USMLE SYNAPSE

Курс основан на материалах USMLE Step 1, Step 2 CK, Step 3

Наши эксперты собрали всю самую важную информацию из USMLE и представили ее в виде курса, которому нет аналогов!
На этом курсе вы поймете все самые важные статистические термины и показатели, научитесь интерпретировать научные статьи и абстракты.
Мы начинаем с базовых терминов и постепенно переходит к продвинутым!
Все пояснения на русском языке, а термины и презентации – на английском!

Малые группы – успей оставить заявку и записаться на курс!

Доказательная медицина - важнейший и основополагающий тренд современных реалий.

Понимание принципов доказательной медицины невозможно без умения пользоваться медицинской статистикой.

Знания медицинской статистики и умение их применять - уже не удел «избранных» а жизненная необходимость.

Study design, clinical trials

Descriptive vs Analytical studies (описательные и аналитические исследования)
Observational studies (наблюдательные исследования)
Clinical trials (клинические исследования)
Intention to treat vs As treated analyses (подходы к анализу данных пациентов,
сменивших группу исследования)

Measures of association and impact

Relative risk (относительный риск)
Odds ratio (отношение шансов)
Attributable risk (избыточный риск, разница рисков)
Absolute/relative risk reduction (уменьшение абсолютного/относительного риска)
Number needed to treat/harm (Число больных, которых необходимо лечить/индекс потенциального вреда)

Хочешь записаться на курс? Просто оставь свой телефон и почту!

Measures of disease occurrence. Statistical distribution

Incidence (заболеваемость/частота новых случаев)
Prevalence (распространённость)
Standardized incidence ratio (стандартизованное отношение заболеваемости)
Case-fatality ratio (коэффициент летальности)
Mortality (смертность)
Median survival time (средняя продолжительность жизни)
Measures of central tendency (параметры сдвига)
Measures of dispersion (параметры распределения)
Normal vs nonnormal distribution: bimodal, positive skew, negative skew (нормальное и ненормальное распределения: бимодальное, положительный сдвиг, отрицательный сдвиг

Bias and study errors

Selection bias (систематическая ошибка отбора)
Recall bias (систематическая ошибка памяти)
Confounding bias vs Effect modification (влияние вмешивающихся факторов и изменение эффекта)
Lead-time bias (систематическая ошибка различия длительности латентного периода)
Attrition bias (систематическая ошибка выбывания участников)
And many more: ascertainment, length-time, measurement, procedure, observer, susceptibility, prevalence, referral, detection, reporting, allocation biases; ecological fallacy, verification bias, health worker effect.

Common statistical tests. Precision vs Accuracy. Meta-analysis

t-test (t-критерий Стьюдента)
ANOVA (дисперсионный анализ)
chi-square (критерий хи-квадрат)
Fisher’s exact test (точный критерий Фишера)
Pearson correlation coefficient (коэффициент корреляции Пирсона)
Precision (прецизионность измерения)
Accuracy (правильность измерения)
Meta-analysis (мета-анализ)

Diagnostic testing

Sensitivity (чувствительность)
Specificity (специфичность)
Positive predictive value (прогностическая ценность положительного результата)
Negative predictive value (прогностическая ценность отрицательного результата)
Likelihood ratio (отношение правдоподобия)
Receiving operating characteristic curve (ROC-кривая, кривая ошибок)

Довольно часто биостатистика становится отстающей дисциплиной, её не любят и жалуются на неё. Важно этот предмет не недооценивать, приложить должные усилия и все таки разобраться в ней. А однажды разобравшись, по необходимости потом повторять, и знания помогут на всех экзаменах USMLE, но и к клинической практике для грамотной интерпретации научных публикаций.

Представим две истории:

Мы практикующие врачи. Существует болезнь Х, и мы нашли тест, который должен помочь поставить диагноз. Как понять, насколько вообще точен тест, и как часто он ошибается? Тут появляются концепции чувствительность и специфичность. Пациент спрашивает, какова вероятность, что тест прав или неправ после получения конкретного результата теста. Здесь использовать positive/negative predictive value.
Мы исследователи и хотим изучить болезнь Х. Описать её, выявить факторы риска, эффективность лечения. Нам нужно знать про методы исследований. При проведении исследования мы хотим увидеть правду и не хотим допустить системные ошибки (bias), поэтому их тоже изучим. Получив данные, нужно посчитать количественные measures of association and impact, характеризующие взаимосвязь заболевания с фактором риска или эффективность лечения или профилактики. Например, болезнь Х в 5,4 раза чаще встречается в группе, потребляющей мюсли, относительный риск заболевания при потреблении мюслей - 5,4. Но исследование исследованию рознь, и мы задаём новые вопросы. Полученные данные получились случайным образом или действительно лечение или фактор риска оказывают влияние на болезнь? В жизни (в человеческой популяции) найденная взаимосвязь тоже есть и какая? Нужно удостовериться, что результаты неслучайны, и перенести результаты с ограниченной выборки испытуемых в реальность. Тут полезными будут confidence interval и null hypothesis. А еще изучим литературу, расшифруем абстракты других исследований и результаты мета-анализов.

Умело использовать статистику просто необходимо для специалиста в наше время!

Стажировался в штате Maryland (Johns Hopkins Suburban Hospital, Silver Spring Hospital), New York и Houston.

Выпускник USMF N. Testemitanu (Кишинев, Молдова).

"Считаю своей задачей помочь таким же амбициозным докторам, как и я, избежать ошибок и пустой траты времени при подготовке к USMLE. Основываясь на своем опыте, старюсь давать на занятиях концентрат изученного, без лишней воды, донося сложную информацию простыми словам. С радостью делюсь накопленными знаниями, а также всеми источниками и лайфхаками, которые использовал при подготовке для того, чтобы Ваш процесс изучения был более эффективным. Дружелюбная атмосфера и нацеленность на результат – неотъемлемые компоненты каждого занятия."