهش و سد زبانی و سواد، مشکل است. CBPR از طریق ایجاد شبکه های قوی در جامعه و مشارکت نظام مند بر این موانع غلبه می کند.
☑️شواهد حاصل از مطالعات اخیر
مروری نظام‌مند در سال ۲۰۲۳ نشان داد پروژه‌هایی که افراد جامعه از پیش درارتباط بوده و منابع مالی کافی بوده است، سطوح بالاتری از مشارکت را تجربه کردند. بیشتر پروژه‌ها در سطح «مشارکت» قرار داشتند، در حالی که تنها تعداد معدودی به سطح «همکاری» یا «توانمندسازی» دست یافتند. مشارکت مؤثر زمانی حاصل شد که حضور جامعه از مرحله برنامه‌ریزی تا اجرا و ارزیابی ادامه داشت.
🟢چشم‌انداز پیش‌رو
پژوهشگران باید به جای پروژه‌های کوتاه‌مدت، در مشارکت‌های بلندمدت سرمایه‌گذاری کنند
نهادهای تأمین مالی باید زمان و منابع مورد نیاز برای مشارکت واقعی را به رسمیت بشناسند.
مؤسسات باید رویه‌های اخلاقی و بررسی خود را برای تطبیق با مدل‌های مشارکتی و جامعه‌محور سازگار کنند
لازم است از جوامع حمایت شود تا توانمندی لازم برای تعیین اولویت‌های پژوهشی و بهره‌گیری از یافته‌ها برای حمایت‌گری و تغییر سیاست‌ها را به دست آورند.
✅️جمع‌بندی
CBPR
صرفاً یک روش پژوهش نیست، بلکه چارچوبی نظری مبتنی بر برابری و عدالت اجتماعی است. زمانی که به درستی اجرا شود، می تواند پلی میان دانش و عمل باشد.
منابع:
اول
دوم
سوم
گردآورنده: سارا هدایتیان
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
CBPR چیست؟📌
رویکردی مشارکتی در تحقیق است که در آن پژوهشگران و اعضای جامعه به‌عنوان شرکای برابر در تمامی مراحل پژوهش،همکاری میکنند. این رویکرد به ویژه در ارتقای سلامت در جوامع آسیب‌پذیر، که با بار بالای بیماری و فرصت‌های محدود برای حفظ سلامت مواجه‌اند، کاربرد فراوان دارد.
❓️ضرورت CBPR
نابرابری‌های سلامت اغلب ناشی از طرد اجتماعی، فقدان منابع، و تبعیض‌های سیستمیک در نظام‌های سلامت است. CBPR با درگیر کردن فعالانه جوامع در شناسایی نیازهایشان و طراحی مداخلات متناسب با فرهنگ، مشروعیت و اثربخشی برنامه‌های سلامت عمومی را افزایش میدهد.
⭕️محدودیت‌های رویکردهای پژوهشی سنتی
رویکردهای متداول پژوهشی، به ویژه در کار با گروه‌های کم برخوردار، اغلب به علت ارتباط ناگسستنی پژوهش و فرهنگ ، عدم اعتماد به پژوهش ها، درنظرنگرفتن واقعیت های زندگی روزمره، و ارتباط کم پژوهش ها با اولویت های جامعه، دچار محدودیت است. این عوامل نه تنها منجر به کاهش مشارکت می شود بلکه باعث کاهش اثربخشی نتایج در برابر چالش های زندگی حقیقی می شود.
📍ارکان اساسی CBPR
CBPR
بر پایه مشارکت برابر، تصمیم‌گیری مشترک، یادگیری متقابل، اقدام پایدار، و مفید بودن برای هر دو گروه آکادمیک و جامعه استواراست.
🔆چالش‌های جذب مشارکت در جوامع کمتر برخوردار
درگیر کردن جوامع کم برخوردار در فرآیندهای پژوهشی به دلیل بی‌اعتمادی ، ترس از آسیب، ناآگاهی نسبت به فرصت‌های پژوهش و سد زبانی و سواد، مشکل است. CBPR از طریق ایجاد شبکه های قوی در جامعه و مشارکت نظام مند بر این موانع غلبه می کند.
☑️شواهد حاصل از مطالعات اخیر
مروری نظام‌مند در سال ۲۰۲۳ نشان داد پروژه‌هایی که افراد جامعه از پیش درارتباط بوده و منابع مالی کافی بوده است، سطوح بالاتری از مشارکت را تجربه کردند. بیشتر پروژه‌ها در سطح «مشارکت» قرار داشتند، در حالی که تنها تعداد معدودی به سطح «همکاری» یا «توانمندسازی» دست یافتند. مشارکت مؤثر زمانی حاصل شد که حضور جامعه از مرحله برنامه‌ریزی تا اجرا و ارزیابی ادامه داشت.
🟢چشم‌انداز پیش‌رو
پژوهشگران باید به جای پروژه‌های کوتاه‌مدت، در مشارکت‌های بلندمدت سرمایه‌گذاری کنند
نهادهای تأمین مالی باید زمان و منابع مورد نیاز برای مشارکت واقعی را به رسمیت بشناسند.
مؤسسات باید رویه‌های اخلاقی و بررسی خود را برای تطبیق با مدل‌های مشارکتی و جامعه‌محور سازگار کنند
لازم است از جوامع حمایت شود تا توانمندی لازم برای تعیین اولویت‌های پژوهشی و بهره‌گیری از یافته‌ها برای حمایت‌گری و تغییر سیاست‌ها را به دست آورند.
✅️جمع‌بندی
CBPR
صرفاً یک روش پژوهش نیست، بلکه چارچوبی نظری مبتنی بر برابری و عدالت اجتماعی است. زمانی که به درستی اجرا شود، می تواند پلی میان دانش و عمل باشد.
منابع:
اول
دوم
سوم
گردآورنده: سارا هدایتیان
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥4❤3👍3
مقدمه‌ای بر ارزیابی خطر سوگیری(Introduction to risk of bias assessment)
ارزیابی خطر سوگیری (Risk of Bias) یکی از مراحل ضروری و حیاتی در مطالعات مرور سیستماتیک و متاآنالیز است. این ارزیابی به شناسایی منابع خطای سیستماتیک در مطالعات اولیه کمک کرده و در نتیجه، اطمینان از اعتبار و قابل اتکابودن نتایج حاصل را فراهم می‌آورد.
ریسک سوگیری عبارت است از احتمال انحراف نتایج مطالعه از واقعیت به دلیل طراحی، اجرا، تجزیه و راست‌سازی یا گزارش‌دهی نامناسب مطالعه.
اهمیت ارزیابی خطر سوگیری:
تضمین شفافیت و قابلیت تکرار در تصمیم‌گیری‌ها
کاهش تصمیم‌گیری‌های نادرست بر پایه شواهد مغشوش یا متعصب (bias)
تقویت درجه همگنی و اعتبار نتایج نهایی مرور
-به منظور ارزیابی ریسک بایاس،ابزار هایی متناسب با نوع مطالعه ایجاد شده اند که برخی از ابزار و نوع مطالعات پیشنهادی و کاربردی برای هر کدام به شرح زیر است:
1)
نام ابزار: Cochrane RoB tool and RoB2.0 tool
نوع مطالعه:Randomized controlled trial /Diagnostic accuracy study
2)
نام ابزار:ROBIS
نوع مطالعه:Non-randomised interventional study
3)
نام ابزار:Newcastle-OttawaScale(NOS)
نوع مطالعه:Cohort study /Case-control study
در ادامه به بررسی چند مورد از رایج ترین انواع ابزار های ارزیابی ریسک بایاس می پردازیم:
Cochrane- RoB 2
ارزیابی ریسک بایاس در رویکرد Cochrane یکی از رایج‌ترین و معتبرترین روش‌ها برای بررسی کیفیت مطالعات اولیه، به‌ویژه مطالعات کارآزمایی تصادفی‌شده (RCTs) است
ارزیابی‌های ابزار RoB 2 به خطر سوگیری در یک برآورد منفرد از اثر مداخله برای یک پیامد یا نقطه پایانی خاص مربوط میشوند، نه برای کل کارآزمایی بالینی.
ابزار RoB 2 در قالب پنج حوزه سوگیری (bias domains) سازماندهی شده است. که 5 حوزه ذکر شده عبارت اند از:
1.سوگیری ناشی از فرآیند تصادفی‌سازی (Randomisation Process)
2. سوگیری ناشی از انحراف از مداخلات موردنظر (Intended Interventions)
3. سوگیری ناشی از داده‌های گمشده‌ی پیامد (Missing Outcome Data)
4. سوگیری در اندازه‌گیری پیامد (Measurement of the Outcome)
5. سوگیری در انتخاب نتیجه‌ی گزارش‌شده (Selection of the Reported Result)
در RoB 2، داوری‌ها در مورد میزان خطر سوگیری بر اساس پاسخ به پرسش‌های راهنما و با استفاده از الگوریتم‌های مشخص به دست می‌آیند.که در نهایت نتیجه ی پایانی به صورت بدین صورت گزارش می شود:
✅ Low risk ⚠️ Some concerns ❌ High risk
ابزار RoB 2 برای کارآزمایی تصادفی انفرادی،گروه های موازی و تصادفی خوشه ای در سایت https://www.riskof bias.info/welcome/rob-2-0-tool قابل دسترس است.
ابزار RoB 2 می تواند به پژوهشگران در مطالعات مروری سیستماتیک و کارآزمایی بالینی کمک کند تا به قابل اعتماد ترین یافته های ممکن دست یابند.
ROBIS
ارزیابی ریسک بایاس در مرورهای سیستماتیک با ابزار ROBIS (Risk Of Bias In Systematic Reviews) انجام میشود. این ابزار به‌طور خاص برای بررسی کیفیت روش‌شناختی مرورهای سیستماتیک (نه مطالعات اولیه مثل RCT) طراحی و در سال 2016 معرفی شده است.
ساختار ابزار ROBIS به طور کلی 3 مرحله اصلی دارد که شامل:
1) ارزیابی ارتباط (اختیاری) (assess relevance)
2) شناسایی نگرانی‌ها در مورد فرآیند مرور(identify concerns with the review process)
3) قضاوت در مورد خطر سوگیری(judge risk of bias)
بر اساس اطلاعات مراحل قبل، در این فاز تصمیم‌گیری نهایی انجام میشود:
Low risk of bias✅ High risk of bias❌ Unclear❔
ابزار ROBIS و اسناد راهنما در وب سایت ROBIS((www.robis-tool.info قابل دسترس است.
به طور کلی ابزار ROBIS اولین ابزار توسعه یافته دقیقی ست که به طور خاص برای ارزیابی حطر سوگیری در مرور های سیستماتیک طراحی شده و قابل استفاده می باشد.
Newcastle–Ottawa Scale (NOS)
ابزار NOS حاصل همکاری مداوم بین دانشگاه‌های نیوکاسل، استرالیا و اتاوا، کانادا است. در میان تمام ابزارهای موجود برای مطالعات کوهورت و مورد-شاهدی، NOS رایج‌ترین ابزار مورد استفاده در حال حاضر است که امکان اصلاح آن بر اساس یک موضوع خاص را نیز فراهم میکند.
ساختار ابزار NOS به طور کلی 3 حیطه اصلی دارد و بر اساس آنها امتیاز بندی انجام می شود که شامل موارد زیر است:
1)انتخاب (Selection) – حداکثر ۴ امتیاز (ستاره)
2. مقایسه‌پذیری (Comparability) – حداکثر ۲ امتیاز
3. بررسی پیامد یا مواجهه (Outcome or Exposure) – حداکثر ۳ امتیاز
روش امتیاز دهی در ابزار NOS:امتیاز دهی در ابزار NOS اینگونه است که در صورت رعایت شدن هر معیار یک امتیاز(ستاره) دریافت میکند.بنابراین حداکثر امتیاز کلی میتواند 9 ستاره باشد و امتیاز بالاتر به معنای کیفیت بالاتر مطالعه و خطر کمتر سوگیری می باشد.
ارزیابی خطر سوگیری (Risk of Bias) یکی از مراحل ضروری و حیاتی در مطالعات مرور سیستماتیک و متاآنالیز است. این ارزیابی به شناسایی منابع خطای سیستماتیک در مطالعات اولیه کمک کرده و در نتیجه، اطمینان از اعتبار و قابل اتکابودن نتایج حاصل را فراهم می‌آورد.
ریسک سوگیری عبارت است از احتمال انحراف نتایج مطالعه از واقعیت به دلیل طراحی، اجرا، تجزیه و راست‌سازی یا گزارش‌دهی نامناسب مطالعه.
اهمیت ارزیابی خطر سوگیری:
تضمین شفافیت و قابلیت تکرار در تصمیم‌گیری‌ها
کاهش تصمیم‌گیری‌های نادرست بر پایه شواهد مغشوش یا متعصب (bias)
تقویت درجه همگنی و اعتبار نتایج نهایی مرور
-به منظور ارزیابی ریسک بایاس،ابزار هایی متناسب با نوع مطالعه ایجاد شده اند که برخی از ابزار و نوع مطالعات پیشنهادی و کاربردی برای هر کدام به شرح زیر است:
1)
نام ابزار: Cochrane RoB tool and RoB2.0 tool
نوع مطالعه:Randomized controlled trial /Diagnostic accuracy study
2)
نام ابزار:ROBIS
نوع مطالعه:Non-randomised interventional study
3)
نام ابزار:Newcastle-OttawaScale(NOS)
نوع مطالعه:Cohort study /Case-control study
در ادامه به بررسی چند مورد از رایج ترین انواع ابزار های ارزیابی ریسک بایاس می پردازیم:
Cochrane- RoB 2
ارزیابی ریسک بایاس در رویکرد Cochrane یکی از رایج‌ترین و معتبرترین روش‌ها برای بررسی کیفیت مطالعات اولیه، به‌ویژه مطالعات کارآزمایی تصادفی‌شده (RCTs) است
ارزیابی‌های ابزار RoB 2 به خطر سوگیری در یک برآورد منفرد از اثر مداخله برای یک پیامد یا نقطه پایانی خاص مربوط میشوند، نه برای کل کارآزمایی بالینی.
ابزار RoB 2 در قالب پنج حوزه سوگیری (bias domains) سازماندهی شده است. که 5 حوزه ذکر شده عبارت اند از:
1.سوگیری ناشی از فرآیند تصادفی‌سازی (Randomisation Process)
2. سوگیری ناشی از انحراف از مداخلات موردنظر (Intended Interventions)
3. سوگیری ناشی از داده‌های گمشده‌ی پیامد (Missing Outcome Data)
4. سوگیری در اندازه‌گیری پیامد (Measurement of the Outcome)
5. سوگیری در انتخاب نتیجه‌ی گزارش‌شده (Selection of the Reported Result)
در RoB 2، داوری‌ها در مورد میزان خطر سوگیری بر اساس پاسخ به پرسش‌های راهنما و با استفاده از الگوریتم‌های مشخص به دست می‌آیند.که در نهایت نتیجه ی پایانی به صورت بدین صورت گزارش می شود:
✅ Low risk ⚠️ Some concerns ❌ High risk
ابزار RoB 2 برای کارآزمایی تصادفی انفرادی،گروه های موازی و تصادفی خوشه ای در سایت https://www.riskof bias.info/welcome/rob-2-0-tool قابل دسترس است.
ابزار RoB 2 می تواند به پژوهشگران در مطالعات مروری سیستماتیک و کارآزمایی بالینی کمک کند تا به قابل اعتماد ترین یافته های ممکن دست یابند.
ROBIS
ارزیابی ریسک بایاس در مرورهای سیستماتیک با ابزار ROBIS (Risk Of Bias In Systematic Reviews) انجام میشود. این ابزار به‌طور خاص برای بررسی کیفیت روش‌شناختی مرورهای سیستماتیک (نه مطالعات اولیه مثل RCT) طراحی و در سال 2016 معرفی شده است.
ساختار ابزار ROBIS به طور کلی 3 مرحله اصلی دارد که شامل:
1) ارزیابی ارتباط (اختیاری) (assess relevance)
2) شناسایی نگرانی‌ها در مورد فرآیند مرور(identify concerns with the review process)
3) قضاوت در مورد خطر سوگیری(judge risk of bias)
بر اساس اطلاعات مراحل قبل، در این فاز تصمیم‌گیری نهایی انجام میشود:
Low risk of bias✅ High risk of bias❌ Unclear❔
ابزار ROBIS و اسناد راهنما در وب سایت ROBIS((www.robis-tool.info قابل دسترس است.
به طور کلی ابزار ROBIS اولین ابزار توسعه یافته دقیقی ست که به طور خاص برای ارزیابی حطر سوگیری در مرور های سیستماتیک طراحی شده و قابل استفاده می باشد.
Newcastle–Ottawa Scale (NOS)
ابزار NOS حاصل همکاری مداوم بین دانشگاه‌های نیوکاسل، استرالیا و اتاوا، کانادا است. در میان تمام ابزارهای موجود برای مطالعات کوهورت و مورد-شاهدی، NOS رایج‌ترین ابزار مورد استفاده در حال حاضر است که امکان اصلاح آن بر اساس یک موضوع خاص را نیز فراهم میکند.
ساختار ابزار NOS به طور کلی 3 حیطه اصلی دارد و بر اساس آنها امتیاز بندی انجام می شود که شامل موارد زیر است:
1)انتخاب (Selection) – حداکثر ۴ امتیاز (ستاره)
2. مقایسه‌پذیری (Comparability) – حداکثر ۲ امتیاز
3. بررسی پیامد یا مواجهه (Outcome or Exposure) – حداکثر ۳ امتیاز
روش امتیاز دهی در ابزار NOS:امتیاز دهی در ابزار NOS اینگونه است که در صورت رعایت شدن هر معیار یک امتیاز(ستاره) دریافت میکند.بنابراین حداکثر امتیاز کلی میتواند 9 ستاره باشد و امتیاز بالاتر به معنای کیفیت بالاتر مطالعه و خطر کمتر سوگیری می باشد.
🔥5👍2
NOS یکی از ابزارهای پرکاربرد برای ارزیابی کیفیت و خطر سوگیری در مطالعات مشاهده‌ای (Observational Studies) شامل مطالعات مورد-شاهدی (Case-Control) و مطالعات هم‌گروهی (Cohort) است.
به طور کلی ارزیابی کیفیت روش‌شناختی (خطر سوگیری) گامی حیاتی پیش از بهره‌برداری از نتایج مطالعات است و نقش اساسی در افزایش اعتبار و صحت مرورهای سیستمی دارد.
منابع: منبع۱ منبع۲ منبع۳
گردآورنده:علی هاشمی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
به طور کلی ارزیابی کیفیت روش‌شناختی (خطر سوگیری) گامی حیاتی پیش از بهره‌برداری از نتایج مطالعات است و نقش اساسی در افزایش اعتبار و صحت مرورهای سیستمی دارد.
منابع: منبع۱ منبع۲ منبع۳
گردآورنده:علی هاشمی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥4👌3👍2😍1
⭕️مفاهیم پایه آماری برای مرور ها
در دنیای پزشکی و علوم سلامت، انواع مختلفی از مرور های پژوهشی وجود دارد که هر کدام هدف و روش متفاوتی دارند. از جمله رایج ترین مرور ها می توان به موارد زیر اشاره کرد:
📌مرور روایی (Narrative Review)
📌مرور سیستماتیک ( Systematic Review)
📌مرور نقشه ای( Scoping Review)
📌مرور سریع( Rapid Review)
اما بیشترین اهمیت مفاهیم اماری در مرور های سیستماتیک و متاآنالیز دیده می شود، چرا که این نوع مرورها داده ها را از چندین مطالعه مختلف جمع آوری، ارزیابی و به صورت آماری ترکیب می کنند تا به نتایج دقیق تر و قابل اتکا برسند.[1]
مرور سیستماتیک با استفاده از روش شناسی ساختاریافته و شفاف،امکان شناسایی،انتخاب و ارزیابی انتقادی مطالعات را فراهم می کند و با استفاده ازمتاآنالیز،می توان داده های عددی حاصل از مطالعات مختلف را به صورت کمی و اماری ترکیب کرد.[2]
📌اهمیت مفاهیم اماری در مرورهای سیستماتیک و متاانالیز
برای فهم صحیح نتایج مرور های سیستماتیک و متاآنالیز، اشنایی با چند مفهوم آماری پایه ضروری است:
☑️1.اندازه اثر ( Effect size)
اندازه اثر، معیاری است که میزان تاثیر یک مداخله یا ارتباط را نشان می دهد و در متاآنالیز ها برای ترکیب نتایج مطالعات مختلف استفاده می شود. این معیار می تواند شامل:
اختلاف میانگین(MD) ، نسبت شانس( OR)، نسبت خطر ( HR) و غیره باشد.[3] مثلا در متاآنالیز از چندین مطالعه درمانی، اندازه اثر می تواندنشان دهد که یک دارو به طور متوسط چقدر در بهبود بیماران موثر بوده است.[3]
☑️2.وزن دهی مطالعات
در متاآنالیز ،مطالعات بر اساس کیفیت و حجم نمونه شان وزن داده می شود تا مطالعات بزرگتر و با کیفیت بهتر، تاثیر بیشتری در نتیجه نهایی داشته باشند.
☑️3. فاصله اطمینان(Confidence Interval)
فاصله اطمینان، بازه ای است که با درصد اطمینان مشخص( معمولا 95%) مقدار واقعی اندازه اثر راشامل می شود. اگر فاصله اطمینان شامل عددصفر ( برای MD) یاعدد یک (برای OR/HR) نباشد، نتایج معنادار اماری محسوب می شوند.[3]
☑️4.ازمون فرض و مقدار P(p-value)
در تحلیل های آماری ابتدا فرض صفر بیان می شود، یعنی فرض می شود بین دو گروه یا متغیر هیچ تفاوت معناداری وجود ندارد.سپس داده های جمع آوری شده بررسی می شوند تا مشخص شود که آیا این فرض قابل رد شدن هست یا نه.
مقدار P(p-value) بیانگر احتمال مشاهده شدن تفاوت موجود درصورتی است که فرض صفر درست باشد.[3]
☑️5.شاخص ناهمگنی ( Heterogeneity- I²)
یکی از چالش های مهم در مرور سیستماتیک، تفاوت بین نتایج مطالعات مختلف است که به آن ناهمگنی می گویند. شاخص I² مقدار ناهمگنی را به صورت درصد نشان می دهد.مثلا I² برابر با 0درصد به معنی نبود ناهمگنی و مقادیر بالاتر نشان دهنده اختلاف بیشتر بین مطالعات است. این شاخص به تصمیم گیری برای استفاده از مدل اثر ثابت یا اثر تصادفی کمک می کند.[4]
☑️6.مدل های اثر ثابت و اثر تصادفی
مدل اثر ثابت فرض می کند که همه مطالعات یک اندازه اثر واحد دارند.
مدل اثر تصادفی تفاوت های واقعی بین مطالعات را در نظر می گیرد و برای داده هایی با ناهمگنی بالا مناسب تر است.[4]
📊مثال کاربردی از مرور سیستماتیک با تاکید بر مفاهیم اماری:
در یک متاآنالیز واقعی که اثر افزودن DPP-4 inhibitor به درمان بیماران مبتلا به دیابت نوع 2 بررسی شد نتایج نشان داد: [5]
MD : -0.61% CI: 95% I²: 73.4%
به دلیل ناهمگنی بالا مدل اثر تصادفی برای تحلیل استفاده شد.
✅ نتیجه گیری:
مرور سیستماتیک و متاآنالیز ها ابزار های قدرتمندی در تحقیق پزشکی هستند که با به کارگیری مفاهیم اماری پایه، می توانند داده های متنوعی را ترکیب و نتایج دقیق تر و قابل اعتماد ارائه دهند، آشنایی با مفاهیمی همچون: اندازه اثر، وزن دهی مطالعات، فاصله اطمینان، شاخص ناهمگنی، و مدل های اماری برای درک درست این مدل ها ضروری است.
با افزایش حجم تحقیقات پزشکی و نیاز به تصمیم گیری های مبتنی بر شواهد،درک و کاربرد درست این مفاهیم به پزشکان، پژوهشگران و سیاست گذاران سلامت کمک می کند تا بهترین شواهد را شناسایی وبه کار ببرند.[1-4]
گردآورنده: سمیه گل محمدی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
در دنیای پزشکی و علوم سلامت، انواع مختلفی از مرور های پژوهشی وجود دارد که هر کدام هدف و روش متفاوتی دارند. از جمله رایج ترین مرور ها می توان به موارد زیر اشاره کرد:
📌مرور روایی (Narrative Review)
📌مرور سیستماتیک ( Systematic Review)
📌مرور نقشه ای( Scoping Review)
📌مرور سریع( Rapid Review)
اما بیشترین اهمیت مفاهیم اماری در مرور های سیستماتیک و متاآنالیز دیده می شود، چرا که این نوع مرورها داده ها را از چندین مطالعه مختلف جمع آوری، ارزیابی و به صورت آماری ترکیب می کنند تا به نتایج دقیق تر و قابل اتکا برسند.[1]
مرور سیستماتیک با استفاده از روش شناسی ساختاریافته و شفاف،امکان شناسایی،انتخاب و ارزیابی انتقادی مطالعات را فراهم می کند و با استفاده ازمتاآنالیز،می توان داده های عددی حاصل از مطالعات مختلف را به صورت کمی و اماری ترکیب کرد.[2]
📌اهمیت مفاهیم اماری در مرورهای سیستماتیک و متاانالیز
برای فهم صحیح نتایج مرور های سیستماتیک و متاآنالیز، اشنایی با چند مفهوم آماری پایه ضروری است:
☑️1.اندازه اثر ( Effect size)
اندازه اثر، معیاری است که میزان تاثیر یک مداخله یا ارتباط را نشان می دهد و در متاآنالیز ها برای ترکیب نتایج مطالعات مختلف استفاده می شود. این معیار می تواند شامل:
اختلاف میانگین(MD) ، نسبت شانس( OR)، نسبت خطر ( HR) و غیره باشد.[3] مثلا در متاآنالیز از چندین مطالعه درمانی، اندازه اثر می تواندنشان دهد که یک دارو به طور متوسط چقدر در بهبود بیماران موثر بوده است.[3]
☑️2.وزن دهی مطالعات
در متاآنالیز ،مطالعات بر اساس کیفیت و حجم نمونه شان وزن داده می شود تا مطالعات بزرگتر و با کیفیت بهتر، تاثیر بیشتری در نتیجه نهایی داشته باشند.
☑️3. فاصله اطمینان(Confidence Interval)
فاصله اطمینان، بازه ای است که با درصد اطمینان مشخص( معمولا 95%) مقدار واقعی اندازه اثر راشامل می شود. اگر فاصله اطمینان شامل عددصفر ( برای MD) یاعدد یک (برای OR/HR) نباشد، نتایج معنادار اماری محسوب می شوند.[3]
☑️4.ازمون فرض و مقدار P(p-value)
در تحلیل های آماری ابتدا فرض صفر بیان می شود، یعنی فرض می شود بین دو گروه یا متغیر هیچ تفاوت معناداری وجود ندارد.سپس داده های جمع آوری شده بررسی می شوند تا مشخص شود که آیا این فرض قابل رد شدن هست یا نه.
مقدار P(p-value) بیانگر احتمال مشاهده شدن تفاوت موجود درصورتی است که فرض صفر درست باشد.[3]
☑️5.شاخص ناهمگنی ( Heterogeneity- I²)
یکی از چالش های مهم در مرور سیستماتیک، تفاوت بین نتایج مطالعات مختلف است که به آن ناهمگنی می گویند. شاخص I² مقدار ناهمگنی را به صورت درصد نشان می دهد.مثلا I² برابر با 0درصد به معنی نبود ناهمگنی و مقادیر بالاتر نشان دهنده اختلاف بیشتر بین مطالعات است. این شاخص به تصمیم گیری برای استفاده از مدل اثر ثابت یا اثر تصادفی کمک می کند.[4]
☑️6.مدل های اثر ثابت و اثر تصادفی
مدل اثر ثابت فرض می کند که همه مطالعات یک اندازه اثر واحد دارند.
مدل اثر تصادفی تفاوت های واقعی بین مطالعات را در نظر می گیرد و برای داده هایی با ناهمگنی بالا مناسب تر است.[4]
📊مثال کاربردی از مرور سیستماتیک با تاکید بر مفاهیم اماری:
در یک متاآنالیز واقعی که اثر افزودن DPP-4 inhibitor به درمان بیماران مبتلا به دیابت نوع 2 بررسی شد نتایج نشان داد: [5]
MD : -0.61% CI: 95% I²: 73.4%
به دلیل ناهمگنی بالا مدل اثر تصادفی برای تحلیل استفاده شد.
✅ نتیجه گیری:
مرور سیستماتیک و متاآنالیز ها ابزار های قدرتمندی در تحقیق پزشکی هستند که با به کارگیری مفاهیم اماری پایه، می توانند داده های متنوعی را ترکیب و نتایج دقیق تر و قابل اعتماد ارائه دهند، آشنایی با مفاهیمی همچون: اندازه اثر، وزن دهی مطالعات، فاصله اطمینان، شاخص ناهمگنی، و مدل های اماری برای درک درست این مدل ها ضروری است.
با افزایش حجم تحقیقات پزشکی و نیاز به تصمیم گیری های مبتنی بر شواهد،درک و کاربرد درست این مفاهیم به پزشکان، پژوهشگران و سیاست گذاران سلامت کمک می کند تا بهترین شواهد را شناسایی وبه کار ببرند.[1-4]
گردآورنده: سمیه گل محمدی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥4❤2👍2
💠منابعی فراتر از ژورنال‌ها: Grey Literature
🔹 در دنیای پژوهش، همیشه همه چیز در مجلات علمی معتبر منتشر نمی‌شود. بخش بزرگی از اطلاعات ارزشمند، در قالب‌هایی منتشر میشوند که کمتر در پایگاه‌های رایج نمایه شده‌اند. این منابع را با نام منابع خاکستری (Grey Literature) می‌شناسیم.
🔹 منابع خاکستری شامل:
✅ پایان‌نامه‌ها و رساله‌های دانشگاهی
✅ گزارش‌های دولتی، تحقیقاتی، و فنی
✅ پیش‌چاپ‌ها (preprints) و پروتکل‌های پژوهشی
✅ اسناد سازمانی، راهنماهای بالینی، اسلایدهای کنفرانس
✅ گزارش‌های کارآزمایی بالینی ثبت‌شده، مطالعات ثبت‌نشده یا نیمه‌کاره
📌 چرا جست‌وجوی منابع خاکستری مهم است؟
🔸 دستیابی به شواهد و داده‌هایی که در ژورنال‌ها یافت نمی‌شوند
🔸 کشف نتایج منفی یا خنثی که کمتر منتشر میشوند
🔸 تکمیل بهتر پیشینه پژوهش، مخصوصاً در پروژه‌های بین‌رشته‌ای
🔸 کمک به توسعه راهنماهای درمانی، سیاست‌گذاری سلامت، و مطالعات کیفی
🛠 از کجا شروع کنیم؟
🔹 پایگاه‌ها و منابع کلیدی:
📍OpenGrey – پایگاه اروپایی منابع خاکستری
📍 BASE – جستجوگر دانشگاهی متن‌باز
📍Grey Matters (CADTH) – لیست گام‌به‌گام برای جست‌وجو
📍ClinicalTrials / WHO ICTRP – کارآزمایی‌های بالینی
📍ProQuest Dissertations & Theses – پایان‌نامه‌ها
📍LinkedIn / ResearchGate / Google Scholar – دسترسی مستقیم به نویسندگان یا نسخه‌های پیش‌نشر
✅ چطور کیفیت منابع خاکستری را بسنجیم؟
برای ارزیابی این منابع از مدل معروف AACODS استفاده میشود:
🔸 Authority – نویسنده/سازمان معتبر؟
🔸 Accuracy – اطلاعات دقیق و مستند؟
🔸 Coverage – دامنه موضوعی مشخص؟
🔸 Objectivity – بی‌طرفی در گزارش‌دهی؟
🔸 Date – اطلاعات به‌روز؟
🔸 Significance – ارتباط با موضوع تحقیق شما؟
گردآورنده: دکتر محمد مهدی قربانی
📚 منابع پیشنهادی:
🔗لینک منبع
🔗لینک منبع
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔹 در دنیای پژوهش، همیشه همه چیز در مجلات علمی معتبر منتشر نمی‌شود. بخش بزرگی از اطلاعات ارزشمند، در قالب‌هایی منتشر میشوند که کمتر در پایگاه‌های رایج نمایه شده‌اند. این منابع را با نام منابع خاکستری (Grey Literature) می‌شناسیم.
🔹 منابع خاکستری شامل:
✅ پایان‌نامه‌ها و رساله‌های دانشگاهی
✅ گزارش‌های دولتی، تحقیقاتی، و فنی
✅ پیش‌چاپ‌ها (preprints) و پروتکل‌های پژوهشی
✅ اسناد سازمانی، راهنماهای بالینی، اسلایدهای کنفرانس
✅ گزارش‌های کارآزمایی بالینی ثبت‌شده، مطالعات ثبت‌نشده یا نیمه‌کاره
📌 چرا جست‌وجوی منابع خاکستری مهم است؟
🔸 دستیابی به شواهد و داده‌هایی که در ژورنال‌ها یافت نمی‌شوند
🔸 کشف نتایج منفی یا خنثی که کمتر منتشر میشوند
🔸 تکمیل بهتر پیشینه پژوهش، مخصوصاً در پروژه‌های بین‌رشته‌ای
🔸 کمک به توسعه راهنماهای درمانی، سیاست‌گذاری سلامت، و مطالعات کیفی
🛠 از کجا شروع کنیم؟
🔹 پایگاه‌ها و منابع کلیدی:
📍OpenGrey – پایگاه اروپایی منابع خاکستری
📍 BASE – جستجوگر دانشگاهی متن‌باز
📍Grey Matters (CADTH) – لیست گام‌به‌گام برای جست‌وجو
📍ClinicalTrials / WHO ICTRP – کارآزمایی‌های بالینی
📍ProQuest Dissertations & Theses – پایان‌نامه‌ها
📍LinkedIn / ResearchGate / Google Scholar – دسترسی مستقیم به نویسندگان یا نسخه‌های پیش‌نشر
✅ چطور کیفیت منابع خاکستری را بسنجیم؟
برای ارزیابی این منابع از مدل معروف AACODS استفاده میشود:
🔸 Authority – نویسنده/سازمان معتبر؟
🔸 Accuracy – اطلاعات دقیق و مستند؟
🔸 Coverage – دامنه موضوعی مشخص؟
🔸 Objectivity – بی‌طرفی در گزارش‌دهی؟
🔸 Date – اطلاعات به‌روز؟
🔸 Significance – ارتباط با موضوع تحقیق شما؟
گردآورنده: دکتر محمد مهدی قربانی
📚 منابع پیشنهادی:
🔗لینک منبع
🔗لینک منبع
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
👍2🔥2👌2
مرور سیستماتیک روشی است که با استفاده از روش‌های شفاف و ساختارمند، همه شواهد مرتبط با یک پرسش پژوهشی مشخص را شناسایی، ارزیابی و خلاصه میکند تا با کمترین سوگیری و بیشترین دقت همراه باشد.
⦁ تعریف ناقص یا نامشخص سؤال پژوهش (مثلاً مشخص نکردن چارچوب PICOS)، که باعث سردرگمی و کاهش اعتبار نتایج میشود.
⦁ جستجوی ناقص منابع و انتخاب غیرشفاف مطالعات، که احتمال سوگیری و تکرارپذیری پایین را به دنبال دارد.
⦁ گزارش‌دهی ناقص روش‌ها و نتایج، عدم ارزیابی کیفیت مطالعات واردشده، و نبود شفافیت کافی در بیان منابع و فرآیند مرور.
این اشتباهات باعث کاهش اعتبار علمی، افزایش احتمال سوگیری و کاهش اعتماد به نتایج مرور سیستماتیک میشوند.
اگر معیارهای ورود و خروج مطالعات به‌درستی تعریف نشود و شفاف نباشد، ممکن است مطالعات نامرتبط وارد مرور سیستماتیک شوند یا مطالعات مرتبط حذف شوند و در نتیجه نتایج مرور سیستماتیک دچار سوگیری شود و اعتبار نتایج کاهش یابد.
۱. تعریف مبهم سؤال پژوهش
اگر سؤال مرور سیستماتیک به‌درستی و با چارچوب مشخص (مثل PICOS) تعریف نشود، کل فرآیند جستجو و انتخاب مطالعات دچار سردرگمی میشود و ممکن است مطالعات نامرتبط یا ناکافی وارد مرور شوند. این موضوع باعث میشود نتایج نهایی اعتبار کافی نداشته باشند و تکرارپذیری پژوهش زیر سؤال برود.
۲. جستجوی ناقص منابع
یکی از مهم‌ترین اشتباهات، جستجو نکردن در همه پایگاه‌های اطلاعاتی اصلی، استفاده نکردن از کلیدواژه‌های معادل و مترادف، یا ثبت نکردن دقیق مراحل جستجو است. این کار باعث میشود مطالعات کلیدی از قلم بیفتد و سوگیری انتخاب رخ دهد. ثبت کامل استراتژی جستجو و استفاده از منابع خاکستری (gray literature) بسیار مهم است.
۳. معیارهای ورود و خروج نامشخص
اگر معیارهای ورود و خروج مطالعات به‌وضوح تعریف نشوند، انتخاب مطالعات سلیقه‌ای میشود و تکرارپذیری و اعتبار مرور کاهش می‌یابد. باید این معیارها را پیش از شروع جستجو به‌صورت شفاف و مستند تعیین کرد تا هر پژوهشگری بتواند فرآیند را تکرار کند.
۴. ارزیابی ضعیف کیفیت مطالعات
نبود ارزیابی دقیق ریسک سوگیری (Risk of Bias) یا کیفیت مطالعات واردشده، باعث میشود نتایج مرور به‌شدت تحت تأثیر مطالعات ضعیف یا مغرضانه قرار گیرد. استفاده از ابزارهای معتبر مثل ابزار Cochrane Risk of Bias یا Newcastle-Ottawa Scale توصیه میشود.
۵. اشتباهات آماری
انتخاب مدل آماری نامناسب (مثلاً مدل اثر ثابت به‌جای مدل اثر تصادفی)، اشتباه در تبدیل داده‌ها، تفسیر غلط ناهمگنی (heterogeneity)، یا استفاده نادرست از داده‌های ترکیبی از رایج‌ترین خطاهاست.
۶. گزارش‌دهی ناقص
عدم استفاده از چک‌لیست‌هایی مثل PRISMA، نبود نمودار جریان (Flow Diagram) و گزارش ناقص روش‌ها و نتایج، اعتبار علمی مقاله را زیر سؤال می‌برد. گزارش‌دهی شفاف و کامل، امکان ارزیابی و تکرار نتایج را برای دیگر پژوهشگران فراهم میکند.
۷. کار گروهی ضعیف
انجام مرور سیستماتیک به‌تنهایی یا بدون همکاری افراد با تجربه، احتمال بروز خطا در انتخاب مطالعات، استخراج داده و تحلیل را بالا می‌برد. همکاری چند پژوهشگر و حل اختلاف نظرها، دقت و اعتبار کار را افزایش میدهد.
۸. سوگیری در انتخاب یا گزارش نتایج
انتخاب گزینشی مطالعات یا گزارش‌دهی انتخابی نتایج (مثلاً فقط نتایج مثبت) باعث کاهش اعتبار مرور میشود و میتواند به نتیجه‌گیری‌های اشتباه منجر شود. ثبت پروتکل مرور و شفافیت در گزارش‌دهی، راهکار اصلی مقابله با این خطاست.
ستاره پارساکیان
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
⦁ تعریف ناقص یا نامشخص سؤال پژوهش (مثلاً مشخص نکردن چارچوب PICOS)، که باعث سردرگمی و کاهش اعتبار نتایج میشود.
⦁ جستجوی ناقص منابع و انتخاب غیرشفاف مطالعات، که احتمال سوگیری و تکرارپذیری پایین را به دنبال دارد.
⦁ گزارش‌دهی ناقص روش‌ها و نتایج، عدم ارزیابی کیفیت مطالعات واردشده، و نبود شفافیت کافی در بیان منابع و فرآیند مرور.
این اشتباهات باعث کاهش اعتبار علمی، افزایش احتمال سوگیری و کاهش اعتماد به نتایج مرور سیستماتیک میشوند.
اگر معیارهای ورود و خروج مطالعات به‌درستی تعریف نشود و شفاف نباشد، ممکن است مطالعات نامرتبط وارد مرور سیستماتیک شوند یا مطالعات مرتبط حذف شوند و در نتیجه نتایج مرور سیستماتیک دچار سوگیری شود و اعتبار نتایج کاهش یابد.
۱. تعریف مبهم سؤال پژوهش
اگر سؤال مرور سیستماتیک به‌درستی و با چارچوب مشخص (مثل PICOS) تعریف نشود، کل فرآیند جستجو و انتخاب مطالعات دچار سردرگمی میشود و ممکن است مطالعات نامرتبط یا ناکافی وارد مرور شوند. این موضوع باعث میشود نتایج نهایی اعتبار کافی نداشته باشند و تکرارپذیری پژوهش زیر سؤال برود.
۲. جستجوی ناقص منابع
یکی از مهم‌ترین اشتباهات، جستجو نکردن در همه پایگاه‌های اطلاعاتی اصلی، استفاده نکردن از کلیدواژه‌های معادل و مترادف، یا ثبت نکردن دقیق مراحل جستجو است. این کار باعث میشود مطالعات کلیدی از قلم بیفتد و سوگیری انتخاب رخ دهد. ثبت کامل استراتژی جستجو و استفاده از منابع خاکستری (gray literature) بسیار مهم است.
۳. معیارهای ورود و خروج نامشخص
اگر معیارهای ورود و خروج مطالعات به‌وضوح تعریف نشوند، انتخاب مطالعات سلیقه‌ای میشود و تکرارپذیری و اعتبار مرور کاهش می‌یابد. باید این معیارها را پیش از شروع جستجو به‌صورت شفاف و مستند تعیین کرد تا هر پژوهشگری بتواند فرآیند را تکرار کند.
۴. ارزیابی ضعیف کیفیت مطالعات
نبود ارزیابی دقیق ریسک سوگیری (Risk of Bias) یا کیفیت مطالعات واردشده، باعث میشود نتایج مرور به‌شدت تحت تأثیر مطالعات ضعیف یا مغرضانه قرار گیرد. استفاده از ابزارهای معتبر مثل ابزار Cochrane Risk of Bias یا Newcastle-Ottawa Scale توصیه میشود.
۵. اشتباهات آماری
انتخاب مدل آماری نامناسب (مثلاً مدل اثر ثابت به‌جای مدل اثر تصادفی)، اشتباه در تبدیل داده‌ها، تفسیر غلط ناهمگنی (heterogeneity)، یا استفاده نادرست از داده‌های ترکیبی از رایج‌ترین خطاهاست.
۶. گزارش‌دهی ناقص
عدم استفاده از چک‌لیست‌هایی مثل PRISMA، نبود نمودار جریان (Flow Diagram) و گزارش ناقص روش‌ها و نتایج، اعتبار علمی مقاله را زیر سؤال می‌برد. گزارش‌دهی شفاف و کامل، امکان ارزیابی و تکرار نتایج را برای دیگر پژوهشگران فراهم میکند.
۷. کار گروهی ضعیف
انجام مرور سیستماتیک به‌تنهایی یا بدون همکاری افراد با تجربه، احتمال بروز خطا در انتخاب مطالعات، استخراج داده و تحلیل را بالا می‌برد. همکاری چند پژوهشگر و حل اختلاف نظرها، دقت و اعتبار کار را افزایش میدهد.
۸. سوگیری در انتخاب یا گزارش نتایج
انتخاب گزینشی مطالعات یا گزارش‌دهی انتخابی نتایج (مثلاً فقط نتایج مثبت) باعث کاهش اعتبار مرور میشود و میتواند به نتیجه‌گیری‌های اشتباه منجر شود. ثبت پروتکل مرور و شفافیت در گزارش‌دهی، راهکار اصلی مقابله با این خطاست.
ستاره پارساکیان
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
❤3👍2🔥2
#با_مقاله_درس_بخوانیم
حدود اطمینان. (Confidence Intervals)
۱) تعریف دقیق:
حدود اطمینان به ما این امکان را میدهد که عدم قطعیت‌های ایجاد شده در تخمین پارامترهای جمعیتی را اندازه‌گیری کنیم. این حدود به‌طور معمول بر اساس داده‌های نمونه‌ای محاسبه میشود و شامل دو عنصر کلیدی است؛
بازه اطمینان: که شامل دو عدد است و مقداری که در آن می‌توانیم پارامتر واقعی جمعیت را پیدا کنیم.
سطح اطمینان: که معمولاً به‌صورت درصد بیان میشود (مثلاً ۹۵٪) و احتمال صحیح بودن حدهای محسوب شده را نشان میدهد.
2) تفسیر مفهومی:
اگر ما می‌گوییم که حدود اطمینان ۹۵٪ برای میانگین یک جامعه ۵۰ تا ۶۰ است، این به این معنی است که اگر تعداد زیادی از نمونه‌های تصادفی مشابه گرفته شوند، در ۹۵٪ موارد، میانگین واقعی جامعه در این بازه قرار خواهد داشت. لذا این ابزار برای مستند کردن تصمیم‌گیری‌ها در علم آمار و مدیریت بسیار مهم است.
3) مزایا و کاربردها:
آسان شدن در فهم: حدود اطمینان به تفسیر نتایج آماری کمک میکند و نشان‌دهنده‌ی عدم قطعیت نتیجه‌گیری‌ها است.
تصمیم‌گیری در سیاست: در سیاست‌گذاری‌ها، بازه‌های اطمینان به تحلیل‌گران این امکان را میدهد که نوسانات در داده‌ها و تصمیم‌های مبتنی بر آنها را در نظر بگیرند.
تحقیق و توسعه: در تحقیقات علمی، حدود اطمینان به محققان کمک میکند تا از دقت یافته‌های خود آگاه شوند و در نتیجه به نگارش مقالات علمی دقیق‌تر بپردازند.
4) محدودیت‌ها:
نیاز به اندازه نمونه بزرگ: هنگامی که اندازه نمونه کوچک است، حدود اطمینان ممکن است
قابلیت اطمینان کمتری داشته باشد.
فرضیات توزیع: معمولاً فرض میشود که داده‌ها از یک توزیع نرمال پیروی میکنند. اگر این فرضیات در مورد توزیع داده‌ها نقض شود، می‌توانیم نتایج نادرستی به‌دست آوریم.
اعتماد به سطح اطمینان: تفسیر نادرست از سطح اطمینان میتواند منجر به سو تفاهم‌هایی شود. به‌عنوان مثال، ۹۵٪ اطمینان به این معنی نیست که در ۹۵٪ موارد جواب درست است.
5) نتیجه گیری:
حدود اطمینان یک ابزار حیاتی در آمار هستند که به ما کمک میکنند تا عدم قطعیت‌های مربوط به تخمین پارامترهای جمعیتی را کمی کنیم و ابزاری قدرتمند در آمار برای تخمین پارامترهای جمعیتی و درک نوسانات در داده‌ها هستند. فهم درست از نحوه استفاده و تفسیر آنها میتواند به تحلیل‌های دقیق‌تر و تصمیم‌گیری‌های آگاهانه‌تری کمک کند.
گردآورنده: مجتبی اسماعیلی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
حدود اطمینان. (Confidence Intervals)
۱) تعریف دقیق:
حدود اطمینان به ما این امکان را میدهد که عدم قطعیت‌های ایجاد شده در تخمین پارامترهای جمعیتی را اندازه‌گیری کنیم. این حدود به‌طور معمول بر اساس داده‌های نمونه‌ای محاسبه میشود و شامل دو عنصر کلیدی است؛
بازه اطمینان: که شامل دو عدد است و مقداری که در آن می‌توانیم پارامتر واقعی جمعیت را پیدا کنیم.
سطح اطمینان: که معمولاً به‌صورت درصد بیان میشود (مثلاً ۹۵٪) و احتمال صحیح بودن حدهای محسوب شده را نشان میدهد.
2) تفسیر مفهومی:
اگر ما می‌گوییم که حدود اطمینان ۹۵٪ برای میانگین یک جامعه ۵۰ تا ۶۰ است، این به این معنی است که اگر تعداد زیادی از نمونه‌های تصادفی مشابه گرفته شوند، در ۹۵٪ موارد، میانگین واقعی جامعه در این بازه قرار خواهد داشت. لذا این ابزار برای مستند کردن تصمیم‌گیری‌ها در علم آمار و مدیریت بسیار مهم است.
3) مزایا و کاربردها:
آسان شدن در فهم: حدود اطمینان به تفسیر نتایج آماری کمک میکند و نشان‌دهنده‌ی عدم قطعیت نتیجه‌گیری‌ها است.
تصمیم‌گیری در سیاست: در سیاست‌گذاری‌ها، بازه‌های اطمینان به تحلیل‌گران این امکان را میدهد که نوسانات در داده‌ها و تصمیم‌های مبتنی بر آنها را در نظر بگیرند.
تحقیق و توسعه: در تحقیقات علمی، حدود اطمینان به محققان کمک میکند تا از دقت یافته‌های خود آگاه شوند و در نتیجه به نگارش مقالات علمی دقیق‌تر بپردازند.
4) محدودیت‌ها:
نیاز به اندازه نمونه بزرگ: هنگامی که اندازه نمونه کوچک است، حدود اطمینان ممکن است
قابلیت اطمینان کمتری داشته باشد.
فرضیات توزیع: معمولاً فرض میشود که داده‌ها از یک توزیع نرمال پیروی میکنند. اگر این فرضیات در مورد توزیع داده‌ها نقض شود، می‌توانیم نتایج نادرستی به‌دست آوریم.
اعتماد به سطح اطمینان: تفسیر نادرست از سطح اطمینان میتواند منجر به سو تفاهم‌هایی شود. به‌عنوان مثال، ۹۵٪ اطمینان به این معنی نیست که در ۹۵٪ موارد جواب درست است.
5) نتیجه گیری:
حدود اطمینان یک ابزار حیاتی در آمار هستند که به ما کمک میکنند تا عدم قطعیت‌های مربوط به تخمین پارامترهای جمعیتی را کمی کنیم و ابزاری قدرتمند در آمار برای تخمین پارامترهای جمعیتی و درک نوسانات در داده‌ها هستند. فهم درست از نحوه استفاده و تفسیر آنها میتواند به تحلیل‌های دقیق‌تر و تصمیم‌گیری‌های آگاهانه‌تری کمک کند.
گردآورنده: مجتبی اسماعیلی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥3👍2❤1
Excel for data organization
🔴 چکیده
سازماندهی اصولی داده ها پایه ی پژوهش های معتبر است و خطای تحلیل را تا ۷۰٪ کاهش میدهد.اکسل ابزاری کلیدی برای ورود و مدیریت اولیه ی داده هاست.
🔴مقدمه
اکسل به‌دلیل رابط کاربری آسان و دسترس‌پذیری بالا، محبوب‌ترین ابزار برای جمع‌آوری داده‌هاست. اما ساختار نامناسب داده‌ها باعث : اتلاف ۸۰٪ زمان پروژه برای پاک سازی داده ها و خطاهای تحلیلی و تکثیر ناپذیری نتایج به دلیل ساختار نادرست میشود.
🔴اصول کلیدی ساختاردهی داده‌ها
- متغیرها در ستون‌ها، مشاهدات در سطرها: هر سلول فقط شامل یک داده واحد باشد
- عدم ادغام سلول‌ها: سلول‌های ادغام‌شده خوانش داده توسط نرم‌افزارهای تحلیلی (مانند R/Python) را مختل میکنند .
- حذف سلول‌های خالی: جایگزینی با مقادیر استاندارد (
- استفاده از Table ساختاریافته (Ctrl+T)
- قابلیت ارجاع پویا با نام ستون
- به‌روزرسانی خودکار فرمول‌ها با افزودن داده‌های جدید
- جدا کردن داده‌های خام از تحلیل‌شده
- نگهداری داده‌های اصلی در شیت
- ثبت تمام مراحل پاک‌سازی در شیت
🔴 خطاهای رایج و راهکارهای علمی
- چندین جدول در یک شیت
باعث. ⬅️ ترکیب نادرست مشاهدات
راه حل ⬅️ یک شیت = یک جدول
- عناوین ستون با فاصله
باعث ⬅️خطا در خوانش کدها
راه حل ⬅️استفاده از Underline یا CamelCase (e.g.,
- ذخیره تاریخ به‌صورت متن
باعث. ⬅️ محاسبات نادرست زمانی
راه حل ⬅️فرمت استاندارد
- داده‌های تکراری
باعث ⬅️ انحراف تحلیل‌ها
راه حل ⬅️Data Remove Duplicates
- ترکیب داده و واحد در سلول
باعث ⬅️ تبدیل متن به عدد ناممکن
راه حل ⬅️ ستون جداگانه برای واحدها
🔴 ابزار های کنترل کیفیت
- اعتبارسنجی داده‌ها (Data Validation):
محدودیت ورود داده‌های نادرست (e.g., مقادیر منفی برای "سن").
- قالب‌بندی شرطی (Conditional Formatting): شناسایی سریع outliers (e.g., مقادیر بالاتر از ۳ انحراف معیار) .
🔴 کاربردهای پیشرفته در پژوهش‌های آکادمی
--- سیستم شماره‌گذاری منابع:
- اختصاص ID منحصربه‌فرد به هر منبع (e.g.,
ـ پیوند هیپرلینک به فایل‌های PDF در ستون
---دسته‌بندی موضوعی:
- فیلترپذیری بر اساس متغیرهایی مانند
--- برای خلاصه سازی ⬅️ Pivot Tables
محاسبه سریع میانگین/مجموع براساس گروه‌ها (e.g., میانگین درآمد به‌ازای هر منطقه )
--- ابزار Analyze Data:
تولید خودکار نمودارها و الگوها با پرس‌وجوی متنی (e.g., "نمودار فروش براساس ماه")
🔴 محدودیت‌ها و راهکارهای جایگزین
اکسل فقط تا ۱.۰۸ میلیون سطر را پشتیبانی میکند.
⬅️ راهکار: خروجی به فرمت
عدم شفافیت در محاسبات: پیگیری تغییرات فرمول‌ها دشوار است.
⬅️ راهکار: استفاده از ماکروها برای ثبت مراحل یا مهاجرت به نرم‌افزارهای کدباز
نتیجه گیری
🔴 نتیجه
سازماندهی اصولی داده‌ها در اکسل:
- پایه‌ای برای تحلیل‌های معتبر و افزایش قابلیت تکثیر پذیری پژوهش است. زمان تحلیل را تا ۵۰٪ کاهش میدهد.
بااین‌حال، اکسل برای تحلیل‌های پیچیده جایگزین ابزارهای تخصصی نیست. پیشنهاد میشود داده‌های سازمان‌یافته در اکسل به فرمت‌های متن‌باز (مانند CSV) صادر و در مخازنی مانند Figshare ذخیره شوند.
گردآورنده: الهه باقری
📚 منبع۱
منبع۲
منبع۳
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔴 چکیده
سازماندهی اصولی داده ها پایه ی پژوهش های معتبر است و خطای تحلیل را تا ۷۰٪ کاهش میدهد.اکسل ابزاری کلیدی برای ورود و مدیریت اولیه ی داده هاست.
🔴مقدمه
اکسل به‌دلیل رابط کاربری آسان و دسترس‌پذیری بالا، محبوب‌ترین ابزار برای جمع‌آوری داده‌هاست. اما ساختار نامناسب داده‌ها باعث : اتلاف ۸۰٪ زمان پروژه برای پاک سازی داده ها و خطاهای تحلیلی و تکثیر ناپذیری نتایج به دلیل ساختار نادرست میشود.
🔴اصول کلیدی ساختاردهی داده‌ها
- متغیرها در ستون‌ها، مشاهدات در سطرها: هر سلول فقط شامل یک داده واحد باشد
- عدم ادغام سلول‌ها: سلول‌های ادغام‌شده خوانش داده توسط نرم‌افزارهای تحلیلی (مانند R/Python) را مختل میکنند .
- حذف سلول‌های خالی: جایگزینی با مقادیر استاندارد (
NA : برای داده‌های مفقود) - استفاده از Table ساختاریافته (Ctrl+T)
- قابلیت ارجاع پویا با نام ستون
- به‌روزرسانی خودکار فرمول‌ها با افزودن داده‌های جدید
- جدا کردن داده‌های خام از تحلیل‌شده
- نگهداری داده‌های اصلی در شیت
Raw_Data - ثبت تمام مراحل پاک‌سازی در شیت
Log . 🔴 خطاهای رایج و راهکارهای علمی
- چندین جدول در یک شیت
باعث. ⬅️ ترکیب نادرست مشاهدات
راه حل ⬅️ یک شیت = یک جدول
- عناوین ستون با فاصله
باعث ⬅️خطا در خوانش کدها
راه حل ⬅️استفاده از Underline یا CamelCase (e.g.,
Household_Size) - ذخیره تاریخ به‌صورت متن
باعث. ⬅️ محاسبات نادرست زمانی
راه حل ⬅️فرمت استاندارد
YYYY-MM-DD- داده‌های تکراری
باعث ⬅️ انحراف تحلیل‌ها
راه حل ⬅️Data Remove Duplicates
- ترکیب داده و واحد در سلول
باعث ⬅️ تبدیل متن به عدد ناممکن
راه حل ⬅️ ستون جداگانه برای واحدها
🔴 ابزار های کنترل کیفیت
- اعتبارسنجی داده‌ها (Data Validation):
محدودیت ورود داده‌های نادرست (e.g., مقادیر منفی برای "سن").
- قالب‌بندی شرطی (Conditional Formatting): شناسایی سریع outliers (e.g., مقادیر بالاتر از ۳ انحراف معیار) .
🔴 کاربردهای پیشرفته در پژوهش‌های آکادمی
--- سیستم شماره‌گذاری منابع:
- اختصاص ID منحصربه‌فرد به هر منبع (e.g.,
Ref_001, Ref_002) ـ پیوند هیپرلینک به فایل‌های PDF در ستون
Full_Text . ---دسته‌بندی موضوعی:
- فیلترپذیری بر اساس متغیرهایی مانند
سال، نوع منبع، کلیدواژه‌ها . --- برای خلاصه سازی ⬅️ Pivot Tables
محاسبه سریع میانگین/مجموع براساس گروه‌ها (e.g., میانگین درآمد به‌ازای هر منطقه )
--- ابزار Analyze Data:
تولید خودکار نمودارها و الگوها با پرس‌وجوی متنی (e.g., "نمودار فروش براساس ماه")
🔴 محدودیت‌ها و راهکارهای جایگزین
اکسل فقط تا ۱.۰۸ میلیون سطر را پشتیبانی میکند.
⬅️ راهکار: خروجی به فرمت
CSV و استفاده از ابزارهایی مانند R یا Python عدم شفافیت در محاسبات: پیگیری تغییرات فرمول‌ها دشوار است.
⬅️ راهکار: استفاده از ماکروها برای ثبت مراحل یا مهاجرت به نرم‌افزارهای کدباز
نتیجه گیری
🔴 نتیجه
سازماندهی اصولی داده‌ها در اکسل:
- پایه‌ای برای تحلیل‌های معتبر و افزایش قابلیت تکثیر پذیری پژوهش است. زمان تحلیل را تا ۵۰٪ کاهش میدهد.
بااین‌حال، اکسل برای تحلیل‌های پیچیده جایگزین ابزارهای تخصصی نیست. پیشنهاد میشود داده‌های سازمان‌یافته در اکسل به فرمت‌های متن‌باز (مانند CSV) صادر و در مخازنی مانند Figshare ذخیره شوند.
گردآورنده: الهه باقری
📚 منبع۱
منبع۲
منبع۳
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
👍3❤2🔥2
🔰مدیریت منابع غیر انگلیسی
مقالات مروری سیستماتیک یکی از منابع اصلی تحقیقاتی، به‌ویژه در حوزه علوم پزشکی محسوب میشوند. با این حال، اغلب در فرایند گردآوری این مقالات، منابع غیرانگلیسی چالش برانگیز هستند؛ به‌ویژه در پژوهش‌هایی با رویکرد بین‌المللی یا در مواردی که داده‌های موجود در مطالعات غیرانگلیسی ممکن است نتایج یا اطلاعات آماری را به‌طور قابل توجهی تغییر دهند. حذف این منابع میتواند منجر به سوگیری (bias) شده و در نهایت، دقت و اعتبار علمی نتایج حاصل از مرور را کاهش دهد.
راهکارهای متنوعی در مقالات برای مقابله با این مسئله پیشنهاد شده است؛ برخی بر اهمیت استفاده از ابزارهای ترجمه ماشینی رایگان مانند Google Translate یا سایر سایت‌های کم‌هزینه تأکید دارند. برخی دیگر بر استفاده از منابع انسانی، مانند دانشجویان داوطلب یا اعضای گروه‌های پژوهشی چندزبانه، به‌عنوان روشی مؤثر برای ترجمه تأکید میکنند. در پژوهش‌هایی که دارای حمایت مالی (گرنت) هستند نیز، امکان استفاده از مترجمان حرفه‌ای یا خدمات ترجمه تخصصی فراهم است.
در نهایت، اغلب مقالات بر این نکته تأکید دارند که برای ارتقاء کیفیت علمی و جلوگیری از سوگیری، پژوهشگران نباید منابع را صرفاً به‌دلیل زبان نگارش آنها کنار
بگذارند.
گردآورنده: مهسا نوری
منابع:
Source 1
Source 2
Source 3
Source 4
Source 5
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
مقالات مروری سیستماتیک یکی از منابع اصلی تحقیقاتی، به‌ویژه در حوزه علوم پزشکی محسوب میشوند. با این حال، اغلب در فرایند گردآوری این مقالات، منابع غیرانگلیسی چالش برانگیز هستند؛ به‌ویژه در پژوهش‌هایی با رویکرد بین‌المللی یا در مواردی که داده‌های موجود در مطالعات غیرانگلیسی ممکن است نتایج یا اطلاعات آماری را به‌طور قابل توجهی تغییر دهند. حذف این منابع میتواند منجر به سوگیری (bias) شده و در نهایت، دقت و اعتبار علمی نتایج حاصل از مرور را کاهش دهد.
راهکارهای متنوعی در مقالات برای مقابله با این مسئله پیشنهاد شده است؛ برخی بر اهمیت استفاده از ابزارهای ترجمه ماشینی رایگان مانند Google Translate یا سایر سایت‌های کم‌هزینه تأکید دارند. برخی دیگر بر استفاده از منابع انسانی، مانند دانشجویان داوطلب یا اعضای گروه‌های پژوهشی چندزبانه، به‌عنوان روشی مؤثر برای ترجمه تأکید میکنند. در پژوهش‌هایی که دارای حمایت مالی (گرنت) هستند نیز، امکان استفاده از مترجمان حرفه‌ای یا خدمات ترجمه تخصصی فراهم است.
در نهایت، اغلب مقالات بر این نکته تأکید دارند که برای ارتقاء کیفیت علمی و جلوگیری از سوگیری، پژوهشگران نباید منابع را صرفاً به‌دلیل زبان نگارش آنها کنار
بگذارند.
گردآورنده: مهسا نوری
منابع:
Source 1
Source 2
Source 3
Source 4
Source 5
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
👍4🔥2
🔹 مقدار احتمال (P-value) به زبان ساده
🔸 مقدمه
اعتبار نتیجه‌ی علمی یک مقاله پژوهشی نباید فقط بر پایه‌ی تحلیل آماری باشد. نه‌تنها استفاده‌ی درست از روش‌های آماری اهمیت دارد، بلکه تفسیر صحیح نتایج نیز نقش حیاتی در رسیدن به نتایج معتبر دارد.
برای پشتیبانی از اهمیت نتایج یک مطالعه، مفهومی به نام معناداری آماری (statistical significance) مورد استفاده قرار می‌گیرد که معمولاً با شاخصی به نام مقدار احتمال یا p-value ارزیابی میشود.
🔸مقدار احتمال یا P-value چیست ؟
مقدار احتمال یا p-value به صورت احتمال دستیابی به داده‌هایی به اندازه یا شدیدتر از آنچه مشاهده شده تعریف میشود، با این فرض که فرض صفر (null hypothesis) درست باشد.
در بسیاری از مطالعات علمی، از p-value برای اندازه‌گیری قدرت شواهد آماری استفاده میشود. این مقدار نشان میدهد که نتایج مشاهده‌شده تا چه اندازه ممکن است صرفاً بر اثر شانس حاصل شده باشند.
هرچند p-value به گزارش نتایج آزمون‌های آماری کمک میکند، اما به‌تنهایی نمی‌تواند اهمیت عملی و واقعی نتایج را نشان دهد.
🔸 آستانه‌ی p-value
برای اینکه بررسی کنیم آیا یک نتیجه معنادار هست یا نه، پژوهشگران احتمال رخ دادن آن نتیجه را تحت فرض صفر و صرفاً به‌دلیل شانس محاسبه میکنند.
آستانه‌ای که به‌صورت تاریخی و شهودی برای رد فرض صفر در نظر گرفته شده، مقدار 0.05 است.
در نتیجه، اگر مقدار p کمتر از 0.05 باشد، پژوهشگران معمولاً آن را به‌عنوان لحظه‌ی «یافتم!» (eureka) تلقی میکنند؛ یعنی فرض صفر را کنار گذاشته و فرض مقابل را می‌پذیرند.
درواقع، p-value نشان میدهد که احتمال دارد اثر مشاهده‌شده صرفاً تصادفی باشد، در حالی که در واقعیت هیچ اثری وجود ندارد.
به‌طور سنتی، اگر p کمتر از 0.05 یا 0.01 باشد، نتیجه از نظر آماری معنادار در نظر گرفته میشود.
هرچند برخی معتقدند این آستانه باید سخت‌گیرانه‌تر شود، اما همچنان در عمل به‌طور گسترده پذیرفته شده است.
🔸 نکات و توصیه‌های مهم هنگام استفاده از p-value
1️⃣ گزارش اندازه‌ی اثر و فاصله اطمینان
فقط به p-value اکتفا نکنید. اندازه‌ی اثر (effect size) نشان دهنده میزان قدرت و اهمیت عملی نتیجه است و لذا باید به طور صحیح ذکر شود.
2️⃣ بیان شفاف فرض صفر
دقیق توضیح دهید که p-value نشان‌دهنده‌ی چیست. به عنوان مثال آیا آزمون یک سو کور است یا دو سو کور و این مقدار چه نسبتی با فرض صفر دارد؟
3️⃣ تفسیر p-value در چارچوب اندازه نمونه
نمونه‌های بزرگ ممکن است حتی برای اثرهای خیلی کوچک، p معنادار تولید کنند، در حالی‌که نمونه‌های کوچک ممکن است نتایج مهم را معنادار نشان ندهند.
پس قدرت آماری مطالعه را نسبت به اندازه‌ی اثر مدنظر در نظر بگیرید.
4️⃣ احتیاط در مقایسه‌های متعدد
اجرای چند آزمون، احتمال خطای نوع اول (false positive) را بالا می‌برد. برای کنترل این خطا باید اصلاحاتی مثل تصحیح بونفرونی (Bonferroni) انجام داد.
5️⃣ بررسی فرض‌های آزمون و تحلیل حساسیت
تمام آزمون‌های آماری بر پایه فرض‌هایی انجام میشوند (مثلاً توزیع نرمال در آزمون t).
اگر این فرض‌ها رعایت نشود، نتایج از جمله p-value ممکن است نامعتبر شوند. بنابراین، اطمینان حاصل کنید که آزمون مناسب یا تبدیل داده‌ها به‌درستی انجام شده باشد.
منابع :
منبع 1 | منبع 2 | منبع 3 | منبع 4
گردآورنده : رضا ایمانی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔸 مقدمه
اعتبار نتیجه‌ی علمی یک مقاله پژوهشی نباید فقط بر پایه‌ی تحلیل آماری باشد. نه‌تنها استفاده‌ی درست از روش‌های آماری اهمیت دارد، بلکه تفسیر صحیح نتایج نیز نقش حیاتی در رسیدن به نتایج معتبر دارد.
برای پشتیبانی از اهمیت نتایج یک مطالعه، مفهومی به نام معناداری آماری (statistical significance) مورد استفاده قرار می‌گیرد که معمولاً با شاخصی به نام مقدار احتمال یا p-value ارزیابی میشود.
🔸مقدار احتمال یا P-value چیست ؟
مقدار احتمال یا p-value به صورت احتمال دستیابی به داده‌هایی به اندازه یا شدیدتر از آنچه مشاهده شده تعریف میشود، با این فرض که فرض صفر (null hypothesis) درست باشد.
در بسیاری از مطالعات علمی، از p-value برای اندازه‌گیری قدرت شواهد آماری استفاده میشود. این مقدار نشان میدهد که نتایج مشاهده‌شده تا چه اندازه ممکن است صرفاً بر اثر شانس حاصل شده باشند.
هرچند p-value به گزارش نتایج آزمون‌های آماری کمک میکند، اما به‌تنهایی نمی‌تواند اهمیت عملی و واقعی نتایج را نشان دهد.
🔸 آستانه‌ی p-value
برای اینکه بررسی کنیم آیا یک نتیجه معنادار هست یا نه، پژوهشگران احتمال رخ دادن آن نتیجه را تحت فرض صفر و صرفاً به‌دلیل شانس محاسبه میکنند.
آستانه‌ای که به‌صورت تاریخی و شهودی برای رد فرض صفر در نظر گرفته شده، مقدار 0.05 است.
در نتیجه، اگر مقدار p کمتر از 0.05 باشد، پژوهشگران معمولاً آن را به‌عنوان لحظه‌ی «یافتم!» (eureka) تلقی میکنند؛ یعنی فرض صفر را کنار گذاشته و فرض مقابل را می‌پذیرند.
درواقع، p-value نشان میدهد که احتمال دارد اثر مشاهده‌شده صرفاً تصادفی باشد، در حالی که در واقعیت هیچ اثری وجود ندارد.
به‌طور سنتی، اگر p کمتر از 0.05 یا 0.01 باشد، نتیجه از نظر آماری معنادار در نظر گرفته میشود.
هرچند برخی معتقدند این آستانه باید سخت‌گیرانه‌تر شود، اما همچنان در عمل به‌طور گسترده پذیرفته شده است.
🔸 نکات و توصیه‌های مهم هنگام استفاده از p-value
1️⃣ گزارش اندازه‌ی اثر و فاصله اطمینان
فقط به p-value اکتفا نکنید. اندازه‌ی اثر (effect size) نشان دهنده میزان قدرت و اهمیت عملی نتیجه است و لذا باید به طور صحیح ذکر شود.
2️⃣ بیان شفاف فرض صفر
دقیق توضیح دهید که p-value نشان‌دهنده‌ی چیست. به عنوان مثال آیا آزمون یک سو کور است یا دو سو کور و این مقدار چه نسبتی با فرض صفر دارد؟
3️⃣ تفسیر p-value در چارچوب اندازه نمونه
نمونه‌های بزرگ ممکن است حتی برای اثرهای خیلی کوچک، p معنادار تولید کنند، در حالی‌که نمونه‌های کوچک ممکن است نتایج مهم را معنادار نشان ندهند.
پس قدرت آماری مطالعه را نسبت به اندازه‌ی اثر مدنظر در نظر بگیرید.
4️⃣ احتیاط در مقایسه‌های متعدد
اجرای چند آزمون، احتمال خطای نوع اول (false positive) را بالا می‌برد. برای کنترل این خطا باید اصلاحاتی مثل تصحیح بونفرونی (Bonferroni) انجام داد.
5️⃣ بررسی فرض‌های آزمون و تحلیل حساسیت
تمام آزمون‌های آماری بر پایه فرض‌هایی انجام میشوند (مثلاً توزیع نرمال در آزمون t).
اگر این فرض‌ها رعایت نشود، نتایج از جمله p-value ممکن است نامعتبر شوند. بنابراین، اطمینان حاصل کنید که آزمون مناسب یا تبدیل داده‌ها به‌درستی انجام شده باشد.
منابع :
منبع 1 | منبع 2 | منبع 3 | منبع 4
گردآورنده : رضا ایمانی
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
❤5🔥3👍2
Effect sizes explained simply
اندازه اثر چیست؟
اندازه اثر (Effect Size) یکی از مفاهیم مهم در تحلیل آماری است که نشان میدهد تفاوت یا رابطه بین دو متغیر یا گروه چقدر بزرگ و قابل توجه است. برخلاف مقدار p که فقط مشخص میکند یک اثر وجود دارد یا نه، اندازه اثر به ما می‌گوید آن اثر چقدر اهمیت دارد. مثلاً اگر دو روش آموزشی با هم مقایسه شوند، مقدار p ممکن است نشان دهد تفاوت معنادار است، اما فقط اندازه اثر میتواند بگوید این تفاوت واقعاً در عمل چقدر مهم است.
از اندازه اثر برای تفسیر بهتر نتایج، مقایسه مطالعات مختلف، و انجام فراتحلیل‌ها استفاده میشود. شاخص‌های مختلفی برای آن وجود دارد، مانند d کوهن برای تفاوت میانگین‌ها و r برای همبستگی. استفاده از اندازه اثر باعث میشود تصمیم‌گیری‌ها نه‌فقط آماری، بلکه عملی و کاربردی هم باشند.
گردآورنده: زهرا یونسی
منبع۱
منبع۲
منبع۳
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
اندازه اثر چیست؟
اندازه اثر (Effect Size) یکی از مفاهیم مهم در تحلیل آماری است که نشان میدهد تفاوت یا رابطه بین دو متغیر یا گروه چقدر بزرگ و قابل توجه است. برخلاف مقدار p که فقط مشخص میکند یک اثر وجود دارد یا نه، اندازه اثر به ما می‌گوید آن اثر چقدر اهمیت دارد. مثلاً اگر دو روش آموزشی با هم مقایسه شوند، مقدار p ممکن است نشان دهد تفاوت معنادار است، اما فقط اندازه اثر میتواند بگوید این تفاوت واقعاً در عمل چقدر مهم است.
از اندازه اثر برای تفسیر بهتر نتایج، مقایسه مطالعات مختلف، و انجام فراتحلیل‌ها استفاده میشود. شاخص‌های مختلفی برای آن وجود دارد، مانند d کوهن برای تفاوت میانگین‌ها و r برای همبستگی. استفاده از اندازه اثر باعث میشود تصمیم‌گیری‌ها نه‌فقط آماری، بلکه عملی و کاربردی هم باشند.
گردآورنده: زهرا یونسی
منبع۱
منبع۲
منبع۳
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
🔥4👍2
‼️‼️فوری-
#پژوهش_یار
#فراخوان_پژوهش
💫به جهت فراهم اوردن فرصت همکاری و شناسایی ظرفیت‌ها و‌توانایی‌های پژوهشگران علاقه مند به فیلد جراحی اعصاب و‌ستون فقرات
در گروه زیر عضو شوید:
👇👇👇👇👇
لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠
📳در این گروه اطلاع رسانی های پژوهشی اعلام میشود، علاقه مندان اعلان حضور میکنند و روزمه خود را ارسال میکنند و بلافاصله پس از تایید، وارد آن فعالیت میشوند.
📌جراحی مغز ( تومورها / اختلالات عروقی/ اعمال جراحی عملکردی جراحی مغز مثل DBS/VNS/ تروما/ مدیریت سایر اختلالات)
📌 جراحی ستون فقرات ( تنگی ها/شکستگی ها/ دفورمیتی ها / تومورها/ اختلالات عروقی)
📌جراحی اعصاب محیطی ( تومورها/ گیرافتادگی ها)
📌 میان رشته ای مثل نانو در جراحی اعصاب/ فارماکولوژی در جراحی اعصاب/ اپیدمیولوژی در جراحی اعصاب/ رادیوانکولوژی و جراحی اعصاب)
📌 هوش مصنوعی در جراحی مغز و اعصاب
👨🏻💻👩🏼💻افرادی که توانایی پژوهشی خوب همراه با تعهد مناسب دارند، لطفا برای شرکت در فعالیت های جاری پژوهشی انجمن، به ایدی دکتر فرزان فهیم، دبیر و موسس انجمن، پیام بدهند و ضمن معرفی خود به skill ها و‌تجارب پژوهشی خود اشاره کنند.
🆔@DrFarzan_Fahim
#پژوهش_یار
#فراخوان_پژوهش_آموزش
👇👇👇👇👇
لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
#پژوهش_یار
#فراخوان_پژوهش
💫به جهت فراهم اوردن فرصت همکاری و شناسایی ظرفیت‌ها و‌توانایی‌های پژوهشگران علاقه مند به فیلد جراحی اعصاب و‌ستون فقرات
در گروه زیر عضو شوید:
👇👇👇👇👇
لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠
📳در این گروه اطلاع رسانی های پژوهشی اعلام میشود، علاقه مندان اعلان حضور میکنند و روزمه خود را ارسال میکنند و بلافاصله پس از تایید، وارد آن فعالیت میشوند.
📌جراحی مغز ( تومورها / اختلالات عروقی/ اعمال جراحی عملکردی جراحی مغز مثل DBS/VNS/ تروما/ مدیریت سایر اختلالات)
📌 جراحی ستون فقرات ( تنگی ها/شکستگی ها/ دفورمیتی ها / تومورها/ اختلالات عروقی)
📌جراحی اعصاب محیطی ( تومورها/ گیرافتادگی ها)
📌 میان رشته ای مثل نانو در جراحی اعصاب/ فارماکولوژی در جراحی اعصاب/ اپیدمیولوژی در جراحی اعصاب/ رادیوانکولوژی و جراحی اعصاب)
📌 هوش مصنوعی در جراحی مغز و اعصاب
👨🏻💻👩🏼💻افرادی که توانایی پژوهشی خوب همراه با تعهد مناسب دارند، لطفا برای شرکت در فعالیت های جاری پژوهشی انجمن، به ایدی دکتر فرزان فهیم، دبیر و موسس انجمن، پیام بدهند و ضمن معرفی خود به skill ها و‌تجارب پژوهشی خود اشاره کنند.
🆔@DrFarzan_Fahim
#پژوهش_یار
#فراخوان_پژوهش_آموزش
👇👇👇👇👇
لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠
🔍در انجمن پژوهشی علوم و جراحی اعصاب با ما همراه باشید…
| @NeuroResearchers |
❤8👍3
انجمن پژوهشی علوم و جراحی اعصاب
‼️‼️فوری- #پژوهش_یار #فراخوان_پژوهش 💫به جهت فراهم اوردن فرصت همکاری و شناسایی ظرفیت‌ها و‌توانایی‌های پژوهشگران علاقه مند به فیلد جراحی اعصاب و‌ستون فقرات در گروه زیر عضو شوید: 👇👇👇👇👇 لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠 📳در این گروه اطلاع رسانی های پژوهشی…
‼️فراخوان های همکاری پژوهشی و اعلام نیاز
پیرامون موضوعات درجه یک در جراحی مغز و اعصاب و ستون فقرات در این کانال و گروه منتشر میشود🌱.
باما همراه باشید.
|@NeuroResearchers|
پیرامون موضوعات درجه یک در جراحی مغز و اعصاب و ستون فقرات در این کانال و گروه منتشر میشود🌱.
باما همراه باشید.
|@NeuroResearchers|
❤5😍4⚡1
انجمن پژوهشی علوم و جراحی اعصاب pinned «‼️‼️فوری- #پژوهش_یار #فراخوان_پژوهش 💫به جهت فراهم اوردن فرصت همکاری و شناسایی ظرفیت‌ها و‌توانایی‌های پژوهشگران علاقه مند به فیلد جراحی اعصاب و‌ستون فقرات در گروه زیر عضو شوید: 👇👇👇👇👇 لینک گروه پژوهش در جراحی مغز و اعصاب🧠🧠 📳در این گروه اطلاع رسانی های پژوهشی…»
| @NeuroResearchers |
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤3❤🔥2👌2😍1🏆1