Statistical Methods in Psychiatry and Related Fields, 1st Edition 2020 | روشهای آماری در روانپزشکی

داده های جمع آوری شده در روان پزشکی و زمینه های مرتبط پیچیده هستند، زیرا پیامدها به ندرت مستقیماً مشاهده می شوند، اقدامات مکرر مرتبط متعددی در افراد وجود دارد، ناهمگونی طبیعی در پاسخ های درمانی و سایر ویژگی ها در جمعیت ها وجود دارد.

روش های آماری ساده با چنین داده هایی به خوبی کار نمی کنند. روش های آماری پیشرفته تر، پیچیدگی داده ها را بهتر نشان می دهند، اما به کارگیری مناسب و صحیح توسط محققینی که آموزش پیشرفته ای در آمار ندارند، دشوار است.
این کتاب، در سطح غیر فنی، چندین رویکرد را برای تجزیه و تحلیل داده های همبسته ارائه می کند: مدل های ترکیبی برای نتایج مستمر و طبقه بندی، روش های ناپارامتریک برای اندازه گیری های مکرر و مدل های مخلوط رشد برای مسیرهای ناهمگن در طول زمان.

فصل های جداگانه ای به تکنیک هایی برای تصحیح مقایسه چندگانه، تجزیه و تحلیل در حضور داده های از دست رفته، تنظیم برای متغیرهای کمکی، ارزیابی اثرات میانجی و تعدیل کننده، طراحی مطالعه و ملاحظات اندازه نمونه اختصاص داده شده است. تمرکز بر مفروضات هر روش، کاربرد و تفسیر به جای جزئیات فنی است.
امکانات

مروری بر روش های آماری متوسط تا پیشرفته به کار رفته در روانپزشکی ارائه می دهد.

یک رویکرد غیر فنی با جزئیات ریاضی به حداقل می رسد.
شامل بسیاری از نمونه های دقیق از مطالعات منتشر شده در روانپزشکی و زمینه های مرتبط است.

برنامه های نرم افزاری، مجموعه داده ها و خروجی ها در یک وب سایت تکمیلی در دسترس هستند.
مخاطبان مورد نظر، محققان کاربردی با حداقل دانش آماری هستند، اگرچه این کتاب می تواند برای آماردانان همکار نیز مفید باشد.
این کتاب، همراه با مواد آنلاین، منبع ارزشمندی با هدف ترویج استفاده از روش های آماری مناسب برای تجزیه و تحلیل داده های اندازه گیری مکرر است.
Ralitza Gueorguieva یک دانشمند تحقیقاتی ارشد در بخش آمار زیستی، دانشکده بهداشت عمومی ییل است.

او بیش از 20 سال تجربه در توسعه روش شناسی آماری و همکاری با روان پزشکان و سایر محققان دارد و نویسنده بیش از 130 نشریه معتبر است.

Statistical Methods in Psychiatry and Related Fields

Data collected in psychiatry and related fields are complex because outcomes are rarely directly observed, there are multiple correlated repeated measures within individuals, there is natural heterogeneity in treatment responses and in other characteristics in the populations.

Simple statistical methods do not work well with such data. More advanced statistical methods capture the data complexity better, but are difficult to apply appropriately and correctly by investigators who do not have advanced training in statistics.
This book presents, at a non-technical level, several approaches for the analysis of correlated data: mixed models for continuous and categorical outcomes, nonparametric methods for repeated measures and growth mixture models for heterogeneous trajectories over time.

Separate chapters are devoted to techniques for multiple comparison correction, analysis in the presence of missing data, adjustment for covariates, assessment of mediator and moderator effects, study design and sample size considerations. The focus is on the assumptions of each method, applicability and interpretation rather than on technical details.
Features

Provides an overview of intermediate to advanced statistical methods applied to psychiatry.

Takes a non-technical approach with mathematical details kept to a minimum.
Includes lots of detailed examples from published studies in psychiatry and related fields.

Software programs, data sets and output are available on a supplementary website.
The intended audience are applied researchers with minimal knowledge of statistics, although the book could also benefit collaborating statisticians.
The book, together with the online materials, is a valuable resource aimed at promoting the use of appropriate statistical methods for the analysis of repeated measures data.
Ralitza Gueorguieva is a Senior Research Scientist at the Department of Biostatistics, Yale School of Public Health.

She has more than 20 years experience in statistical methodology development and collaborations with psychiatrists and other researchers, and is the author of over 130 peer-reviewed publications.