Фармакология и математика

Математическая статистика в

экспериментальной и клинической

фармакологии

«Сложно ли увидеть простое»

наблюдение

информация

знания

Жизненный цикл извлечения знаний

знание

разработка

услуга, продукт

Жизненный цикл извлечения знаний

80% исследований содержат ошибки идефекты

Смещение фокуса внимания в сторону маркетинга

врачей плохо разбираются в вопросах статистики и

90% биостатистики

Выходповышение

профессиональной грамотности в вопросах

роли вероятностив деятельности

врача

?

6 проблем,рассмотренных в данной

монографии

Статистические критерии

• критерии оценки статистических гипотез• условия использования критериев• параметрические и непараметрические критерии• нормальное распределение• работа с «аномальными» значениями

Многомерные данные

• многомерность современных данных• дисперсионный анализ• критерии множественного сравнения• регрессионный анализ• нелинейная регрессия

Data mining (поиск скрытых знаний)

• проблема больших выборок• базы данных• OLAP системы и их применение• нейронные сети и их применение• деревья решений (decision tree)

Дизайн клинического исследования

• формирование дизайна• рандомизация• выбор метода анализа данных• работа с «пропусками»• интерпретация данных• выбор программного обеспечения для анализа

Клинико экономический анализ

• метод затраты – эффективность• оценка стоимости болезни• построение формулярных списков• ABC/VEN анализ

Оценка зависимости «доза – эффект»

• кривая выживаемости• пробит анализ, техника выполнения• сравнительная оценка токсичности препаратов

статистика

Многомерные методы

Data miming

Дизайн исследования

Критерии

Био-эквивалентность

Фармако-экономика

Д.м.н., проф. Р.Х.Хафизьянова

Email: rofija_kh@mail.ruhttp://pharmdoc.narod.ru

Казанский государственный

медицинский университет