Biostatistics and Computer-based Analysis of Health Data using R

آمار زیستی و تجزیه و تحلیل مبتنی بر رایانه داده های سلامت با استفاده از نرم افزار R به این مفهوم می پردازد که بسیاری از اقدامات انجام شده توسط نرم افزارهای آماری به مدیریت، دستکاری یا حتی تبدیل داده های دیجیتال برمی گردد.

بنابراین درک نحوه نمایش داده های آماری و نحوه بهره برداری از آنها توسط نرم افزارهایی مانند R اهمیت اولیه دارد. در این کتاب، نویسندگان دستورات اساسی و متغیر، مقایسه نمونه ها، تجزیه و تحلیل واریانس را بررسی می کنند. ، مطالعات اپیدمیولوژیک و داده های سانسور شده.

با برنامه‌های پیشنهادی و نمونه‌هایی از دستورات پس از هر فصل، این کتاب به خوانندگان اجازه می‌دهد تا مفاهیم آماری پیشرفته‌ای را در داده‌ها و نرم‌افزار خود اعمال کنند.

• دارای دستورات مفیدی برای توصیف یک جدول داده ها متشکل از متغیرهای کمی و کیفی است
• شامل معیارهای ارتباطی است که در مطالعات اپیدمیولوژیک، نسبت شانس، خطر نسبی و شیوع وجود دارد
• تجزیه و تحلیل داده های سانسور شده را ارائه می دهد. آزمون‌های اصلی مرتبط با ساخت منحنی بقا (آزمون log-rank یا Wilcoxon)، و مدل رگرسیون کاکس

Biostatistics and Computer-Based Analysis of Health Data Using the R Software addresses the concept that many of the actions performed by statistical software comes back to the handling, manipulation, or even transformation of digital data.

It is therefore of primary importance to understand how statistical data is displayed and how it can be exploited by software such as R. In this book, the authors explore basic and variable commands, sample comparisons, analysis of variance, epidemiological studies, and censored data.

With proposed applications and examples of commands following each chapter, this book allows readers to apply advanced statistical concepts to their own data and software.

• Features useful commands for describing a data table composed made up of quantitative and qualitative variables
• Includes measures of association encountered in epidemiological studies, odds ratio, relative risk, and prevalence
• Presents an analysis of censored data, the key main tests associated with the construction of a survival curve (log-rank test or Wilcoxon), and the Cox regression model