Kaplan-Meier-Analyse
Erstellt einen vollständigen Analysebericht
Kaplan-Meier-Analyse
Erstellt einen vollständigen Analysebericht
Einblicke
Beschreibung
Erstellt einen vollständigen Methoden- und Ergebnisteil aus Ihrer Kaplan-Meier-Überlebenskurve, dem Log-Rank-Test und den Ergebnissen der Cox-Regression. Interpretiert Hazard Ratios korrekt, weist ausdrücklich auf eine hohe Zensierungsrate hin und erinnert Sie daran, die Proportional-Hazards-Annahme für Cox-Modelle zu prüfen. Für wen: Forschende, die mit klinischen oder epidemiologischen Überlebensdaten arbeiten.
Empfohlen von
Shuting@YouMind
Warum wir diese Fähigkeit empfehlen
Redaktionelle Empfehlung für publikationsreife Methoden-, Ergebnis- und Bildlegendentexte aus Kaplan-Meier-Kurven und statistischen Ergebnissen – mit sorgfältiger Interpretation und Hinweisen auf häufige Berichtsfehler.
Ähnliche Fähigkeiten
Alle anzeigen
ForschungKaplan-Meier-Bericht
Erstellt aus Ihren Kaplan-Meier-Überlebenskurven, dem Log-Rank-Test und den Ergebnissen der Cox-Regression einen vollständigen Methoden- und Ergebnisteil. Interpretiert Hazard Ratios korrekt, weist bei einem hohen Zensierungsanteil ausdrücklich darauf hin und erinnert daran, die Proportional-Hazards-Annahme für das Cox-Modell zu prüfen. Geeignet für: Forschende, die mit klinischen oder epidemiologischen Überlebensdaten arbeiten.
ForschungText für Gruppenvergleiche
Erstellt einen APA-7-konformen, publikationsfertigen Ergebnistexte aus den Ergebnissen deiner t-Tests, ANOVAs oder Chi-Quadrat-Tests. Verwendet das korrekte Format für statistische Berichte (t(df)=..., p=..., d=...) und interpretiert die Effektstärke anhand der Richtwerte von Cohen. Erinnert dich daran, bei Vergleichen von drei oder mehr Gruppen ein Korrekturverfahren für multiple Vergleiche anzugeben. Geeignet für: Forschende und Studierende im Master oder in der Promotion, die experimentelle oder vergleichende Studien durchführen.
ForschungLogistik & ROC-AUC
Erstellt aus Ihren Ergebnissen der logistischen Regression (Odds Ratio, Konfidenzintervall, ROC-AUC) einen akademischen Ergebnisabschnitt zur direkten Verwendung in einem Manuskript. Ordnet den ROC-AUC-Wert anhand etablierter Richtwerte korrekt ein und überbewertet niemals nicht signifikante Variablen. Für wen: Forschende, die klinische Vorhersagemodelle entwickeln, und Studierende im Master- oder Promotionsstudium.
Informationen
- Version
- v2
- Zuletzt aktualisiert
- Credits pro Ausführung
- Nach Verbrauch
- Modelle
- Automatisch
- Anwendungsfälle
- Schreiben & InhalteRecherche & Analyse
- Deine Ergebnisse
- Bericht
