Яндекс.Метрика СТАТИСТИЧЕСКИЙ АНАЛИЗ ДАННЫХ ДЛЯ МЕДИКОВ

Каждый слышит то, что понимает. Гете

Статистика посещаемости БИОМЕТРИКИ

16.05.2011 г. на сайт пришло 2561 человек, открывших 3205 страниц
14.11.2011 г. на сайт пришло 2106 человек, открывших 3250 страниц
14.12.2011 г. на сайт пришло 2640 человек, открывших 3452 страницы
17.01.2012 г. на сайт пришло 2439 человек, открывших 3097 страниц
03.03.2012 г. на сайт пришло 2219 человек, открывших 3019 страниц
30.05.2012 г. на сайт пришло 3512 человек, открывших 4706 страниц
06.03.2014 г. на сайт пришло 2556 человек, открывших 3179 страниц
08.02.2015 г. на сайт пришло 2341 человек, открывших 2682
страницы

Если приходят, значит полезное находят.
 
Пишите нам на адрес

Выбрав любое изображение, кликните по нему мышкой, и Вы прочитаете о статистике ...

Редактор БИОМЕТРИКИ
В. Леонов

Яндекс
цитирования
Яндекс цитирования
 
25 наиболее популярных ссылок, посещаемых читателями нашего сайта

http://www.biometrica.tomsk.ru/logit_8.htm
http://www.biometrica.tomsk.ru/kuzbass5.htm
http://www.biometrica.tomsk.ru/student.htm
http://www.biometrica.tomsk.ru/kuzbass6.htm
http://www.biometrica.tomsk.ru/erevan_4.html
http://www.biometrica.tomsk.ru/principals.htm
http://www.biometrica.tomsk.ru/kk.htm
http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/stat_cardio1.htm
http://www.biometrica.tomsk.ru/error.htm
http://www.biometrica.tomsk.ru/paradigma.htm
http://www.biometrica.tomsk.ru/index.htm
http://www.biometrica.tomsk.ru/freq1.htm

http://www.biometrica.tomsk.ru/logit_1.htm
http://www.biometrica.tomsk.ru/cluster_3.htm
http://www.biometrica.tomsk.ru/k_s.htm
http://www.biometrica.tomsk.ru/edu_1.htm
http://www.biometrica.tomsk.ru/potencial.htm
http://www.biometrica.tomsk.ru/kuzbass2.htm
http://www.biometrica.tomsk.ru/ftp/dict/cult/gramm.htm
http://www.biometrica.tomsk.ru/biometrica_15.htm
http://www.biometrica.tomsk.ru/stat_cardio5.htm
http://www.biometrica.tomsk.ru/krasnojarsk.htm http://www.biometrica.tomsk.ru/erevan_3.html
http://www.biometrica.tomsk.ru/logit_6.htm

 

Примеры результатов анализа данных в диссертациях по медицине и биологии
В.В. Половинкин
. ТОТАЛЬНАЯ МЕЗОРЕКТУМЭКТОМИЯ — ФАКТОР ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЛЕЧЕНИЯ СРЕДНЕАМПУЛЯРНОГО И НИЖНЕАМПУЛЯРНОГО РАКА ПРЯМОЙ КИШКИ.

Н.Г. Веселовская.  КЛИНИЧЕСКОЕ И ПРОГНОСТИЧЕСКОЕ ЗНАЧЕНИЕ ЭПИКАРДИАЛЬНОГО ОЖИРЕНИЯ У ПАЦИЕНТОВ ВЫСОКОГО СЕРДЕЧНО-СОСУДИСТОГО РИСКА.

О.Я. Васильцева. ЗАКОНОМЕРНОСТИ ВОЗНИКНОВЕНИЯ, КЛИНИЧЕСКОГО ТЕЧЕНИЯ И ИСХОДОВ ТРОМБОЭМБОЛИИ ЛЕГОЧНОЙ АРТЕРИИ ПО ДАННЫМ ГОСПИТАЛЬНОГО РЕГИСТРА ПАТОЛОГИИ.

В.А. Габышев.  ФИТОПЛАНКТОН КРУПНЫХ РЕК ЯКУТИИ И СОПРЕДЕЛЬНЫХ ТЕРРИТОРИЙ ВОСТОЧНОЙ СИБИРИ.


Последние отзывы на проведённый анализ данных

Надинская М.Ю.,к.м.н., доцент кафедры пропедевтики Первого МГМУ им.И.М.Сеченова.
С сайтом www.biometrica.tomsk.ru  я познакомилась около 10 лет назад, когда в России начали широко обсуждать «доказательную медицину». На этом сайте о «доказательной медицине» не только говорили, но и предлагали её «делать», проводя современный статистический анализ данных исследований. Некоторое время назад мне представилась возможность принять участие в этом процессе. Выслала свою Базу данных и её описание в соответствии с представленными на сайте образцами, и в тот же день получила приглашение обсудить через Скайп возможности статистического решения задач моего исследования...

Левашёва Светлана Владимировна, аспирант Башкирского Государственного Медицинского Университета, г. Уфа.
Нужна грамотная и быстрая обработка материала для диссертации? Даже не сомневайтесь – Вам сюда! До обращения в Центр «БИОСТАТИСТИКА» я уже делала попытку обработать собранные мною данные (у практикующего статистика). В итоге получила результаты, о значениях которых мне так и не было дано внятного ответа... 
 

Коровкина Анна, врач-стоматолог, г. Калиниград.
Добрый день, уважаемые коллеги! Из всех прочитанных отзывов я поняла, что буду «первой» из профессии стоматологов. Знакомство c Леоновым Василием Петровичем произошло думаю не случайно, потому как до сих пор не могу остановится в написании научных трудов. Сайт БИОМЕТРИКА открыл для меня безграничные возможности статистической обработки данных и внедрение их в клиническую практику..
.

В.А. Габышев, ИРаботая над докторской диссертацией, я постепенно пришел к убеждению, что мне необходимо применить современные статистические методы. Материал для своей работы собирал много лет, получился серьёзный массив данных о флористическом, ценотическом составе фитопланктона рек Восточной Сибири, о гидрохимии и других параметрах среды...нститут биологических проблем криолитозоны СО РАН, Якутск.

Хван Н.В., Алматы, Казахстан Уважаемые диссертанты! Хочу поделиться своим опытом сотрудничества со специалистами Центра «Биостатистика».

Гражданкина Д.В., НГМУ, Новосибирск
. Работаю я ассистентом кафедры эндокринологии Новосибирского медуниверситета. Вопрос о том, как и кому выполнять статистический анализ данных для диссертаций, статей по медицине, волновал меня довольно давно...

Веселовская Н.Г., Алтайский кардиоцентр, Барнаул. Хочется поделиться своими впечатлениями от работы с центром БИОСТАТИСТИКА. Итак, это не первое моё сотрудничество с центром. В 2006 г центром БИОСТАТИСТИКА был проведён анализ материала, который вошёл в мою кандидатскую диссертацию...  

Поддубная О.А., доктор медицинских наук, доцент кафедры Восстановительной медицины, физиотерапии и курортологии Сибирского Государственного медицинского университета

Медянникова И.В., кандидат медицинских наук, ассистент кафедры акушерства и гинекологии Омской государственной медицинской академии

Крупская Ю.А. (Ростов-на-Дону)

Чекмарев А.С., аспирант кафедры дерматовенерологии, микологии и косметологии РМАПО, член совета студентов медицинских и фармацевтических ВУЗов при Министерстве Здравоохранения и Социального развития России (Москва)

Максимова С.С., с.н.с. НИИ здоровья, Якутск


Новые отзывы по дистанционному обучению статистике

Сафонова В.Р., Ханты-Мансийская госмедакадемия, кафедра нормальной и патологической физиологии 

Ванинцева Н.Н. Санкт-Петербург 

Бурмистрова Т.Г., лаборатория нарушений сердечного ритма РНПЦ Кардиология, Минск.

Карчевская К.В., Федеральный центр сердечно-сосудистой хирургии г. Пенза


Петри А., Сэбин К. Наглядная медицинская статистика. Учебное пособие. 3-е издание. Пер. с англ. В.П. Леонова. 2015. - 216 с.
Предыдущие издания оригинала этой книги были опубликованы в 2000, 2005 и 2009 гг. Третье издание книги, как и два предыдущих, имеет целью донести до читателя основные понятия и принципы медицинской статистики, которые достаточно широко используются зарубежными медиками и биологами.

Леонов В.П. "Статистика в кардиологии. 15 лет спустя". Журнал "Медицинские технологии. Оценка и выбор", 2014, №1, с. 17-28.

Отзывы читателей обзора "Статистика в кардиологии. 15 лет спустя".

Реалии кардиологической науки в Российском кардиологическом научно-производственном комплексе. Читайте приказы ВАК № 353/нк, № 354/нк, № 355/нк об отказе в выдаче дипломов кандидата наук.

Доклад ЮНЕСКО по науке 2010 г.

Балакшина Н.Г., Кох Л.И., Леонов В.П. ПРОГНОЗИРОВАНИЕ ИСХОДОВ ХИРУРГИЧЕСКОГО ЛЕЧЕНИЯ ГНОЙНЫХ ВОСПАЛИТЕЛЬНЫХ ЗАБОЛЕВАНИЙ ПРИДАТКОВ МАТКИ

ГОСТ Р 50779.10-2000 «Статистические методы. Вероятность и основы статистики. Термины и определения», М.: Госстандарт России.

БИОМЕТРИКЕ - 15 лет! А что было раньше? И что теперь?  Леонов В.П.
15 лет... Возраст немалый... Как появился наш сайт? И стал ли он популярным?
Первоначально наш сайт был разделом на сайте Доктор.Ру, который был создан в Хабаровске. Вот как выглядел этот раздел, например, 20 июля 2001 года. Поскольку в те годы скорость передачи информации в интернете была невысокая, то для облегчения доступа к материалам БИОМЕТРИКИ мы открыли "зеркала" (копии) в таких городах, как Томск, Владивосток, Москва, Киев. В дальнейшем, когда сайт Доктор.Ру переехал в Москву, был сделан отдельный хостинг БИОМЕТРИКИ в Томске. Со временем необходимость наличия "зеркал" сайта в других городах отпала, и БИОМЕТРИКА осталась в Томске. Читатели БИОМЕТРИКИ в своих письмах часто задают вопрос о том, каковы были мотивы создания этого сайта? Чтобы немного рассказать об этом, вернёмся на 27 лет назад, в прошлое.

Применение методов статистики в кардиологии (по материалам журнала "Кардиология" за 1993-1995 гг.). Леонов В.П. Кардиология, 1998, № 1, с. 55-58. Леонов В.П. Общие проблемы применения статистики в биомедицине, или что разумнее: ДДПП или ДППД? 

Международная конференция по доказательной медицине в Ереване (18 - 20.10.2012)

В 2012 году исполнилось 10 лет со дня создания "Армянского медицинского реферативного журнала". В связи с этой датой главный редактор АМРЖ Рубен Ованесян организовал международную конференцию "Доказательная медицина в Армении: миф или реальность?". Конференция прошла в Ереване 18-20.10.2012. Ниже мы приводим материалы этой конференции

Ереванская фото-биометрика. Фоторепортаж о конференции в Ереване.
Ереванская Декларация.   YEREVAN DECLARATION.
Программа конференции. Доказательная медицина в Армении: вчера, сегодня, завтра…
Рубен Ованесян. Этические и методологические основания для основных лекарственных программ.
В.В. Власов. Президент общества специалистов доказательной медицины. Systematic reviews: a synthesis of trials or a trail of syntheses? Збыш Федорович (Zbis Fedorovicz). Проблема институционализации доказательной медицины. Бащинский С.Е., издательство Медиа Сфера Семиология, клиническая эпидемиология и доказательная медицина. Н.А. Зорин. Московское отделение ОСДМ. Современная клиническая публикация: - стандарты публикации, - дизайн исследования, - институт авторства, - конфликт интересов. Воробьев К.П. Украина, Луганск. http://www.vkp.dsip.net   Методология обсервационных исследований: достоверность и обобщаемость результатов. Климова Т.М. НИИ здоровья Северо-Восточного федерального университета им. М.К. Аммосова, г. Якутск, Мастер-класс. Збыш Федорович (Zbis Fedorovicz)  Программа профилактических осмотров: основания включения в программу скрининговой технологии. Е.Н. Новичкова. Центр доказательной медицины, кафедра семейной медицины ММА им. И.М.Сеченова 

Зачем нужна статистика в доказательной медицине?  В. Леонов. Армянский медицинский реферативный журнал, 2012, вып. 9, с. 184-193.

Почему и как надо учить медиков статистике?
В. Леонов.

От идеальной модели к реальной клинической практике. Круглый стол с острыми углами. Н.А. Зорин. Московское отделение ОСДМ. Конфликты интересов в медицине. Управление конфликтом интересов с использованием принципов доказательной медицины. Воробьев К.П. Украина, Луганск. http://www.vkp.dsip.net Принятие клинического решения на основе принципов научно-обоснованной медицины: идеальная модель и текущая клиническая практика. Воробьев К.П. Украина, Луганск. http://www.vkp.dsip.net

 

Центр БИОСТАТИСТИКА выполняет работы по статистическому анализу экспериментальных данных уже более 30 лет. В его составе исследователи России, США, Израиля, Англии, Канады и других стран. Услугами Центра пользуются аспиранты и докторанты в области медицины, биологии, социологии, психологии и т.д. (См. далее )



  Отзывы заказчиков по статистическому анализу данных


ИССЛЕДОВАНИЕ ЭКОНОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ДОСТУПНОСТИ 
ФАРМАЦЕВТИЧЕСКОЙ ПОМОЩИ НАСЕЛЕНИЮ ОМСКОЙ ОБЛАСТИ


Содержание
Введение
1.       Обзор литературы
1.1.    Характеристика лекарственной помощи 
1.2.    Законодательные основы обеспечения лекарственной помощи
1.2.1. Законодательные основы лекарственной помощи населению Омской области 
1.3.    Типизация территориальных образований как инструмент выявления основополагающих
          проблем их развития
2.       Исследовательская часть
2.1.     Характеристика объекта исследования
2.1.1.  Географическая характеристика Омской области 
2.1.2. Характеристика медицинской помощи
2.1.3. Характеристика фармацевтической помощи
2.2.     Характеристика методов исследования
2.2.1. Результаты исследования
2.2.2. Результаты дискриминантного анализа по социально-экономическим показателям
2.2.3. Результаты дискриминантного анализа показателей,характеризующих уровень развития
          фармацевтической помощи
2.2.4. Результаты изучения взаимосвязи социально-экономических и фармацевтических  признаков
2.3.    Результаты регрессионного анализа 
          Выводы
          Список использованной литературы
          Приложение


2.2.1. Результаты исследования
Цели анализа данных предполагали выделение однородных группировок наблюдений (районов, лет), используя при этом два подмножества количественных признаков. Первоначально группировка методом кластерного анализа производится с использованием показателей социально-экономического развития районов Омской области. Далее аналогичная группировка производится на основе показателей характеризующих уровень развития фармацевтического рынка в районах Омской области. При выполнении кластерного анализа использовался метод Варда с евклидовой метрикой оценки межкластерного расстояния [5, 11].

Цели анализа данных предполагали выделение однородных группировок наблюдений (районов, лет), используя при этом две подмножества количественных признаков. Первоначально группировка методом кластерного анализа производится с использованием показателей социально-экономического развития районов Омской области. Далее аналогичная группировка производится на основе показателей характеризующих уровень развития фармацевтического рынка в районах Омской области. При выполнении кластерного анализа использовался метод Варда с евклидовой метрикой оценки межкластерного расстояния [5,11]. Для элиминации разномаштабности используемых признаков исходная матрица данных трансформировалась к нулевому среднему и единичному стандартному отклонению.

Ниже приведен график с результатом кластеризации 99 наблюдений по социально-экономическим показателям. На графике (рис. 5) достаточно четко выделяются 4 группы наблюдений, г. Омск выделился в отдельный кластер из 4-х наблюдений - кластер 4. 


Рис. 5

При "разрезании" данной дендрограммы на уровне межкластерного расстояния равного 20 мы получаем четыре четко выраженных группировки - кластера. При этом составы данных группировок следующие: 
Группа 1 состоит из наблюдений с номерами: 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 51, 54, 57, 60, 66, 69, 72, 75, 78, 81, 87, 90, 93, 96, 99 (30 наблюдений 1999г. всех районов области кроме Омского и Таврического ).

 Группа 2 состоит из наблюдений с номерами:7, 10, 11, 13, 14, 16, 17, 19, 25, 26, 31, 32, 34, 35,43, 44, 46, 47, 50, 55, 56, 64, 65, 67, 68, 70, 71, 73, 74, 76, 77, 82, 83, 84, 85, 86, 88, 89, 91, 92, 94, 94, 95, 97,98 (вся северная лесостепь и 75% степной зоны в 1997-1998 гг.). 

Группа 3 состоит из наблюдений с номерами:4, 5, 8, 20, 22, 23, 24, 28, 29, 37, 38, 40, 41, 52, 53, 58, 59, 61, 62, 63, 79, 80 (вся южная лесостепь и 25%степной зоны в 1997-1998 гг.).

Группа 4 состоит из наблюдений с номерами 1,2,3 (г. Омск за 1997-1999гг. )

Так к первой группе относятся все территории области в 1999г., так как  произошла стабилизация социально–экономической ситуации региона (повышение среднемесячной заработной платы, увеличение уровня инвестиций в основной капитал, увеличение уровня розничного товарооборота).
Ко второй группе относятся наблюдения удаленные от административного центра (г. Омск),
К третьей группе относятся местности, близко прилегающие к административному центру (г. Омск), поэтому они характеризуются высокой развитостью инфраструктур, и, следовательно, более высокий уровень развития социально–экономических параметров региона. 

Рис. 6

В том случае, когда для кластеризации наблюдений не используется признак VAR24 - общий объем рецептуры (отсутствует показатель за 1997 г.) рецептов, на дендрограмме четко видны 5 кластеров, далее объединяющиеся в две большие группы наблюдений (см. рис. 6). Однако при включении признака VAR24 в анализ, мы получаем иную дендрограмму, состоящую из 4-х кластеров (см. рис. 7).
При "разрезании" дендрограммы рис. 6 на уровне межкластерного расстояния равного 4 мы получаем четыре четко выраженных группировок – кластера, причем 3 и 4 кластер объединяются в один. При этом составы данных группировок следующие:
 Группа 1 состоит из наблюдений с номерами: 30, 32, 33, 35, 50, 54, 60, 87, 90, 93, 96 (30, в 1999г., 32, 33 в1998,1999 г., 35,50 в 1998 г., 54, 0, 87, 90, 93, 96 в1999 г.)

Группа 2 состоит из наблюдений с номерами: 14, 15, 48, 51, 83, 84 (14, 15–1998, 1999 г., 48-1999 г.,51–1999г.,83, 84–1998, 1999 г.) 

Группа 3 состоит из наблюдений с номерами: 6, 8, 9, 20, 21, 23, 24, 26, 27, 36, 38, 39, 41, 42, 44, 45, 47, 53, 56, 57, 59, 66, 72, 75, 33, 89, 92, 95, 96, 98, 99 (6, 9, 21,24, 27, 36, 39, 42, 45, 57, 66, 72, 75, 81, 96, 99 наблюдения в 1999 г., 8, 20, 23, 26, 38, 41, 44, 47, 53, 56, 59, 89, 92, 95 наблюдения в 1998 г.).
Группа 4 состоит из наблюдений с номерами: 5, 11, 12, 17, 18, 29, 68, 69, 77, 78, 86, (5, 11, 17, 29, 68, 77, 86, наблюдения в 1998 г., 12, 18, 78 наблюдения в 1999 г.).


Рис. 8

При включении в анализ показателя общего объема рецептуры наблюдается иная группировка районов. Однако и в этом случае видно дальнейшее объединение наблюдений в две крупных группировки. Дальнейший анализ результатов кластеризации включал проведение дискриминантного анализа, с использованием номера кластера в качестве группирующего признака. 

2.2.2 Результаты дискриминантного анализа по социально-экономическим показателям 
 Массив данных состоял из 99 наблюдений представленных в приложении 1.
 Ниже приведены результаты дискриминантного анализа для четырех кластеров (группировок) наблюдений, полученных ранее с помощью процедуры кластерного анализа по социально-экономическим показателям. Теперь с помощью дискриминантного анализа попытаемся установить, какие именно признаки вносят наибольшие вклады в выделение этих трех группировок, т.е. по каким именно признакам эти социально-экономические группировки имеют наибольшие различия. 

Дискриминантный анализ проводится с помощью пошагового алгоритма. На каждом шаге в дискриминантную функцию вводится один признак.
 В данном варианте использовались следующие социально-экономические признаки:VAR1, VAR2, VAR3, VAR4, VAR5, VAR6, VAR7, VAR8, VAR9, VAR10, VAR11, VAR12, VAR13, VAR14, VAR15, VAR16, VAR17, VAR18, VAR30, VAR31 (см. приложение 1).
После проведения пошагового дискриминантного анализа статистически значимыми оказались следующие признаки: VAR17, VAR7, VAR6, VAR5, VAR13, VAR18, VAR12, VAR8,  VAR1, VAR14, VAR15, VAR11.

 Критерием отнесения признаков к группе социально значимых является величина p-lever – достигнутый уровень значимости. Значение которой не должно превышать 5%. Поэтому в тех случаях когда p-lever менее 0,05 нулевая гипотеза отвергается. Результаты дискриминантного анализа представлены в табл.№ 1.

Таблица 1
Результаты пошагового дискриминантного анализа социально-экономических признаков

                     Wilks'       Partial      F-remove                                   1-Toler.
  N=99        Lambda     Lambda     (3,84)         p-level        Toler.    (R-Sqr.)
  VAR17      ,000672    ,084577   303,0589    ,000000    ,164974    ,835026
  VAR7        ,000094    ,605061     18,2763    ,000000    ,125998    ,874002
  VAR6        ,000078    ,732249     10,2384    ,000008    ,408706    ,591294
  VAR5        ,000077    ,741956       9,7381    ,000014    ,324963    ,675037
  VAR13      ,000078    ,725221     10,6089    ,000005    ,227577    ,772423
  VAR18      ,000086    ,662047     14,2931    ,000000    ,586823    ,413177
 VAR12       ,000072    ,792009       7,3532    ,000196    ,801267    ,198733
  VAR8        ,000068    ,835816       5,5002    ,001690    ,136359    ,863641
  VAR1        ,000062    ,917008       2,5341    ,062355    ,345004    ,654996
  VAR14      ,000063    ,895815       3,2565    ,025603    ,804330    ,195670
  VAR15      ,000066    ,855693       4,7220    ,004288    ,430879    ,569121
  VAR11      ,000066    ,866667       4,3077    ,007079    ,218139    ,781861

При анализе величины l-toler (коэффициент детерминации R2) таблицы 1 видно, что наибольшее значение имеют общий объем розничного товарооборота, площадь территории, количество койко – дней, смертность,  выбросы загрязняющих веществ, плотность автодорог с твердым покрытием, численность врачей на 10 тыс. населения, начисленная среднемесячная заработная плата и  т.д. по убыванию величины R2 .

 В таблице 2 представлены признаки, не вошедшие в дискриминантные функции, т.к. достигнутый 
уровень значимости значительно превышает критическое значение 5%.

Таблица 2
Список признаков не вошедших  в дискриминантную функцию

                    Wilks'        Partial                  F to                                   1-Toler.
  N=99        Lambda     Lambda      enter     p-level            Toler.       (R-Sqr.)
  VAR2        ,000054    ,949002   1,486777    ,224133    ,103603    ,896397
  VAR4        ,000054    ,949397   1,474646    ,227414    ,359520    ,640480
  VAR9        ,000055    ,960520   1,137169    ,338938    ,729157    ,270843
  VAR10      ,000055    ,974372     ,727684    ,538333    ,273554    ,726446
  VAR16      ,000054    ,946404   1,566797    ,203594    ,458973    ,541027

Таким образом, можно сделать вывод о том, что из 18 социально – экономических признаков  значимыми оказались только 13. Такие показатели, как численность постоянного населения, численность безработных, обеспеченность населения жильем, рождаемость, количество посещений в ЛПУ не оказывают существенного влияния на социально – экономическую обстановку региона.

Таблица 3
Классификационная функция для случая 4-х кластеров.

                  Variable             p=,30303         p=,45455           p=,21212         p=,03030
                                                  G1:1                 G2:2                  G3:3                G4:4
                    VAR17                 -,000                -,000                    -,000              ,000
                    VAR7                   -,033                -,030                    -,026            1,5
                    VAR6                     ,149                 ,117                      ,123           -1,1
                    VAR5                   3,337               3,384                    4,380         -36,8
                    VAR13               10,623             10,305                  13,527       -244,5
                    VAR18                 1,157                1,053                   1,167         -18,9
                    VAR12                   ,079                  ,059                     ,060            -,5
                    VAR8                   -,203                 -,176                   -,203            3,7
                    VAR1                   -,295                 -,051                     ,163         -40,6
                    VAR14                 2,074                 2,029                  2,241           28,3
                    VAR15                 1,339                 1,305                  1,314          -12,8
                    VAR11                  ,040                    ,037                    ,032              -,8
Constant                              -173,089             -141,826              -165,013      -51560,6

В таблице №3 представлена классификационная функция для 4 кластеров, каждый коэффициент.
Ниже приведена таблица №4 переклассификации, которая содержит результаты классификации каждого наблюдения с использованием дискриминантных функций. В строках расположены фактически наблюдаемые классификации, а по столбцам - предсказанные по дискриминантным функциям.  Из таблицы видно, что из 30 наблюдений первого кластера в первый же кластер отнесено 28 наблюдений (93,3%), из 45 наблюдений второго кластера во второй же кластер отнесено 43 наблюдения (95,56%),  из 18 наблюдений третьего кластера в третий же кластер отнесено 17 наблюдений (80,95%), из 3-х наблюдений четвертого кластера в четвертый же кластер отнесено 3 наблюдения (100%). Общий процент правильной переклассификации составил 91,92%.

Таблица 4
Классификационная матрица
G_1:1       93,3333         28         1          1          0
G_2:2       95,5556          2         43         0          0
G_3:3       80,9524          1          3         17         0
G_4:4      100,0000         0          0           0         3
Total         91,9192         31        47         18        3

На рисунке № 9 видно, что при группировке по социально-экономическим признакам г. Омск выделяется в отдельный 4 кластер и расположен на значительном удалении от остальных наблюдений, а кластеры районов области слились в один. По этой причине увидеть взаимное расположение районов области на график невозможно. Поэтому после проведенного дискриминантного анализа можно сделать вывод, о том, что г. Омск значительно отличается от районов области  по уровню социально – экономических показателей и поэтому их сравнение между собой будет не корректным.


Рис. 9

 Повторим дискриминантный анализ, исключив из него три наблюдения по г. Омску, т.е. для трех кластеров. Ниже приведены результаты дискриминантного анализа для трех кластеров (группировок) наблюдений, полученных ранее с помощью процедуры кластерного анализа по социально-экономическим показателям. Причем предварительно перед проведением кластерного анализа все используемые признаки были стандартизованы к нулевому среднему и единичному стандартному отклонению. В результате  было выявлено три кластера. Теперь с помощью дискриминантного анализа попытаемся установить, какие именно признаки вносят наибольшие вклады в выделение этих трех группировок, т.е. по каким именно признакам эти социально-экономические группировки имеют наибольшие различия. Дискриминантный анализ проводился с помощью пошагового алгоритма. На каждом шаге в дискриминантную функцию вводится один признак. В данном варианте использовался следующий набор социально-экономических признаков: VAR1, VAR2, VAR4, VAR12, VAR5, VAR6, VAR7, VAR8, VAR9, VAR10, VAR11, VAR13, VAR14, VAR15, VAR16, VAR17, VAR18 (см. приложение 1).

Таблица 5
Результаты пошагового дискриминантного анализа для трех
кластеров, исключая г. Омск

                    Wilks'         Partial     F-remove                                     1-Toler.
N=99        Lambda     Lambda     (2,91)         p-level        Toler.      (R-Sqr.)

VAR12       ,254226    ,785635   12,41492    ,000017    ,899614    ,100386
VAR13       ,251313    ,794740   11,75144    ,000029    ,676308    ,323692
VAR5         ,279468    ,714674   18,16537    ,000000    ,627318    ,372682
VAR18       ,222888    ,896094     5,27591    ,006793    ,289083    ,710917
VAR6         ,252965    ,789550   12,12775    ,000021    ,366710    ,633290
VAR7         ,224625    ,889165     5,67159    ,004772    ,195066    ,804934

После исключения г. Омска из пошагового дискриминантного анализа только для районов области статистически значимыми оказались следующие показатели общий объем розничного товарооборота, количество ЛПУ, начисленная среднемесячная заработная плата, плотность автодорог с твердым покрытием, выбросы загрязняющих веществ, стоимость корзины из 25 продуктов (см. табл. № 6). Достигнутый уровень значимости "p-level" для всех этих признаков значительно ниже 5%, т.е. все эти признаки являются статистически значимыми и входят в дискриминантные функции.

 На таблице № 6 представлена классификационная  матрица, которая содержит результаты переклассификации каждого наблюдения с использованием дискриминантных функций. В строках расположены фактически наблюдаемые классификации, а по столбцам - предсказанные по дискриминантным функциям.

Из таблицы видно, что из 30 наблюдений в первый кластер отнесено 28 наблюдений (93,33%), из 45 наблюдений  второго кластера во второй же кластер отнесено 43 наблюдение (93,33%), из 24 наблюдений третьего кластера в третий же кластер отнесено 18 наблюдений (75%). Общий процент правильной переклассификации составил 88,89%.

Таблица 6
Классификационная матрица 
G_1:1      93,33334         28          1          1
G_2:2      93,33334          3         42          0
G_3:3      75,00000          2          4         18
Total       88,88889         33         47        19


Рис.10

Анализируя данные представленные, в таблицах № 7 и на рисунке № 5 можно отметить, что по первой дискриминантной оси четко разделяются 1 и 2, 3 кластеры; по второй дискриминантной оси выделяются 2 и 3 кластеры. Второй и   третий кластеры схожи между собой и поэтому мы предполагаем, что они относятся к одной территориальной зоне.

 Используя данные представленные в таблице № 7 (см. ниже) видно, что к первому кластеру относятся 30 районов области в 1999 г.  По нашему предположению это может быть обусловлено увеличением стоимости потребительской корзины из 25 продуктов (1997 г.-208,5 руб., 1998 г. 405,5 руб., 1999 г.487,3 руб.,), которое составляло в 1998 г. по отношению к 1999 г. 94,4%, 1999/1998 г. 20,16%, начисленной среднемесячной заработной платы (1997-1999гг. увеличилась с 544,28 рублей до 704,00 рублей) отношение 1998/1999 г. составило 4,8%,1998/1999г.–23,4%. Можно тенденцию увеличения показателей в стоимостном выражении и характеризуется стабилизацией экономической ситуации в области. Так же наблюдается тенденция увеличения выброса загрязняющих веществ (отношение 1998/1997 г. составило – 0,294, 1999/1998 г. – 4,238). Ко второму кластеру относится вся северная лесостепь и 75% степной зоны в 1997-1998 году, к третьему кластеру – вся южная лесостепь и 25% степной зоны в1997-1998 году и Омский район в 1999г.

Ниже в таблице № 7 представлены данные с указанием вероятностей отнесения каждого наблюдения в один из трех кластеров, с использованием дискриминантных функций. Наблюдение относится в тот кластер, для которого вероятность отнесения максимальна. Если конкретное наблюдение относится не в свой «родной» кластер, то слева возле номера наблюдения ставится значок * . Как правило, вероятности по таким наблюдениям не очень велики, т.е. меньше 0,7 – 0,9 .

Таблица 8
 

N п/п 
Факти
ческая 
класси
фикация
Вероят
ность
отнесения
к кластеру
1
Вероят
ность
отнесения
к кластеру 2
Вероят
ность
отнесения
к кластеру
3
   

    1     КЛАСТЕР 3         0,000082      0,003546      0,996372
    2     КЛАСТЕР 3         0,000373      0,001687      0,997939
    3     КЛАСТЕР 3         0,000259      0,000402      0,999339
    4     КЛАСТЕР 3         0,000766      0,059561      0,939673
    5     КЛАСТЕР 3         0,087745      0,037798      0,874457
    6     КЛАСТЕР 1         0,961745      0,001486      0,036768
    7     КЛАСТЕР 2         0,001522      0,763845      0,234633
    8     КЛАСТЕР 3         0,009944      0,337203      0,652852
    9     КЛАСТЕР 1         0,492048      0,198883      0,309069
   10    КЛАСТЕР 2         0,000303      0,999540      0,000157
   11    КЛАСТЕР 2         0,029215      0,970608      0,000177
   12    КЛАСТЕР 1         0,503482      0,496408      0,000110
   13    КЛАСТЕР 2         0,001750      0,864093      0,134157
   14    КЛАСТЕР 2         0,134813      0,723827      0,141360
   15    КЛАСТЕР 1         0,786777      0,167669      0,045554
   16    КЛАСТЕР 2         0,000959      0,995097      0,003945
   17    КЛАСТЕР 2         0,105132      0,890070      0,004798
   18    КЛАСТЕР 1         0,575289      0,422369      0,002342
   19    КЛАСТЕР 2         0,006249      0,623351      0,370399
 *20    КЛАСТЕР 3         0,124821      0,463034      0,412145
   21    КЛАСТЕР 1         0,978201      0,009854      0,011946
   22    КЛАСТЕР 3         0,004678      0,036612      0,958709
   23    КЛАСТЕР 3         0,476671      0,013697      0,509631
   24    КЛАСТЕР 1         0,996666      0,000140      0,003193
   25    КЛАСТЕР 2         0,000330      0,980783      0,018887
   26    КЛАСТЕР 2         0,019716      0,959666      0,020618
 *27    КЛАСТЕР 1         0,259673      0,724381      0,015947
   28    КЛАСТЕР 3         0,021634      0,057843      0,920522
 *29    КЛАСТЕР 3         0,581602      0,030793      0,387605
   30    КЛАСТЕР 1         0,997027      0,000186      0,002786
   31    КЛАСТЕР 2         0,005630      0,984856      0,009513
   32    КЛАСТЕР 2         0,353203      0,639923      0,006875
   33    КЛАСТЕР 1         0,990951      0,008886      0,000162
   34    КЛАСТЕР 2         0,000809      0,875176      0,124015
   35    КЛАСТЕР 2         0,129700      0,746676      0,123624
   36    КЛАСТЕР 1         0,851270      0,126607      0,022123
   37    КЛАСТЕР 3         0,002660      0,396419      0,600922
   38    КЛАСТЕР 3         0,046694      0,242389      0,710917
   39    КЛАСТЕР 1         0,718376      0,045537      0,236087
   40    КЛАСТЕР 3         0,000661      0,334729      0,664609
   41    КЛАСТЕР 3         0,009274      0,197836      0,792890
 *42    КЛАСТЕР 1         0,374506      0,102163      0,523331
   43    КЛАСТЕР 2         0,004680      0,966104      0,029216
   44    КЛАСТЕР 2         0,186991      0,781334      0,031675
   45    КЛАСТЕР 1         0,836092      0,159149      0,004759
   46    КЛАСТЕР 2         0,002948      0,986441      0,010610
   47    КЛАСТЕР 2         0,234626      0,754668      0,010706
   48    КЛАСТЕР 1         0,990860      0,008968      0,000172
   49    КЛАСТЕР 2         0,002881      0,990885      0,006234
   50    КЛАСТЕР 2         0,114552      0,879731      0,005717
   51    КЛАСТЕР 1         0,516373      0,479832      0,003795
 *52    КЛАСТЕР 3         0,021192      0,741620      0,237188
 *53    КЛАСТЕР 3         0,394375      0,506898      0,098727
   54    КЛАСТЕР 1         0,998193      0,001390      0,000418
   55    КЛАСТЕР 2         0,019140      0,968227      0,012632
 *56    КЛАСТЕР 2         0,555308      0,437645      0,007048
   57    КЛАСТЕР 1         0,992642      0,007027      0,000331
 *58    КЛАСТЕР 3         0,014479      0,544832      0,440689
 *59    КЛАСТЕР 3         0,566292      0,199273      0,234435
   60    КЛАСТЕР 1         0,963032      0,015124      0,021844
   61    КЛАСТЕР 3         0,000001      0,001313      0,998687
   62    КЛАСТЕР 3         0,002571      0,000762      0,996667
   63    КЛАСТЕР 3         0,000659      0,000033      0,999308
   64    КЛАСТЕР 2         0,007193      0,944690      0,048117
   65    КЛАСТЕР 2         0,118757      0,828065      0,053178
   66    КЛАСТЕР 1         0,901796      0,090667      0,007537
   67    КЛАСТЕР 2         0,006246      0,955592      0,038162
   68    КЛАСТЕР 2         0,295637      0,652401      0,051961
   69    КЛАСТЕР 1         0,971157      0,024909      0,003934
   70    КЛАСТЕР 2         0,009079      0,922650      0,068270
   71    КЛАСТЕР 2         0,059359      0,862702      0,077940
   72    КЛАСТЕР 1         0,711292      0,260438      0,028271
   73    КЛАСТЕР 2         0,005500      0,991810      0,002690
   74    КЛАСТЕР 2         0,087124      0,909843      0,003033
   75    КЛАСТЕР 1         0,612208      0,386589      0,001203
   76    КЛАСТЕР 2         0,001527      0,994539      0,003934
   77    КЛАСТЕР 2         0,320958      0,675072      0,003970
   78    КЛАСТЕР 1         0,901709      0,097618      0,000673
   79    КЛАСТЕР 3         0,001378      0,052266      0,946356
   80    КЛАСТЕР 3         0,081442      0,050759      0,867799
   81    КЛАСТЕР 1         0,818017      0,001930      0,180054
   82    КЛАСТЕР 2         0,000855      0,997126      0,002019
   83    КЛАСТЕР 2         0,044701      0,952859      0,002440
 *84    КЛАСТЕР 2         0,915840      0,083950      0,000210
   85    КЛАСТЕР 2         0,005190      0,992394      0,002416
 *86    КЛАСТЕР 2         0,580244      0,418354      0,001401
   87    КЛАСТЕР 1         0,933173      0,066462      0,000365
   88    КЛАСТЕР 2         0,002159      0,978111      0,019730
   89    КЛАСТЕР 2         0,043480      0,936924      0,019596
   90    КЛАСТЕР 1         0,848805      0,148553      0,002642
   91    КЛАСТЕР 2         0,001988      0,996957      0,001054
   92    КЛАСТЕР 2         0,147517      0,851132      0,001352
   93    КЛАСТЕР 1         0,827677      0,172091      0,000232
   94    КЛАСТЕР 2         0,001826      0,815422      0,182752
   95    КЛАСТЕР 2         0,056427      0,795553      0,148020
   96    КЛАСТЕР 1         0,908497      0,067552      0,023951
   97    КЛАСТЕР 2         0,002699      0,936364      0,060937
   98    КЛАСТЕР 2         0,247780      0,686140      0,066080
   99    КЛАСТЕР 1         0,910674      0,075685      0,013641

Рис. 11 Размещение исследуемых территорий в  дискриминантных осях

При анализе рисунка № 6 и таблицы № 8 выделяются 3 кластера, причем вдоль первой дискриминантной оси 1и 2 кластер частично сливаются между собой. Районы, расположенные вдоль первой дискриминантной оси, характеризуются следующими переменными: начисленная среднемесячная заработная плата, общий объем розничного товарооборота, выбросы загрязняющих веществ, стоимость корзины из 25 продуктов, плотность автодорог с твердым покрытием, количество ЛПУ (в порядке снижения уровня значимости). На второй дискриминантной оси первый и третий кластеры четко различимы и характеризуются следующими переменными: количество ЛПУ, плотности автодорог с твердым покрытием, начисленная среднемесячная заработная плата, общий объем розничного товарооборота, стоимость корзины из 25 продуктов, выбросы загрязняющих веществ. Из этого следует, что каждый кластер имеет разную значимость факторов оказывающих влияние на его структуру, и значимость этих факторов зависит от удаленности от областного центра.

Таблица 8
Стандартизированные коэффициенты канонических дискриминантных осей
Variable           Root 1           Root 2
VAR12         -,610676          ,212859
VAR13          ,692226          ,230602
VAR5            ,452576          ,797138
VAR18         -,131089          ,811660
VAR6           -,955560          ,304869
VAR7            ,951948         -,299447

Таким образом, при исключении г. Омска из анализа набор статистически значимых показателей уменьшился, что доказывает значительные отличия областного центра г. Омска от районов области по социально – экономическим показателям. При анализе только районов области выделяются 3 кластера, причем прослеживается взаимосвязи номера кластера и территориальной зоны. 

Интересная ссылка


В. Леонов. Цели, возможности, и проблемы использования биостатистики в доказательной медицине. Доклад на Конференции по доказательной медицине в Ереване «От доказательной медицины к доказательному здравоохранению» (24 - 26 сентября 2015 года).

Фоторепортаж с Конференции по доказательной медицине в Ереване.

Фоторепортаж с семинара по биометрике в Ереване, прошедшего после конференции по доказательной медицине (24 - 26 сентября 2015 года).

Отзывы слушателей семинара по биометрике в Ереване в сентябре 2015 г.

Вот к чему приводит безграмотное использование статистики в диссертациях: Приказы Минобрнауки России о снятии диссертации с рассмотрения


Логистическая регрессия в медицине и биологии
1. Логистическая регрессия. Основные понятия и возможности метода.
2. Логистическая регрессия. Анализ массивов большой размерности.
3. Логистическая регрессия. Примеры анализа реальных данных.
4. Логистическая регрессия и ROC-анализ.
5.Особенности логистической регрессии в акушерстве.
6.Особенности логистической регрессии в психиатрии, психологии и социологии.
7. Пример использования логистической регрессии для расчёта прогноза исхода оперативного лечения.
8. Логистическая регрессия  - "вершина пирамиды". А в "фундаменте" - что?
9. Как повысить качество логистической регрессии.


Камчатская биометрика-2014. Семинар по биометрике в камчатском НИИ КамчатНИРО. (24.03.2014-3.04.2014).

Камчатская фото-биометрика-2014. Фоторепортаж с семинара по биометрике в Петропавловске-Камчатском.

Отзывы слушателей семинара по биометрике в Петропавловске-Камчатском


Новые полезные книги...

Ланг Т., Сесик М. Как описывать статистику в медицине. Руководство для авторов, редакторов и рецензентов. Пер. с англ. В.П. Леонова. 2016 - 480 с. Актуальность этого издания весьма велика. По-прежнему в биомедицинских статьях и диссертациях публикуется масса статистических нелепостей, как образцы "статистического самоудовлетворения" и "статистического макияжа". Например, в двух диссертациях, выполненных в 2014 и 2015 гг. в Алтайском медуниверситете по разным специальностям, но при этом в полностью идентичных описаниях, состоящих из 94 слов, написано следующее. «Полученные данные были статистически обработаны с использованием программ Microsoft Offis Exel 2007. Достоверность различий между средними величинами определяли с помощью критерия значимости Стьюдента (t). Нормальность распределений в группах оценивали по критерию Шапиро-Уилка». Далее сообщается об использовании критерия Манна-Уитни, и т.д. Очевидно, что под Offis Exel авторы подразумевали Office Excel. Сложнее было бы об этом догадаться, если бы авторы написали Offis Exul. Вывод: оба диссертанта, как и члены двух диссертационных советов, не знают многого, в том числе описанного в этой книге. Например, не знают того, что в пакете Office Excel нет критериев Шапиро-Уилка и Манна-Уитни. Данная книга обучит правильно и хорошо описывать и понимать результаты статистического анализа. Поэтому исследователи станут более качественно выполнять статистический анализ, получая правильную технологию лечения пациентов. Что в результате будет снижать смертность населения, а также себестоимость лечебных процедур.

Петри А., Сэбин К. Наглядная медицинская статистика. Учебное пособие. 3-е издание. Пер. с англ. В.П. Леонова. 2015. - 216 с. Предыдущие издания оригинала этой книги были опубликованы в 2000, 2005 и 2009 гг. Третье издание книги, как и два предыдущих, имеет целью донести до читателя основные понятия и принципы медицинской статистики, которые достаточно широко используются зарубежными медиками и биологами. Книга содержит необходимую теоретическую часть, а также в доступной форме даёт практическое описание того, как могут применяться статистические методы в реальных клинических исследованиях. Низкий уровень использования статистики в отечественной медицинской науке является одной из основных причин, по которым уже 111 лет Нобелевские премии по медицине не присуждаются россиянам. Ценность этой книги для медицинской науки определяется и проводимой в России реформой отечественной науки, в том числе реформой ВАК и системы научной аттестации. Учебное пособие предназначено для студентов, аспирантов и докторантов медицинских вузов, биологических факультетов университетов, врачей, исследователей-клиницистов и всех, кто является сторонником доказательной медицины.

Банержи А. Медицинская статистика понятным языком: вводный курс. Издательство "Практическая медицина", 2014. - 287 с. Пер. с англ. В.П. Леонова.
Издание представляет собой вводный курс по принципам статистики. Представлены базовые понятия и принципы статистических исследований применительно к медицине. В отличие от большинства подобных изданий, указанные темы изложены кратко и доступно. Для чтения книги не требуется знание сложных разделов высшей математики, вполне достаточно тех, что даются в школе. Внедрение в практику принципов доказательной медицины диктует необходимость понимания статистики. После знакомства с книгой читатель сможет критически оценивать многочисленные публикации, содержащие статистическую терминологию и результаты описанных исследований. Полученные знания помогут избежать ошибок в планировании биомедицинских исследований, а также в изложении их результатов. Большим преимуществом книги служат глоссарий и подробный предметный указатель.
Для студентов, аспирантов, научных работников, а также врачей всех специальностей.

Новый экспонат КУНСTКАМЕРЫ - Диссертация "Оценка проаритмических факторов при постинфарктной систолической дисфункции миокарда и эффективности их фармакологической коррекции", Кемеровская государственная медицинская академия, Кемерово - 2004 г.

Новый экспонат КУНСTКАМЕРЫ
- Диссертация "Сравнительная характеристика показателей кардиореспираторной системы спортсменов и лиц, не занимающихся спортом, в условиях северного промышленного города", Тюменский государственный университет, Тюмень - 2006 г
.

Доказательная или сомнительная? Медицинская наука Кузбасса: статистические аспекты.
ВВЕДЕНИЕДОКАЗАТЕЛЬНАЯ МЕДИЦИНА И СТАТИСТИКА.
КРАТКОСТЬ – СЕСТРА ТАЛАНТА? ИЛИ ПРИЗНАК НЕЗНАНИЯ?
ПРОЦЕНТЫ – ПРИМИТИВНО? ЗАТО ДОСТУПНО!

СТАТИСТИЧЕСКАЯ ВАМПУКИЗАЦИЯ,  ОНА ЖЕ ВСЕОБЩАЯ СТЬЮДЕНТИЗАЦИЯ
.
«ЛОШАДЕНДУС СВАЛЕНДУС С МОСТЕНДУС».
КАК ПРАВИЛЬНО: EXCEL ИЛИ EXEL, WINDOWS ИЛИ WINDOUS,
MICROSOFT ИЛИ MIKROSOFT, STATISTICA ИЛИ STATISTIKA?
 
ЗЕММЕЛЬВЕЙС И СТАТИСТИЧЕСКАЯ ТЕХНИКА БЕЗОПАСНОСТИ.
«ЗАЧЕМ НАМ КУЗНЕЦ? НАМ КУЗНЕЦ НЕ НУЖЕН». ПРИМЕРЫ ПОДРОБНОГО ОПИСАНИЯ.
КТО ВИНОВАТ?  ЧТО ДЕЛАТЬ?
ВМЕСТО ЗАКЛЮЧЕНИЯ.
Весь обзор одним файлом

 

ВАК вынужден идти навстречу Диссернету. Это очень трудно — заставить ВАК исполнять закон и слеодвать морали. Но многое получается. Присоединяйтесь к Диссернету — это важнейшее дело, которое вы можете сделать для русской науки.

Георгий Базыкин. Неолысенковщина, финансируемая государством. При принятии решений о том, что является наукой, а что — лженаукой, государству стоило бы посоветоваться с учёными.

Плохая наука. НЕКОРРЕКТНЫЕ ИССЛЕДОВАНИЯ ПРИВОДЯТ К ЛОЖНОМУ ЗНАНИЮ, А ИНОГДА — К ГИБЕЛИ ЛЮДЕЙ

ПОЛОВИНУ ОТКРЫТЫХ НАУЧНЫХ ЖУРНАЛОВ НАЗВАЛИ "МУСОРОМ"... Результат был ошеломляющим: 157 журналов приняли заведомо «бракованные» статьи к публикации, причем около 80 из них даже не подвергали их должной проверке. Отвергли статьи 98 журналов, а остальные к настоящему моменту не успели принять решения. ...«Журналы без контроля качества деструктивны, особенно для развивающихся стран, где правительственные учреждения и университеты заполнены людьми с фальшивыми научными званиями»


Бен Голдакр. Плохая статистика в науке.

Балацкий Е.В. Диссертационная ловушка


 Музыка для души ...

 

1997 - 2017.© Василий Леонов. E-mail:

Доказательная или сомнительная? Медицинская наука Кузбасса: статистические аспекты.

Отклики читателей статьи "Доказательная или сомнительная?"

Возврат на главную страницу.

Возврат в КУНСТКАМЕРУ

Т. Кун "Структура научных революций"