1) Kanıta dayalı tıp
Patolojide en güvenilir kanıt eksper görüşüdür, case series dir. Klasik randomize çift kör çalışma yok denecek kadar azdır. Hele meta analiz hemen hiç yok. Şu makalenin yazarları ömürlerini bu işe adamışlar: https://doi.org/10.5858/arpa.2014-0106-RA
2) Veri türü
Patolojide en baskın veri türü kategorik veri. İmmünohistokimya gibi sık kullanılan yöntemlerin skorlanmasında ve cut-off belirlenmesinde ciddi sorunlar var. Kategorik verilerin istatistiğini anlamak ve yorumlamak gerçekten zor.
3) Araştırmalardaki eksik veriler
- Power analizi neredeyse hiçbir çalışmada yok. klasik power analizi le ulaşılacak sayıda araştırma vakası bulmak da çok zor. Hakem zoruyla posthoc power yapıp başımı öne eğmişliğim var
- Eksik veriler çok fazla: https://dx.doi.org/10.1007%2Fs00428-015-1762-3
4) Sık kullanılan istatistik yöntemler
- Which statistical tests used in pathology journals and which of those we think we know. Statistical literacy of pathologists:
http://www.archivesofpathology.org/doi/10.5858/arpa.2016-0200-OA
- Kavramlar bile farklı sensitivite, spesifisite https://doi.org/10.1136/jclinpath-2014-202705
- Belki de Bayes istatistiği bu branşa daha uygun.
5) Yeni kuşak (Next generation) işler
- Genetik ve biyoinformatik verileri. Dendrogram, kümeleme gibi tuhaf analizler. Ve yine kategorik veriler.
- Yeni yeni dijital patoloji ve image analiz ile ortaya çıkan yöntemler
https://dx.doi.org/10.1038%2Fncomms12474
- Matematiksel patoloji https://twitter.com/hashtag/mathpath
6) Aslında olmazsa olmaz temel analizler belli. Bunu bir paket haline getirmek lazım. Mesela R ya da python ile:
Statistical analysis of surgical pathology data using the R program
https://www.ncbi.nlm.nih.gov/pubmed/22498578
7) Hazır bedava veri var, çalışacak kimse yok
- SEER
- TCGA
Bir de bunların üstüne patolojinin çoğu çalışmada altın standart olarak alındığını ekleyin.
"yerden göğe küp dizseler
birbirine bend etseler
aradan birin çekseler
seyreyle sen gümbürtüyü"
Genelde yapılan çalışmalar gözlemsel nitelikte. Maalesef henüz daha gözlem yapıp, "nerede tuhaflık/ gariplik var, ona biraz bakayım" deme aşamasındayız.
Ama bu gibi gözlem çalışmaları desteklenmiyor (ne proje için fon bulma sırasında ne de makale kabulü sırasında). Bu nedenle gözlemsel çalışmaları sanki çıkarımsal çalışma şeklinde sunmak gerekiyor. İlle de bir çapraz tablo, bir p değeri şart... Hipotez oluşturma çalışmalarını, hipotez test etme "imiş gibi" sunmak gerekiyor.
Halbuki bilimsel bilgiye ek katmak için önce güzelce gözlem yapıp, sorun ya da tuhaflığı bulup, kafayı buna takmak gerekiyor. Henüz bu aşamayı geçememiş bir araştırmacıya "hipotez test et" demek bence doğru değil.
Keşke hipotez oluşturma çalışmalarına fon ve yayın aşamasında daha çok destek verilse de, gerçekten sorunlara yönelik sadre şifa çalışmalar yapılabilse.
Bu durum patoloji özelinde daha belirgin o ayrı bir düşünme konusu.
1) Kanıta dayalı tıp
Patolojide en güvenilir kanıt eksper görüşüdür, case series dir. Klasik randomize çift kör çalışma yok denecek kadar azdır. Hele meta analiz hemen hiç yok. Şu makalenin yazarları ömürlerini bu işe adamışlar: https://doi.org/10.5858/arpa.2014-0106-RA
2) Veri türü
Patolojide en baskın veri türü kategorik veri. İmmünohistokimya gibi sık kullanılan yöntemlerin skorlanmasında ve cut-off belirlenmesinde ciddi sorunlar var. Kategorik verilerin istatistiğini anlamak ve yorumlamak gerçekten zor.
3) Araştırmalardaki eksik veriler
- Power analizi neredeyse hiçbir çalışmada yok. klasik power analizi le ulaşılacak sayıda araştırma vakası bulmak da çok zor. Hakem zoruyla posthoc power yapıp başımı öne eğmişliğim var
- Eksik veriler çok fazla: https://dx.doi.org/10.1007%2Fs00428-015-1762-3
4) Sık kullanılan istatistik yöntemler
- Which statistical tests used in pathology journals and which of those we think we know. Statistical literacy of pathologists:
http://www.archivesofpathology.org/doi/10.5858/arpa.2016-0200-OA
- Kavramlar bile farklı sensitivite, spesifisite https://doi.org/10.1136/jclinpath-2014-202705
- Belki de Bayes istatistiği bu branşa daha uygun.
5) Yeni kuşak (Next generation) işler
- Genetik ve biyoinformatik verileri. Dendrogram, kümeleme gibi tuhaf analizler. Ve yine kategorik veriler.
- Yeni yeni dijital patoloji ve image analiz ile ortaya çıkan yöntemler
https://dx.doi.org/10.1038%2Fncomms12474
- Matematiksel patoloji https://twitter.com/hashtag/mathpath
6) Aslında olmazsa olmaz temel analizler belli. Bunu bir paket haline getirmek lazım. Mesela R ya da python ile:
Statistical analysis of surgical pathology data using the R program
https://www.ncbi.nlm.nih.gov/pubmed/22498578
7) Hazır bedava veri var, çalışacak kimse yok
- SEER
- TCGA
Bir de bunların üstüne patolojinin çoğu çalışmada altın standart olarak alındığını ekleyin.
"yerden göğe küp dizseler
birbirine bend etseler
aradan birin çekseler
seyreyle sen gümbürtüyü"
Genelde yapılan çalışmalar gözlemsel nitelikte. Maalesef henüz daha gözlem yapıp, "nerede tuhaflık/ gariplik var, ona biraz bakayım" deme aşamasındayız.
Ama bu gibi gözlem çalışmaları desteklenmiyor (ne proje için fon bulma sırasında ne de makale kabulü sırasında). Bu nedenle gözlemsel çalışmaları sanki çıkarımsal çalışma şeklinde sunmak gerekiyor. İlle de bir çapraz tablo, bir p değeri şart... Hipotez oluşturma çalışmalarını, hipotez test etme "imiş gibi" sunmak gerekiyor.
Halbuki bilimsel bilgiye ek katmak için önce güzelce gözlem yapıp, sorun ya da tuhaflığı bulup, kafayı buna takmak gerekiyor. Henüz bu aşamayı geçememiş bir araştırmacıya "hipotez test et" demek bence doğru değil.
Keşke hipotez oluşturma çalışmalarına fon ve yayın aşamasında daha çok destek verilse de, gerçekten sorunlara yönelik sadre şifa çalışmalar yapılabilse.
Bu durum patoloji özelinde daha belirgin o ayrı bir düşünme konusu.
1) Kanıta dayalı tıp
Patolojide en güvenilir kanıt eksper görüşüdür, case series dir. Klasik randomize çift kör çalışma yok denecek kadar azdır. Hele meta analiz hemen hiç yok. Şu makalenin yazarları ömürlerini bu işe adamışlar: https://doi.org/10.5858/arpa.2014-0106-RA
2) Veri türü
Patolojide en baskın veri türü kategorik veri. İmmünohistokimya gibi sık kullanılan yöntemlerin skorlanmasında ve cut-off belirlenmesinde ciddi sorunlar var. Kategorik verilerin istatistiğini anlamak ve yorumlamak gerçekten zor.
3) Araştırmalardaki eksik veriler
- Power analizi neredeyse hiçbir çalışmada yok. klasik power analizi le ulaşılacak sayıda araştırma vakası bulmak da çok zor. Hakem zoruyla posthoc power yapıp başımı öne eğmişliğim var
- Eksik veriler çok fazla: https://dx.doi.org/10.1007%2Fs00428-015-1762-3
4) Sık kullanılan istatistik yöntemler
- Which statistical tests used in pathology journals and which of those we think we know. Statistical literacy of pathologists:
http://www.archivesofpathology.org/doi/10.5858/arpa.2016-0200-OA
- Kavramlar bile farklı sensitivite, spesifisite https://doi.org/10.1136/jclinpath-2014-202705
- Belki de Bayes istatistiği bu branşa daha uygun.
5) Yeni kuşak (Next generation) işler
- Genetik ve biyoinformatik verileri. Dendrogram, kümeleme gibi tuhaf analizler. Ve yine kategorik veriler.
- Yeni yeni dijital patoloji ve image analiz ile ortaya çıkan yöntemler
https://dx.doi.org/10.1038%2Fncomms12474
- Matematiksel patoloji https://twitter.com/hashtag/mathpath
6) Aslında olmazsa olmaz temel analizler belli. Bunu bir paket haline getirmek lazım. Mesela R ya da python ile:
Statistical analysis of surgical pathology data using the R program
https://www.ncbi.nlm.nih.gov/pubmed/22498578
7) Hazır bedava veri var, çalışacak kimse yok
- SEER
- TCGA
Bir de bunların üstüne patolojinin çoğu çalışmada altın standart olarak alındığını ekleyin.
"yerden göğe küp dizseler
birbirine bend etseler
aradan birin çekseler
seyreyle sen gümbürtüyü"
Genelde yapılan çalışmalar gözlemsel nitelikte. Maalesef henüz daha gözlem yapıp, "nerede tuhaflık/ gariplik var, ona biraz bakayım" deme aşamasındayız.
Ama bu gibi gözlem çalışmaları desteklenmiyor (ne proje için fon bulma sırasında ne de makale kabulü sırasında). Bu nedenle gözlemsel çalışmaları sanki çıkarımsal çalışma şeklinde sunmak gerekiyor. İlle de bir çapraz tablo, bir p değeri şart... Hipotez oluşturma çalışmalarını, hipotez test etme "imiş gibi" sunmak gerekiyor.
Halbuki bilimsel bilgiye ek katmak için önce güzelce gözlem yapıp, sorun ya da tuhaflığı bulup, kafayı buna takmak gerekiyor. Henüz bu aşamayı geçememiş bir araştırmacıya "hipotez test et" demek bence doğru değil.
Keşke hipotez oluşturma çalışmalarına fon ve yayın aşamasında daha çok destek verilse de, gerçekten sorunlara yönelik sadre şifa çalışmalar yapılabilse.
Bu durum patoloji özelinde daha belirgin o ayrı bir düşünme konusu.
1) Kanıta dayalı tıp
Patolojide en güvenilir kanıt eksper görüşüdür, case series dir. Klasik randomize çift kör çalışma yok denecek kadar azdır. Hele meta analiz hemen hiç yok. Şu makalenin yazarları ömürlerini bu işe adamışlar: https://doi.org/10.5858/arpa.2014-0106-RA
2) Veri türü
Patolojide en baskın veri türü kategorik veri. İmmünohistokimya gibi sık kullanılan yöntemlerin skorlanmasında ve cut-off belirlenmesinde ciddi sorunlar var. Kategorik verilerin istatistiğini anlamak ve yorumlamak gerçekten zor.
3) Araştırmalardaki eksik veriler
- Power analizi neredeyse hiçbir çalışmada yok. klasik power analizi le ulaşılacak sayıda araştırma vakası bulmak da çok zor. Hakem zoruyla posthoc power yapıp başımı öne eğmişliğim var
- Eksik veriler çok fazla: https://dx.doi.org/10.1007%2Fs00428-015-1762-3
4) Sık kullanılan istatistik yöntemler
- Which statistical tests used in pathology journals and which of those we think we know. Statistical literacy of pathologists:
http://www.archivesofpathology.org/doi/10.5858/arpa.2016-0200-OA
- Kavramlar bile farklı sensitivite, spesifisite https://doi.org/10.1136/jclinpath-2014-202705
- Belki de Bayes istatistiği bu branşa daha uygun.
5) Yeni kuşak (Next generation) işler
- Genetik ve biyoinformatik verileri. Dendrogram, kümeleme gibi tuhaf analizler. Ve yine kategorik veriler.
- Yeni yeni dijital patoloji ve image analiz ile ortaya çıkan yöntemler
https://dx.doi.org/10.1038%2Fncomms12474
- Matematiksel patoloji https://twitter.com/hashtag/mathpath
6) Aslında olmazsa olmaz temel analizler belli. Bunu bir paket haline getirmek lazım. Mesela R ya da python ile:
Statistical analysis of surgical pathology data using the R program
https://www.ncbi.nlm.nih.gov/pubmed/22498578
7) Hazır bedava veri var, çalışacak kimse yok
- SEER
- TCGA
Bir de bunların üstüne patolojinin çoğu çalışmada altın standart olarak alındığını ekleyin.
"yerden göğe küp dizseler
birbirine bend etseler
aradan birin çekseler
seyreyle sen gümbürtüyü"
Genelde yapılan çalışmalar gözlemsel nitelikte. Maalesef henüz daha gözlem yapıp, "nerede tuhaflık/ gariplik var, ona biraz bakayım" deme aşamasındayız.
Ama bu gibi gözlem çalışmaları desteklenmiyor (ne proje için fon bulma sırasında ne de makale kabulü sırasında). Bu nedenle gözlemsel çalışmaları sanki çıkarımsal çalışma şeklinde sunmak gerekiyor. İlle de bir çapraz tablo, bir p değeri şart... Hipotez oluşturma çalışmalarını, hipotez test etme "imiş gibi" sunmak gerekiyor.
Halbuki bilimsel bilgiye ek katmak için önce güzelce gözlem yapıp, sorun ya da tuhaflığı bulup, kafayı buna takmak gerekiyor. Henüz bu aşamayı geçememiş bir araştırmacıya "hipotez test et" demek bence doğru değil.
Keşke hipotez oluşturma çalışmalarına fon ve yayın aşamasında daha çok destek verilse de, gerçekten sorunlara yönelik sadre şifa çalışmalar yapılabilse.
Bu durum patoloji özelinde daha belirgin o ayrı bir düşünme konusu.
1) Kanıta dayalı tıp
Patolojide en güvenilir kanıt eksper görüşüdür, case series dir. Klasik randomize çift kör çalışma yok denecek kadar azdır. Hele meta analiz hemen hiç yok. Şu makalenin yazarları ömürlerini bu işe adamışlar: https://doi.org/10.5858/arpa.2014-0106-RA
2) Veri türü
Patolojide en baskın veri türü kategorik veri. İmmünohistokimya gibi sık kullanılan yöntemlerin skorlanmasında ve cut-off belirlenmesinde ciddi sorunlar var. Kategorik verilerin istatistiğini anlamak ve yorumlamak gerçekten zor.
3) Araştırmalardaki eksik veriler
- Power analizi neredeyse hiçbir çalışmada yok. klasik power analizi le ulaşılacak sayıda araştırma vakası bulmak da çok zor. Hakem zoruyla posthoc power yapıp başımı öne eğmişliğim var
- Eksik veriler çok fazla: https://dx.doi.org/10.1007%2Fs00428-015-1762-3
4) Sık kullanılan istatistik yöntemler
- Which statistical tests used in pathology journals and which of those we think we know. Statistical literacy of pathologists:
http://www.archivesofpathology.org/doi/10.5858/arpa.2016-0200-OA
- Kavramlar bile farklı sensitivite, spesifisite https://doi.org/10.1136/jclinpath-2014-202705
- Belki de Bayes istatistiği bu branşa daha uygun.
5) Yeni kuşak (Next generation) işler
- Genetik ve biyoinformatik verileri. Dendrogram, kümeleme gibi tuhaf analizler. Ve yine kategorik veriler.
- Yeni yeni dijital patoloji ve image analiz ile ortaya çıkan yöntemler
https://dx.doi.org/10.1038%2Fncomms12474
- Matematiksel patoloji https://twitter.com/hashtag/mathpath
6) Aslında olmazsa olmaz temel analizler belli. Bunu bir paket haline getirmek lazım. Mesela R ya da python ile:
Statistical analysis of surgical pathology data using the R program
https://www.ncbi.nlm.nih.gov/pubmed/22498578
7) Hazır bedava veri var, çalışacak kimse yok
- SEER
- TCGA
Bir de bunların üstüne patolojinin çoğu çalışmada altın standart olarak alındığını ekleyin.
"yerden göğe küp dizseler
birbirine bend etseler
aradan birin çekseler
seyreyle sen gümbürtüyü"
Genelde yapılan çalışmalar gözlemsel nitelikte. Maalesef henüz daha gözlem yapıp, "nerede tuhaflık/ gariplik var, ona biraz bakayım" deme aşamasındayız.
Ama bu gibi gözlem çalışmaları desteklenmiyor (ne proje için fon bulma sırasında ne de makale kabulü sırasında). Bu nedenle gözlemsel çalışmaları sanki çıkarımsal çalışma şeklinde sunmak gerekiyor. İlle de bir çapraz tablo, bir p değeri şart... Hipotez oluşturma çalışmalarını, hipotez test etme "imiş gibi" sunmak gerekiyor.
Halbuki bilimsel bilgiye ek katmak için önce güzelce gözlem yapıp, sorun ya da tuhaflığı bulup, kafayı buna takmak gerekiyor. Henüz bu aşamayı geçememiş bir araştırmacıya "hipotez test et" demek bence doğru değil.
Keşke hipotez oluşturma çalışmalarına fon ve yayın aşamasında daha çok destek verilse de, gerçekten sorunlara yönelik sadre şifa çalışmalar yapılabilse.
Bu durum patoloji özelinde daha belirgin o ayrı bir düşünme konusu.