Яндекс.Метрика Условиях записи и обучения на курсах биометрики
Каждый слышит то, что понимает. Гете Трудных наук нет, есть только трудные изложения. А.И. Герцен. Часть материалов сайта доступна только подписчикам. На период подписки они имеют возможность оперативной консультации по статистическому анализу биомедицинских данных. Запрос на подписку направляйте редактору БИОМЕТРИКИ.
Уважаемые читатели "Биометрики"! 

В своих письмах Вы задаете вопросы об условиях записи и обучения на курсах биометрики. Ниже приводятся эти условия и рекомендации по выбору разделов биометрики.



УСЛОВИЯ ИНДИВИДУАЛЬНОГО И ГРУППОВОГО ОБУЧЕНИЯ НА КУРСАХ БИОМЕТРИКИ

Условие 1 (желательное, но не обязательное).
Наличие собственного экспериментального материала для использования его в процессе обучения. Если собственные данные отсутствуют, Вы можете выбрать на своё усмотрение матрицу данных из RusDASL - российской библиотеки данных для изучающих биометрику и биостатистику

Условие 2
Наличие первичных навыков работы на персональном компьютере, например умение набирать текст в каком-то из текстовых редакторов (WORD), табличных процессоров (EXCEL), знание клавиатуры и т.п. Поскольку заочная форма обучение требует достаточно регулярного общения с помощью электронной почты, то необходимым условием является наличие электронного адреса и возможность им пользоваться.  В своем письме с данными и их описанием сообщите, есть ли на Вашем компьютере статистический пакет, и если такой имеется, то его точное название и номер версии. Далее, сообщите нам также и название того текстового редактора, с которым Вы работаете на своем компьютере. Сообщите также, есть ли на Вашем компьютере EXCEL, и если есть, то какой именно версии.

Условие 3
Желающий обучаться на курсах биометрики должен ясно определить, чего он хотел бы. Если Вы немного ориентируетесь в том круге необходимых Вам методов, которыми Вы хотели бы овладеть, то Вы ограничиваетесь только этими методами. Вы можете также "ТИПОВЫМИ РАЗДЕЛАМИ ИНДИВИДУАЛЬНЫХ ПРОГРАММ ОБУЧЕНИЯ НА КУРСАХ БИОМЕТРИКИ" для выбора тех или иных разделов. Если же уровень Вашей биометрической подготовки "нулевой", и Вы не можете самостоятельно сделать такой выбор, то в этом случае возможно обучение с самых азов. Однако в любом случае необходимо наличие собственного экспериментального материала. Если Вы уже выбрали некий круг методов статистики, применять которые Вы хотели бы научиться, то нужно будет перечислить эти методы настолько подробно, насколько это возможно для Вас. Такое описание позволит нам более полно представить Ваш уровень подготовки в области биометрики. Если же Вы еще не представляете, какие именно методы Вам необходимы, то в этом случае мы самостоятельно определяем и предлагаеим их Вам, исходя из Ваших экспериментальных данных и описания тех задач исследования, которыми Вы заняты. 

Условие 4
Вы достаточно подробно описываете собственные экспериментальные данные (матрицу). Это описание состоит из перечисления всех признаков (переменных - VAR) по порядку а также описания того, что являлось в Вашей матрице данных наблюдением, строкой данных (случаем - CASE). Если матрица состоит из нескольких групп, то нужно описать чем отличаются эти группы друг от друга и какая переменная (признак, столбец матрицы) является этим группирующим признаком. 

Для оценки наиболее перспективных методов анализа Ваших данных нам необходимо увидеть их. Поэтому высылайте свои массивы данных в том формате, в котором они есть. Видимо это формат Excel, либо ASCII, либо DBF. В общем в любом формате, хотя более предпочтителен формат Excel. Если массив данных порядка нескольких сотен килобайт, то предварительно лучше его заархивировать каким-нибудь архиватором, например "zip" или "rar". Эту матрицу высылайте в виде Приложения (аттача) к основному письму с описанием самой матрицы и Ваших задач исследования. 

Матрица должна состоять из строк - наблюдений (пациентов) и столбцов - признаков, переменных, свойств. Пропущенные значения (не измеренные по какой-то причине) никак не кодируются и представляют собой пустые клетки. И, конечно же, подробное описание всех признаков. Если признак качественный, дискретный, например "Пол", то желательны кодировки не буквами, а цифрами: 1 и 2. А в текстовом описании расшифровать, что 1=жен., 2=муж. Для адекватного восприятия исследуемых признаков необходимо их описать словами, что каждый из принаков представляет собой. Желательно наличие признака идентификатора объекта, наблюдения (строки). Если объекты - пациенты, то это может быть фамилия либо номер истории болезни, либо просто порядковый номер. Если дискретные качественные признаки обозначены числами 1, 2, 3 и т.д., то нужно расшифровать в этом описании эти коды. Например, 1 - муж., 2 - жен. или 1 - здоровые, 2 - больные и т.д. Для количественных признаков необходимо указать их размерность, т.е. в каких единицах они измеряются. Например, систолическое и диастолическое давления в мм. рт.ст., рост - см., вес - кг и т.д. Если эти величины измерены в условных единицах, то так и написать - усл. ед. По ходу учебы эта первоначальная марица не меняется, т.е. курсант сам гарантирует правильность ввода данных в матрицу.

Условие 5
Очень важный момент, который заключается в достаточно подробной формулировке общей задачи исследования и описании исследуемых объектов. Причем здесь желательно использовать свой профессиональный язык, не обращаясь к тем или иным терминам статистики. Т.е. нужно постараться сформулировать Ваши вопросы, на которые мы сможем выбрать адекватные методы анализа для получения ответов на эти вопросы. К примеры, есть количественные признаки, которые условно обозначим как Х1-Х10. Это могут быть значения отдельных компонент крови (лейкоцитарной формулы, гематокрит, СОЭ, содержание иммуноглобулинов, липидов и т.д.) а кроме того некоторые дискретные качественные признаки, обозначим их буквами: А - идентификатор исследуемых групп (А=1 (больные), А=2 (группы контроля, здоровые)), В - вид заболевания (В=1 (заболевание 1), В=2 (заболевание 2) и т.д.), С - пол (С=1 (муж), С=2 (жен), D - вид лекарственного препарата ( D=1 D=2 D=3 и т.д.). 

В этом случае эти вопросы могут быть записаны следующим образом: 
1. Исследовать зависимость принаков Х1-Х10 от признаков А, В, С и D. 
2. Сравнить особенности показателей Х1-Х10 между отдельными подгруппами показателей А, В, С. и D и т.д. 
Кроме этого возможный интерес могут представлять и исследование зависимостей между всеми количественными признаками Х1-Х10 а также между всеми качественными признаками A, B, C, D. 
Отмечу, что здесь качественными признаком может быть и исход лечения. Например признак К - исход лечения , К=1 (больной выздоровел), К=2 (больной умер). Часто встречаются задачи прогноза одних признаков через набор других признаков. Например, оценить зависимость признака Х5 от набора признаков Х1-Х4, Х7-Х10 и т.д. Вот примерный список возможных задач и того как их можно кратко описать. 

Другая очень интересная задача - это исследование взаимосвязи двух подмножеств признаков между собой. Например, есть группа признаков Х1-Х9 (набор гематологических показателей) и другая группа признаков Y1-Y7 (набор биохимических показателей). Вопрос: имеется ли статистически достоверная связь этих двух подсистем организма? Не менее интересна и такая задача, как выделение объективно существующих локальных подгрупп объектов основываясь на схожести и несхожести объектов (пациентов) по набору количественных признаков. В общем все возможные задачи исследования трудно даже перечислить, для этого надо иметь исходный набор данных и описание признаков и общей задачи исследования. 

Обязательным элементов обучения является обучение методам построения информативных графиков, отображающих специфические стороны исследуемых процессов и явлений. К нашим решениям мы всегда даем очень подробное описание как постановки задачи, так и использованного метода. Как правило все результаты сопровождаются большим числом графиков, что облегчает понимание полученных результатов. Там же дается и подробное объяснение полученных результатов и ссылка на литературные источники с описанием использованных методов. Готовые файлы с этими материалами можно непосредственно загружать в компьютер и редактируя их, получать окончательные варианты глав отчетов, статей и т.д. 

Условие 6 (и последнее).
Стоимость обучения определяется исходя из объема решаемых задач и сроков, которые согласованы с курсантом. По Вашим данным составляется Программа обучения, которая согласовывается обеими сторонами с указанием срока обучения. Объем работ и соответственно стоимость обучения можно оценить только на основе конкретного Вашего набора данных (матрицы данных), перечня решаемых задач и согласованной Программы обучения. Поэтому высылайте электронной почтой матрицы и описание признаков и объектов, а также перечень вопросов, ответы на которые Вы хотели бы найти с нашей помощью. В процессе обучения курсанту высылаются учебные пособия из нашей электронной библиотеки.

 

Наш адрес:

1997 - 2017.© Василий Леонов

Возврат на главную страницу.

Возврат в КУНСТКАМЕРУ.