دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Craig Mallinckrodt. Ilya Lipkovich
سری:
ISBN (شابک) : 9781498765312
ناشر: CRC
سال نشر: 2017
تعداد صفحات: 275
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Analyzing Longitudinal Clinical Trial Data: A Practical Guide به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های کارآزمایی بالینی طولی: راهنمای عملی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تجزیه و تحلیل داده های کارآزمایی بالینی طولی: یک راهنمای عملی، رویکردهای کاربردی و آسان برای پیاده سازی جدیدترین تئوری در مورد تجزیه و تحلیل داده های کارآزمایی بالینی طولی را در عمل معمول ارائه می دهد. این کتاب، با رویکرد مثال محور خود که شامل قطعات کد SAS و R متعددی است، یک منبع ضروری برای آماردانان و دانشجویان تحصیلات تکمیلی متخصص در تحقیقات پزشکی است.
نویسندگان توضیحات واضحی از تئوری آماری مربوطه ارائه میکنند و ملاحظات عملی را برای مدلسازی دادههای طولی نشان میدهند. موضوعات تحت پوشش شامل انتخاب نقطه پایانی و آزمون آماری است. ابزارهای مدل سازی و همبستگی بین اندازه گیری های مکرر. حسابداری برای متغیرهای کمکی؛ مدل سازی داده های طبقه بندی شده؛ تایید مدل؛ روشهایی برای دادههای ناقص (از دست رفته) که شامل آخرین پیشرفتها در تحلیلهای حساسیت، همراه با رویکردها و مسائل مربوط به انتخاب تخمینها میشود. و وسیله ای برای جلوگیری از داده های از دست رفته. هر فصل در پوشش یک موضوع به تنهایی می ایستد. فصلهای پایانی توصیههای مفصلی را در مورد نحوه ادغام این موضوعات مستقل در یک فرآیند توسعه مطالعه جامع و طرح تجزیه و تحلیل آماری ارائه میدهند.
Analyzing Longitudinal Clinical Trial Data: A Practical Guide provide practical and easy to implement approaches for bringing the latest theory on analysis of longitudinal clinical trial data into routine practice. This book, with its example-oriented approach that includes numerous SAS and R code fragments, is an essential resource for statisticians and graduate students specializing in medical research.
The authors provide clear descriptions of the relevant statistical theory and illustrate practical considerations for modeling longitudinal data. Topics covered include choice of endpoint and statistical test; modeling means and the correlations between repeated measurements; accounting for covariates; modeling categorical data; model verification; methods for incomplete (missing) data that includes the latest developments in sensitivity analyses, along with approaches for and issues in choosing estimands; and means for preventing missing data. Each chapter stands alone in its coverage of a topic. The concluding chapters provide detailed advice on how to integrate these independent topics into an over-arching study development process and statistical analysis plan.
Content: Background and Setting. Introduction. Objectives and estimands-determining what to estimate. Study design-collecting the intended data. Example data. Mixed effects models review. Modeling the observed data. Choice of dependent variable and statistical test. modeling covariance (correlation). Modeling means over time. Accounting for covariates. Categorical data. Model checking and verification. Methods for dealing with missing Data. Overview of missing data. Simple and ad hoc Approaches for dealing with missing data. Direct maximum likelihood. Multiple imputation. Inverse probability. Methods for incomplete categorical data weighted generalized estimated equations. Doubly robust methods. MNAR methods. Methods for incomplete categorical data. A comprehensive approach to study development and analyses. Developing statistical analysis plans. Example analyses of clinical trial data.