Автор звіту Каплана—Мейєра
Створює повний звіт за даними аналізу
Автор звіту Каплана—Мейєра
Створює повний звіт за даними аналізу
Попередній перегляд
Опис
Створює повний текст розділів «Методи» + «Результати» на основі ваших даних про криву виживання Каплана—Мейєра, тесту log-rank і регресії Кокса. Правильно інтерпретує відношення ризиків, чітко зазначає високий рівень цензурування та нагадує перевірити припущення про пропорційність ризиків для моделі Кокса. Для кого: дослідники, які працюють із клінічними або епідеміологічними даними про виживання.
Рекомендовано
Shuting@YouMind
Чому нам подобається ця навичка
Перетворює результати Каплана—Меєра, логрангового тесту й Кокса на повний текст розділів «Методи» та «Результати» з коректними статистичними поясненнями.
Схожі навички
Переглянути всі
ДослідженняЗвіт Каплана—Мейєра
Створює повний текст розділів «Методи» та «Результати» на основі кривої виживання Kaplan–Meier, тесту log-rank і результатів регресії Кокса. Правильно інтерпретує відношення ризиків, окремо вказує на високу частку цензурованих спостережень і нагадує перевірити припущення про пропорційність ризиків для моделей Кокса. Для кого: дослідники, які працюють із клінічними або епідеміологічними даними про виживання.
ДослідженняАвтор тестів порівняння груп
Створює готовий до вставлення в статтю текст розділу «Результати», що відповідає APA 7, на основі результатів t-тесту, ANOVA або тесту хі-квадрат. Використовує правильний формат статистичного звітування (t(df)=..., p=..., d=...) і інтерпретує розмір ефекту за критеріями Коена. Якщо порівнюються три або більше груп, нагадує зазначити поправку на множинні порівняння. Підходить для дослідників і аспірантів, які проводять експериментальні або порівняльні дослідження.
ДослідженняЛогістична регресія й ROC-AUC
Перетворює результати вашого логістичного регресійного аналізу (відношення шансів, довірчі інтервали, ROC-AUC) на академічний розділ «Результати», який можна безпосередньо додати до статті. Правильно класифікує значення ROC-AUC за стандартними критеріями й не перебільшує значущість змінних, які не мають статистичної значущості. Для кого підходить: дослідники, які будують клінічні прогностичні моделі, і студенти магістратури та аспірантури.
Інформація
- Версія
- v2
- Останнє оновлення
- Кредити за запуск
- За фактичним використанням
- Моделі
- Автоматично
