medstat.hu

Oktatás

Kérem, hogy ha valaki az itt szereplő anyagokat szeretné hivatkozni weboldalon, akkor ne bemásolja a fájl(oka)t, hanem a linkelje a címet, az anyagokat ugyanis folyamatosan frissítem (ezt mutatja a mindegyik elején szereplő dátum is).

Az orvosi megismerés módszertana (és az orvosi kutatások kritikus értékelése)

Manapság mind a laikusokra, mind az orvosokra csak úgy zúdulnak a különféle egészségügyi, orvosi információk, melyeket a helyükön kell(ene) kezelni. Tapasztalataim szerint ez az orvosoknak sem könnyű: az "evidence-based medicine" varázsszóként terjedése ellenére számos orvos valójában nem rendelkezik kellő jártassággal e téren. (Nem az ő hibájukból: az egyetemi biostatisztika oktatás inkább arra készít fel, hogy hogyan kell számokat gyártani, nem arra, hogy a mások által gyártott számokat hogyan kell értelmezni, értékelni.) Tényleg csökkenti-e a vérnyomást ez a vérnyomás-csökkentő gyógyszerjelölt? Okoz-e hasmenést mint mellékhatás? A vöröshús-fogyasztás növeli a rákkockázatot? A császármetszéssel születés vezethet 1-es típusú diabetészhez? - Ahhoz, hogy tudjuk, hogy e kérdéseket hogyan lehet megválaszolni (empirikusan), és ahhoz, hogy az ilyeneket megválaszoló kutatásokat értelmezni, értékelni - és kritikusan értékelni - tudjuk, az empirikus kutatások módszertani alapjait kell érteni. Ez már ma is fontos, és napról-napra csak egyre fontosabb lesz, mégpedig minden orvos számára. Ráadásul egyre nehezebbé is válik, különösen, hogy anyagilag vagy ideológiailag motivált szereplők is árasztják a különféle eredményeket. Mindezek egy jelentős része az érdeklődő laikusokra is ugyanúgy érvényes, akik nagyon hasonló problémákkal szembesülnek kedvenc újságjuk vagy weboldaluk Egészségügy rovatában...

Az itt található anyagok egyrészt segédanyagaim az orvosok, orvostanhallgatók oktatásában: a fenti motivációból fakadóan szívügyem e témakör bemutatása. Nem, ez nem "biostatisztika" (legalábbis abban az értelemben, amit a legtöbb orvos ért ez alatt), hanem, ha mindenképp címkéznünk kell, módszertan. Ahogy írtam is, ezek ismerete - szemben a biostatisztikával - véleményem szerint kivétel nélkül minden orvosnak fontos aki cikkeket olvas és akar megérteni, sőt, azt gondolom, hogy egyre inkább igaz, hogy az ilyen módszertani ismeretek ugyanúgy szükségesek egy cikk megértéséhez, ahogy mondjuk az élettani ismeretek. Ehhez nyújtanak segítséget ezek az anyagok, melyeket egyfelől rendszeresen tartott konferencia-előadásaimon, továbbképzéseimen használok, másfelől a SOTÉ-s kurzusom alapját is képezik. Emellett a jelentős részük úgy gondolom, hogy a téma iránt érdeklődő laikusok számára is abszolút hasznosítható. Ez utóbbit az Interpress Magazinba írt (nem szakmai) cikksorozatom is összefoglalja, mely az inkább csak orvosok számára érdekes részeket nem tárgyalja, de a többit alaposan körbejárja; ezekre szintén hivatkozom.

Különösen fontosnak tartom az orvosi kutatások kritikus értékelésének témakörét: mik a tipikus buktatók, csapdák, jóhiszemű és kevésbé jóhiszemű félreértési, félrevezetési lehetőségek - az anyag második fele inkább már ezekre tér ki.

Valamennyi anyagot nyilvánosságra hozok (nem vagyok híve az információk megtartásának); és minden észrevételt, hibajavítást, bővítési javaslatot a legnagyobb örömmel veszek hozzájuk!

• Pár történeti megjegyzés (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései, 1. rész. INTERPRESS MAGAZIN 38:(5) pp. 20-25. (2018).
• Az empirikus orvosi kutatások alapgondolata és a kauzalitás (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései, 2. rész: A tapasztalati megismerés alapgondolata és a confounding. INTERPRESS MAGAZIN 38:(6) pp. 66-73. (2018).
• A confounding problémája (slides, handout, lecturenote). Lásd előbb, a cikksorozat 2. részét.
• A confounding megoldásai: megfigyelés és kísérlet (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései, 3. rész: Megfigyelés és kísérlet. INTERPRESS MAGAZIN 38:(7) pp. 48-55. (2018).
• Okozati következtetések levonása megfigyeléses adatokból (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései, 4. rész: Megfigyeléses vizsgálatok a gyakorlatban. INTERPRESS MAGAZIN 38:9 pp.38-46. (2018).
• A véletlen szerepéről (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései, 5. rész: A véletlen szerepe az orvosi vizsgálatok kiértékelésében. INTERPRESS MAGAZIN 38:11 pp. 18-26. (2018). Cikként: Ferenci Tamás: Az orvoslás tévedései: A véletlen megszelídítése. INTERPRESS MAGAZIN 39:3 pp. 24-30. (2019).
• Bizonyitekok hierarchiája és összessége (slides, handout, lecturenote). Lásd előbb, a cikksorozat 3. részét.
• A végpont és meghatározása (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései: Hogyan mérjünk hatást? INTERPRESS MAGAZIN 39:4 pp. 28-33. (2019). Cikként: Ferenci Tamás: Az orvoslás tévedései: Kockázatok és hasznok. INTERPRESS MAGAZIN 39:7 pp. 30-35. (2019).
• Megfigyeléses vizsgálatok (slides, handout, lecturenote)
• Kísérletes vizsgálatok (slides, handout, lecturenote)
• Metaanalízisek (slides, handout, lecturenote)
• A következtető statisztikáról részletesebben (slides, handout, lecturenote)
• A legfontosabb félreértések a p-érték kapcsán (slides, handout, lecturenote). Cikként: Ferenci Tamás: Az orvoslás tévedései: Gondolkodási hibák a diagnosztikától a véletlen figyelembevételéig. INTERPRESS MAGAZIN 38:12 pp. 37-44. (2018).
• Klinikai és matematikai szignifikancia (slides, handout, lecturenote)
• Szignifikanciavadászat és a többszörös összehasonlítások helyzete (slides, handout, lecturenote)
• A statisztikai modellek alapjai (slides, handout, lecturenote)
• Rendszerszintű problémák (slides, handout, lecturenote)
• p-érték, hipotézistesztelés, és ellentmondásaik (slides, handout, lecturenote)
• A statisztikai határai (slides, handout, lecturenote)

Az összes dia egybefűzve (handout formátumban) is elérhető: Ferenci Tamás: Az orvosi megismerés módszertana (diasor).

Az anyagok módosítási naplója elérhető itt.

Népegészségtan és megelőző orvoslás

• Demográfia (slides, handout, lecturenote)
• Standardizálás (slides, handout, lecturenote)
• Megbetegedések lemérése: incidencia és prevalencia (egyelőre nincs diasor)
• Diagnosztikai tesztek statisztikai értékelése (egyelőre nincs diasor)

A tárgy aktuális információi itt érhetőek el.

Ökonometria I.

Az egész anyag - jegyzet formában - elérhető egyben is: Ferenci Tamás: Ökonometria I..

• Út az ökonometriához (slides, handout, lecturenote). Kulcsszavak: okozatiság (kauzalitás) vizsgálata, empirikus vizsgálat, kísérletes és megfigyeléses kutatások, confounding, regressziós modellek, sztochasztikusság, optimális regressziófüggvény a sokaságban, regresszió normális háttéreloszlás mellett, linearitás és jelentősége, regressziós modell alkalmazása: elemzés (tengelymetszet, meredekség és elaszticitás) és előrejelzés, modellminősítés, többszörös determinációs együttható, regressziós modellek használata a kauzalitás vizsgálatára, ceteris paribus feltevés, az ökonometriai munka.
• Regresszió a mintában: következtetés (slides, handout, lecturenote). Kulcsszavak: az OLS-elv és használata regresszió mintából történő becslésére, a becslése feladat megoldása, az OLS-becslőfüggvény, modellminősítés a mintában, mintavételi helyzet és következményei, a mintavételi ingadozás, az OLS-becslő mintavételi eloszlásának illusztrálása szimulációval, az OLS standard modellfeltevései, az OLS-becslő mintavételi eloszlásának analitikus levezetése a standard modellfeltevések mellett, Gauss-Markov-tétel, hibanormalitás és az OLS szolgáltatta becslések eloszlása hibanormalitás mellett, becslés és hipotézisvizsgálat a lineáris modellben (egy paraméter, modell egésze, egy vagy több lineáris megkötés).
• Modellszelekció és multikollinearitás (slides, handout, lecturenote). Kulcsszavak: modell általánosítóképessége, alulilleszkedés és túlilleszkedés, a többszörös determinációs együttható egyoldalú mivolta, megoldási lehetőségek, modellszelekciós tesztek (Wald- és LM-próbák), modellszelekciós kritériumok, korrigált többszörös determinációs együttható, információs kritériumok (pl. AIC), multikollinearitás fogalma, multikollinearitás hatása és jellemzése.
• A standard modellfeltevések, modelldiagnosztika (slides, handout, lecturenote). Kulcsszavak: erős exogenitás, kihagyott változó okozta torzítás, heteroszkedaszticitás okai, követkeményei, tesztelése és kezelése (HCCM, GLS, FGLS).
• Nemlineáris modellek (slides, handout, lecturenote). Kulcsszavak: marginális hatás általános értelmezése, linearitás és feloldása, additivitás feloldása, az interakció fogalma, a változónkénti linearitás feloldása, paraméterében és változójában nemlineáris modell, NLS-becslés, algebrai linearizáció, nevezetes, paraméterükben nemlineáris modellek, specifikációs tesztek, Ramsey RESET-teszt.
• Kategoriális magyarázó változók (slides, handout, lecturenote). Kulcsszavak: minőségi változó szerepeltetése magyarázó változóként, kódolás, dummy változó, triviális- és referencia-kódolás, dummy változó csapda, paraméter-értelmezés, ANOVA-modell, ANCOVA-modell, kontraszt-kódolás.
• A logisztikus regresszió és az általánosított lineáris modell (slides, handout, lecturenote). Kulcsszavak: bináris változó szerepeltetése eredményváltozóként, logisztikus regresszió, logisztikus regressziós modell becslése ML-elven, logisztikus regressziós modell alkalmazása (esélyhányados, klasszifikációs mátrix, szenzitivitás és specificitás, ROC-görbe), modelljellemzés és modellszelekció, az általánosított lineáris modell (GLM), Poisson-regresszió.

A tárgy aktuális információi a Moodle-ben érhetőek el.

Ökonometria II.

Az egész anyag - jegyzet formában - elérhető egyben is: Ferenci Tamás: Ökonometria II..

• Bevezetés az idősorelemzésbe (slides, handout, lecturenote). Kulcsszavak: idősor fogalma a sokaságban és a mintában, reprodukálhatatlanság problémája, az idősorelemzés jelentősége, idősorok legfontosabb jellemzői (várható érték-függvény, szórásnégyzet-függvény, autokovariancia függvény, autokorrelációs függvény, parciális autokorrelációs függvény).
• Determinisztikus idősorelemzés, idősorok szűrése (slides, handout, lecturenote). Kulcsszavak: a determinisztikus idősorelemzés alapgondolata, dekompozíciós idősormodellek megragadása regresszióval, trend, szezonalitás, szezonalitás kódolása referenciakódolással és kontrasztkódolással, paraméteres és nem-paraméteres formák, idősorok szűrése (mozgóátlag, súlyozott mozgóátlag, exponenciális mozgóátlag, HP-szűrő).
• Stacionaritás (slides, handout, lecturenote). Kulcsszavak: a stacionaritás fogalma, szükségessége, erős és gyenge stacionaritás, idősoros jellemzők mintából becslése, egy autokorreláció tesztelése és a Ljung-Box-teszt.
• Sztochasztikus idősormodellek (slides, handout, lecturenote). Kulcsszavak: a sztochasztikus idősormodellezési iskola alapfilozófiája, eltérése a determinisztikus idősormodellektől (a sztochasztikus és determinisztikus lineáris trend példája), fehérzaj-, mozgóátlagú-, autoregresszív- és ARMA-modell, az ARMA-modellek mélyebb vizsgálata késleltetési operátorral.
• Nemstacionaritás kezelése (slides, handout, lecturenote). Kulcsszavak: stacionarizálás és szükségessége, szubjektív módszerek a stacionaritás vizsgálatára, stacionarizáló transzformációk, trend- és differenciastacioner idősorok, az ARIMA-modell, egységgyök fogalma és tesztelése (DF- és ADF-teszt).
• Box-Jenkins eljárás, előrejelzés készítése (slides, handout, lecturenote). Kulcsszavak: a Box-Jenkins eljárás lényege, előrejelzések alapelvei, statikus és dinamikus előrejelzés, előrejelzések pontosságának minősítése.
• Idősorok regressziója (slides, handout, lecturenote). Kulcsszavak: exogén változójú idősormodellek, statikus és dinamikus regressziók, osztott késleltetésű modellek, FDL-modellek strukturálatlan és strukturált becslése, GDL-modellek, idősoros regressziók becslése OLS-sel, modellfeltevések, véges mintás és nagymintás tulajdonságok.

A tárgy aktuális információi a Moodle-ben érhetőek el.

Egyéb

Egyéb oktatott tárgyaim pedig erre vannak.

A biostatisztikát és alkalmazásait áttekintő előadásom (kb. 4 óra) anyaga különböző formátumokban: slides, handout és lecture note.

Tudomány

Különféle vegyes (tudományos és nem annyira tudományos) dolgozatok, jegyzetek, vázlatok stb. erre.

A matematikus diplomám itt érhető el.

'Publikálásról és pár kapcsolódó kérdésről kezdő kutatóknak' című anyagom különböző formátumokban: slides, handout és lecture note.

Hogyan szúrjuk ki a szemétkosárba való orvosi közleményeket?

Növekedési görbe rajzoló

Védőoltások

A védőoltásokkal, a védőoltás-ellenesek valótlan állításaival foglalkozó szakmai blogom itt érhető el, a tartalma "könyv" formájában pedig itt: Ferenci Tamás: Védőoltásokról - a tények alapján. A felhasznált irodalmi hivatkozások BibTeX-es formátumban innen tölthetőek le, a grafikonokat készítő R-es program pedig innen.

A blog tartalmának nagyon rövid összefoglalójaként ezt a cikksorozatomat tudom ajánlani (Gyermekgyógyászati Továbbképző Szemle, 20:(1) pp. 45-50. és 20:(2) pp. 99-104. 2015).

A fenti blogból, a Medicina Kiadó gondozásában "igazi" könyv is készült, melyről a részletek itt érhetőek el.

1. kiadás
(2014, 375 oldal)

2. kiadás
(2016, 508 oldal)

A védőoltásokkal és infektológiai témákkal kapcsolatos előadásaim anyagai itt érhetőek el.

Biostatisztika

"A nyüzsgő, mozgó embermilliók életében vannak fontos események, melyeket nem jegyez fel a történelem. Az egyes ember, a hétköznapi ember tettei és szenvedései, születése, megbetegedése és halála nem kerül a történetíró tollára; csak számszerint vétetnek ezek számba a statisztika által. Születnek és meghalnak egyesek folytonos örök körforgásban és a társadalom, az emberiség csak fennmarad. [...] Mindezek megfigyelésére ott áll az idők áradatában a statisztikus. [...] E jelenségek az embermilliók és intézményeik életjelenségei: a tömegjelenségek. Ezek megfigyelésére hivatott a statisztika. A statisztikus olyan mint a pilóta. Felvisz minket a magasba és megmutatja az embermilliókat. Városaikat, tömegeiket, gazdasági tevékenységüket, forgalmukat, a földeket, az erdőket: egyszerre mindent. Könyveivel, tábláival, rajzaival mindezt lelki szemeink elé tárja. De alaposabban, részletesebben mint a pilóta. Mégis megegyez vele abban, hogy minél magasabbra emelkedünk, minél inkább összevonunk, a részletek annál inkább elmosódnak. Ennek a tudománynak fontos része az egészségügyi statisztika, mely az emberek egészségére vonatkozó tömegjelenségekre vonatkozik. Az ezek megfigyelésének módszereire, a születésekre, különös tekintettel annak az orvost érdeklő pathologiás vonatkozásaira, a megbetegedésekre, az elhalálozásokra, a betegségek gyógyításának eredményességére és veszélyességi fokára, az emberi test méreteire, szervei működésére, az egészségügyi személyzetre, intézetekre és intézményekre. Az orvost is kell, hogy érdekelje a statisztika, különösen az egészségügyi statisztika. Nagy csapások jönnek, járványok sujtják a népességet s az orvosnak ismernie kell a jelenségek súlyát, a közre való fontosságát. [...] A gyógyító orvosi munkával az emberiség életében lévő egészségügyi tömegjelenségeknek mindig csak egy kis részletét látjuk. Saját praxisunkban előforduló esetlegességek szerint aztán hol túlozzuk, hol meg lebecsüljük az egyes jelenségeket. [...] Az egész tömegjelenségről pontos felvilágosítást csak a statisztika ad [...]. Ez ad áttekintést a gyakorlatban individualizáló, mindig csak az egyes eseteket látó orvosnak, a születések, a megbetegedések, az elhalálozások stb. eseményeinek a sok milliós néptömegekben való előfordulása, tömegjelenségei felett. A statisztika persze sok hibában szenved s lelkiismeretlen adatszolgáltatók sok hiányos és téves felvételi lapot szolgáltatnak be. [...] Az egészségügyi statisztikát tanuló orvosnak először azokat a felvételi lapokat kell megismernie, amelyekkel a legfontosabb jelenségek számbavétetnek. [...] Aztán ismernünk kell a feldolgozás módját s a nyert adatok mathematikai és grafikai megvilágításának útjait. Nagy hasznára lesz az orvosnak is, ha a széltében használt százalékokon és a számtani átlagon kívül a statisztikai megvilágítás némely sajátos fogalmát, pl. a modust, a mediant vagy a standard számítást is megismeri. A statisztika logikájának ismerete nélkül collectiv jelenségeknél nem lehet helyesen következtetni. A statisztikában a következtetés helyességének mathematikai kriteriumai vannak. A statisztikai sorok stabilitásának vizsgálata mondja meg, hogy a nyert átlag típikus-e avagy csak puszta számítási eredmény, jelentőség nélküli szimptomatikus közép. A nagy számoknak már Bernoulli valószínűségszámításából levezethető törvényét ismernünk kell, e nélkül nem tudjuk a különböző százalékok súlyát, jelentőségét mérlegelni, nem értjük egyikük változékony, másikuk állandó voltát. [...] A hazai egészségügyi intézmények, de az egészségügyet szolgáló személyzet: orvosok, bábák, gyógyszerészek, halottkémek stb. statisztikáját is érdemes lesz látnunk. Különösen ma, amikor az orvosok megélhetése is mind nehezebb lesz. [...] Lélekemelő látni a nagy egészségügyi intézetek hatalmas néptömegek életét meghosszabbító, nagyarányú, áldásos működésének statisztikáját s megismerni fejlődésüket, jelentőségüket. Mindezen tömegjelenségek igen fontosak az orvosra; ebből látja meg, hogy hol, mit és hogyan kell tenni hazánk fejlődése s a nemzet egészségügyének további fejlesztése céljából."

(Egészségügyi statisztika orvosok és orvostanhallgatók számára. Írta: pol., med. et oec. publ. Dr. Szél Tivadar miniszteri s.-titkár, a M. Kir. Központi Statisztikai Hivatalnál. Budapest, Magyar Orvosi Könyvkiadó Társulat, 1930.)

Ide jönnek az egyéb biostatisztikai anyagaim.

Rólam

Önéletrajzom itt, publikációs listám erre. Szerzői adatbázisok: Scopus, Google Scholar. Azonosító adatbázisok: ResearcherID, OrcID.

A régi email-címeim ( ft604@hszk.bme.hu és ferenci@fazekas.hu ) megszűntek, már nem léteznek - az azokra küldött levelek (értesítés nélkül) elvesznek. Új email-címem a fenti anyagokban.

Ferenci Tamás, 2010-2019.