Data analysis
Dotaz
Zobrazit nápovědu
elektronický časopis
- MeSH
- interpretace statistických dat MeSH
- statistické modely MeSH
- věkové faktory MeSH
- věkové skupiny MeSH
- Konspekt
- Demografie. Populace
- NLK Obory
- demografie
- NLK Publikační typ
- elektronické časopisy
online
- Konspekt
- Biochemie. Molekulární biologie. Biofyzika
- NLK Obory
- biologie
- lékařská informatika
- NLK Publikační typ
- www dokumenty
Množství dostupných dat, která jsou relevantní pro podporu klinického rozhodování, roste mnohem rychleji, než naše schopnost je analyzovat a interpretovat. Proto dosud není plně využit potenciál dat přispět ke stanovení správné diagnózy, terapie a prognózy jednotlivého pacienta. Měřená data mohou zajistit konkrétní přínos pro konkrétního pacienta, což však platí jen v případě, že jejich biostatistická analýza je provedena spolehlivě a pečlivě. To vyžaduje řešit výzvy, které se mohou jevit nesrozumitelnými pro nestatistiky. Cílem tohoto článku je diskutovat principy statistické analýzy velkých dat ve výzkumu i rutinních aplikacích v klinické medicíně, se zvláštním zřetelem na specifické aspekty psychiatrie. Biostatistická analýza dat ve speciálním oboru vyžaduje své specifické přístupy a odlišné zkušenosti oproti jiným klinickým oblastem, jak dokládají komplikace při analýze psychiatrických dat. Analýza velkých dat v psychiatrickém výzkumu i rutinních aplikacích je velmi vzdálena pouhé servisní činnosti využívající standardní metody mnohorozměrné statistiky a/nebo strojového učení.
The amount of available data relevant for clinical decision support is rising not only rapidly but at the same time much faster than our ability to analyze and interpret them. Thus, the potential of the data to contribute to determining the diagnosis, therapy and prognosis of an individual patient is not appropriately exploited. The hopes to obtain benefit from the data for an individual patient must be accompanied by a reliable and diligent biostatistical analysis which faces serious challenges not always clear to non-statisticians. The aim of this paper is to discuss principles of statistical analysis of big data in research and routine applications in clinical medicine, focusing on particular aspects of psychiatry. The paper brings arguments in favor of the idea that the biostatistical analysis of data in a specialty field requires different approaches and different experience compared to other clinical fields. This is illustrated by a description of common complications of the analysis of psychiatric data. Challenges of the analysis of big data in both psychiatric research and routine practice are explained, which are far from a routine service activity exploiting standard methods of multivariate statistics and/or machine learning. Important research questions, which are important in the current psychiatric research, are presented and discussed from the biostatistical point of view.
Statistics for biology and health
[1st ed.] xiv, 502 s., grafy, tab.
2. vyd 338 s. : il.
... about Change 7 -- 1.3 Three Important Features of a Study of Change 9 -- 2 Exploring Longitudinal Data ... ... on Change 16 -- 2.1 Creating a Longitudinal Data Set 17 -- 2.2 Descriptive Analysis of Individual Change ... ... Examining Estimated Fixed Effects 68 -- 3.6 Examining Estimated Variance Components 72 -- 4 Doing Data ... ... Analysis with the Multilevel Model for Change 75 -- 4.1 Example: Changes in Adolescent Alcohol Use 76 ... ... for Characterizing the Distribution of Discrete-Time -- Event Occurrence Data 339 -- 10.3 Developing ...
xx, 644 s. : il, tab. ; 24 cm
- MeSH
- longitudinální studie MeSH
- sociální vědy metody MeSH
- výzkum MeSH
- výzkumný projekt MeSH
- Publikační typ
- monografie MeSH
- Konspekt
- Sociologie
- NLK Obory
- sociologie
Texts in statistical science
1st ed. xiv, 699 s.
Lecture notes in computer science ; 3337
xi, 508 stran