اپلیکیشن اندرویدی فلش‌کارت آموزشی مدل‌های رگرسیون ناپارامتری پیشرفته در تحلیل اثربخشی هزینه: راهنمای عملی BART برای تخمین قوی از داده‌های مشاهده‌ای

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مدل‌های رگرسیون ناپارامتری پیشرفته در تحلیل اثربخشی هزینه: راهنمای عملی BART برای تخمین قوی از داده‌های مشاهده‌ای

موضوع کلی: اقتصاد سلامت و ارزیابی سیاست‌گذاری

موضوع میانی: ارزیابی اثربخشی هزینه (CEA) از داده‌های مشاهده‌ای

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر اقتصاد سلامت و ارزیابی سیاست‌گذاری
• 2. اصول ارزیابی فناوری‌های سلامت (HTA)
• 3. مفهوم تحلیل اثربخشی هزینه (CEA) و جایگاه آن
• 4. هزینه‌ها، پیامدها و سال‌های زندگی با کیفیت تعدیل‌شده (QALY)
• 5. معرفی نسبت هزینه‌-اثربخشی افزایشی (ICER)
• 6. صفحه اثربخشی-هزینه (Cost-Effectiveness Plane)
• 7. آستانه تمایل به پرداخت (Willingness-to-Pay Threshold)
• 8. منحنی پذیرش اثربخشی-هزینه (CEAC)
• 9. چالش اصلی: استفاده از داده‌های مشاهده‌ای در مقابل کارآزمایی‌های بالینی تصادفی (RCT)
• 10. مفهوم تورش انتخاب (Selection Bias) در داده‌های مشاهده‌ای
• 11. مفهوم مخدوش‌گری (Confounding) و متغیرهای مخدوش‌گر
• 12. نیاز به روش‌های آماری پیشرفته برای تعدیل مخدوش‌گرها
• 13. مقدمه‌ای بر استنتاج سببی (Causal Inference)
• 14. چارچوب پیامدهای بالقوه (Potential Outcomes Framework)
• 15. تعریف اثر سببی میانگین درمان (ATE)
• 16. مفروضه نادیده‌انگاری (Ignorability) یا تعویض‌پذیری (Exchangeability)
• 17. مفروضه همپوشانی (Overlap) یا پشتیبان مشترک (Common Support)
• 18. مروری بر روش‌های سنتی تعدیل: رگرسیون خطی و لجستیک
• 19. محدودیت‌های مدل‌های پارامتری در تخمین اثرات سببی
• 20. معرفی امتیاز تمایل (Propensity Score)
• 21. روش‌های مبتنی بر امتیاز تمایل: تطبیق‌سازی (Matching)
• 22. روش‌های مبتنی بر امتیاز تمایل: وزن‌دهی معکوس احتمال درمان (IPTW)
• 23. چالش‌های عملی استفاده از امتیاز تمایل
• 24. مقدمه‌ای بر مدل‌های رگرسیون ناپارامتری
• 25. تفاوت کلیدی: مدل‌های پارامتری در مقابل ناپارامتری
• 26. موازنه بین تورش و واریانس (Bias-Variance Tradeoff)
• 27. چرا انعطاف‌پذیری مدل در CEA اهمیت دارد؟
• 28. مدل‌سازی روابط غیرخطی و اثرات تعاملی پیچیده
• 29. مبانی درخت‌های تصمیم (Decision Trees) برای رگرسیون
• 30. مفهوم تقسیم‌های بازگشتی (Recursive Partitioning)
• 31. مشکل بیش‌برازش (Overfitting) در یک درخت تصمیم تنها
• 32. قدرت خرد جمعی: مقدمه‌ای بر مدل‌های گروهی (Ensemble Models)
• 33. بگینگ (Bagging) به عنوان روشی برای کاهش واریانس
• 34. معرفی جنگل‌های تصادفی (Random Forests)
• 35. بوستینگ (Boosting) و ماشین‌های گرادیان بوستینگ (GBM)
• 36. مقدمه‌ای بر استنتاج بیزی: پیشین، پسین و درستنمایی
• 37. زنجیره مارکوف مونت کارلو (MCMC) به زبان ساده
• 38. معرفی رسمی رگرسیون بیزی افزایشی درخت‌ها (BART)
• 39. ساختار مدل BART: مجموعه‌ای از درخت‌های ضعیف
• 40. نقش رویکرد بیزی در منظم‌سازی (Regularization)
• 41. پیشین‌ها (Priors) در BART: کنترل پیچیدگی مدل
• 42. پیشین بر ساختار درخت
• 43. پیشین بر پارامترهای گره‌های نهایی (Terminal Nodes)
• 44. پیشین بر واریانس خطا
• 45. الگوریتم پیاده‌سازی BART: نمونه‌گیری گیبز (Gibbs Sampling)
• 46. چگونگی تخمین توزیع پسین (Posterior Distribution) با BART
• 47. مزایای BART: انعطاف‌پذیری و مقاومت در برابر بیش‌برازش
• 48. توانایی ذاتی BART در کشف اثرات تعاملی
• 49. کاربرد BART برای تخمین پاسخ‌های بالقوه (Potential Responses)
• 50. تخمین هزینه‌های بالقوه برای هر فرد تحت هر درمان
• 51. تخمین اثربخشی بالقوه (QALYs) برای هر فرد تحت هر درمان
• 52. محاسبه اثرات درمانی فردی (Individual Treatment Effects)
• 53. محاسبه اثر درمانی میانگین (ATE) از نتایج BART
• 54. آماده‌سازی داده‌ها برای تحلیل با BART
• 55. معرفی نرم‌افزار و پکیج‌های لازم (مثال: پکیج BART در R)
• 56. گام به گام: اجرای مدل BART برای تخمین هزینه‌ها
• 57. گام به گام: اجرای مدل BART برای تخمین اثربخشی
• 58. انتخاب متغیرهای کمکی (Covariates) برای مدل
• 59. تنظیم پارامترهای BART: تعداد درختان (m)
• 60. تنظیم پارامترهای BART: پارامتر k و nu
• 61. بررسی همگرایی مدل: نمودارهای ردیابی (Trace Plots)
• 62. ارزیابی کیفیت مدل BART
• 63. تفسیر خروجی‌های مدل BART
• 64. محاسبه عدم قطعیت در تخمین‌ها با استفاده از توزیع پسین
• 65. ساخت بازه‌های معتبر (Credible Intervals) برای هزینه‌ها و اثربخشی
• 66. محاسبه ICER و توزیع پسین آن
• 67. رسم نمونه‌های پسین ICER بر روی صفحه اثربخشی-هزینه
• 68. ساخت منحنی پذیرش اثربخشی-هزینه (CEAC) از خروجی BART
• 69. تحلیل حساسیت به انتخاب پیشین‌ها در BART
• 70. بررسی مفروضه همپوشانی (Overlap) با استفاده از BART
• 71. شناسایی نواحی با همپوشانی ضعیف
• 72. اهمیت انتخاب متغیرها و خطر تورش ناشی از متغیرهای حذف‌شده
• 73. مقایسه عملکرد BART با رگرسیون خطی عمومی (GLM)
• 74. مقایسه عملکرد BART با روش‌های مبتنی بر امتیاز تمایل
• 75. مطالعه موردی ۱: ارزیابی یک داروی جدید با داده‌های بیمه
• 76. داده‌های مطالعه موردی: معرفی و پاک‌سازی
• 77. اجرای تحلیل CEA با استفاده از OLS
• 78. اجرای تحلیل CEA با استفاده از تطبیق‌سازی بر اساس امتیاز تمایل
• 79. اجرای تحلیل CEA با استفاده از BART
• 80. مقایسه نتایج و تفاسیر سیاست‌گذاری حاصل از هر روش
• 81. مصورسازی و گزارش‌دهی نتایج BART برای مخاطب غیرفنی
• 82. مدل‌سازی ناهمگونی اثرات درمانی (Heterogeneous Treatment Effects) با BART
• 83. شناسایی زیرگروه‌هایی که بیشترین سود را از درمان می‌برند
• 84. کاربرد BART برای پیامدهای دوتایی (Binary Outcomes)
• 85. کاربرد BART برای پیامدهای بقا (Survival Outcomes)
• 86. چگونگی برخورد با داده‌های گمشده در چارچوب BART
• 87. ملاحظات محاسباتی: زمان اجرا و حافظه مورد نیاز
• 88. تکنیک‌های افزایش سرعت محاسبات BART
• 89. اعتبارسنجی متقاطع (Cross-Validation) برای مدل‌های BART
• 90. موضوعات پیشرفته: استفاده از BART در مدل‌های تفاوت در تفاوت‌ها (Difference-in-Differences)
• 91. موضوعات پیشرفته: BART برای متغیرهای ابزاری (Instrumental Variables)
• 92. نقد و بررسی محدودیت‌های روش BART
• 93. شفافیت و قابلیت بازتولید (Reproducibility) در تحلیل‌های مبتنی بر BART
• 94. ملاحظات اخلاقی در استفاده از مدل‌های یادگیری ماشین برای سیاست‌گذاری سلامت
• 95. چالش‌های ارتباطی: توضیح مدل‌های "جعبه سیاه" به سیاست‌گذاران
• 96. آینده رگرسیون ناپارامتری در اقتصاد سلامت
• 97. جمع‌بندی دوره: تلفیق استنتاج سببی، روش‌های بیزی و یادگیری ماشین
• 98. راهنمای عملی برای انتشار نتایج مبتنی بر BART در مقالات علمی
• 99. پروژه نهایی: پیاده‌سازی یک تحلیل CEA کامل بر روی یک مجموعه داده واقعی