اپلیکیشن اندرویدی فلشکارت آموزشی روشهای آزمایشگاهی و شبهآزمایشگاهی در استنباط علّی در پزشکی
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره روشهای آزمایشگاهی و شبهآزمایشگاهی در استنباط علّی در پزشکی
موضوع کلی: روشهای پیشرفته در استنباط علّی
موضوع میانی: استنباط علّی در تجزیه و تحلیل علل تأثیر پزشکان بر بیماران (Doctors Impact on Patients Cause Analysis)
📋 سرفصلهای دوره
- 1. مقدمه ای بر استنباط علّی در پزشکی
- 2. مبانی طراحی مطالعه در تحقیقات پزشکی
- 3. آزمایش تصادفی کنترل شده (RCT)
- 4. مفاهیم کلیدی در RCT ها
- 5. انتخاب تصادفی و تخصیص پنهان
- 6. کور سازی در RCT ها
- 7. انواع کور سازی
- 8. مشکلات رایج در اجرای RCT ها
- 9. تجزیه و تحلیل آماری داده های RCT
- 10. کارآزمایی های بالینی موازی
- 11. کارآزمایی های بالینی متقاطع
- 12. کارآزمایی های بالینی عاملی
- 13. مزایا و معایب RCT ها
- 14. ملاحظات اخلاقی در RCT ها
- 15. محدودیت های RCT ها
- 16. آزمایش های میدانی در پزشکی
- 17. مطالعات شبه آزمایشی
- 18. طراحی تکرار اندازه گیری
- 19. طراحی سری زمانی منفرد
- 20. طراحی سری زمانی متوقف شده
- 21. طراحی سری زمانی متوقف شده با گروه کنترل
- 22. طراحی رگرسیون ناپیوسته
- 23. طراحی ناپیوستگی رگرسیون متغیر تعدیل کننده
- 24. طراحی ناپیوستگی رگرسیون متغیر مداخله کننده
- 25. طراحی گروه کنترل ناهمزمان
- 26. طراحی گروه کنترل ناهمزمان با اندازه گیری تکراری
- 27. طراحی گروه کنترل ناهمزمان با شاخص
- 28. طراحی گروه کنترل ناهمزمان با رویداد طبیعی
- 29. طراحی مورد- شاهدی
- 30. طراحی مورد- شاهدی با متغیرهای تعدیل کننده
- 31. طراحی مورد- شاهدی با متغیرهای مداخله کننده
- 32. طراحی مورد- شاهدی با هم گروهی
- 33. طراحی کوهورت
- 34. طراحی کوهورت گذشته نگر
- 35. طراحی کوهورت آینده نگر
- 36. طراحی کوهورت آینده نگر با ردیابی زمانی
- 37. طراحی کوهورت مقایسه ای
- 38. طراحی کوهورت با گروه مقایسه داخلی
- 39. طراحی کوهورت با گروه مقایسه خارجی
- 40. طراحی کوهورت با متغیر تعدیل کننده
- 41. طراحی کوهورت با متغیر مداخله کننده
- 42. روش های تطبیق در مطالعات مشاهده ای
- 43. تطبیق بر اساس فراوانی
- 44. تطبیق بر اساس امتیاز تمایل
- 45. تطبیق بر اساس متغیرهای مداخله کننده
- 46. تطبیق بر اساس متغیرهای تعدیل کننده
- 47. تکنیک های مبتنی بر مدل سازی علّی
- 48. مدل های گرافیکی علّی
- 49. دایرکتد acyclic graphs (DAGs)
- 50. قوانین اساسی برای شناسایی اثر علّی
- 51. قانون the back-door criterion
- 52. قانون the front-door criterion
- 53. استفاده از DAGs در کنترل متغیرهای مخدوش کننده
- 54. استفاده از DAGs در شناسایی متغیرهای تعدیل کننده
- 55. استفاده از DAGs در شناسایی متغیرهای واسطه
- 56. روش های متغیر ابزاری (Instrumental Variables)
- 57. مفاهیم کلیدی در متغیرهای ابزاری
- 58. شرایط اعتبار یک متغیر ابزاری
- 59. اجرای روش متغیر ابزاری
- 60. مزایا و معایب روش متغیر ابزاری
- 61. روش های مقایسه مقطعی (Propensity Score Methods)
- 62. محاسبه امتیاز تمایل
- 63. روش های تطبیق بر اساس امتیاز تمایل
- 64. روش های طبقه بندی بر اساس امتیاز تمایل
- 65. روش های وزن دهی بر اساس امتیاز تمایل
- 66. روش های رگرسیون بر اساس امتیاز تمایل
- 67. مزایا و معایب روش های امتیاز تمایل
- 68. روش های تصادفی سازی تصادفی (Randomization-Based Inference)
- 69. طراحی آزمایش های تصادفی با اندازه نمونه کوچک
- 70. تحلیل علّی در غیاب تخصیص تصادفی کامل
- 71. تحلیل علّی در حضور اختلال
- 72. تحلیل علّی در حضور انتخاب خودکار
- 73. تکنیک های تجزیه و تحلیل زمانی (Time Series Analysis)
- 74. سری های زمانی متغیرهای علّی
- 75. سری های زمانی مداخله گر
- 76. سری های زمانی مداخله گر با گروه کنترل
- 77. سری های زمانی متوقف شده با شاخص
- 78. تجزیه و تحلیل داده های پانل (Panel Data Analysis)
- 79. مقدمه ای بر داده های پانل
- 80. مدل اثرات ثابت
- 81. مدل اثرات تصادفی
- 82. تحلیل علّی در داده های پانل
- 83. روش های داده های علّی مختلط (Mixed Effects Models)
- 84. کاربرد در استنباط علّی
- 85. مدل های ساختاری معادلات (Structural Equation Modeling - SEM)
- 86. مقدمه ای بر SEM
- 87. مدل های اندازه گیری در SEM
- 88. مدل های ساختاری در SEM
- 89. کاربرد SEM در استنباط علّی
- 90. روش های یادگیری ماشین برای استنباط علّی (Machine Learning for Causal Inference)
- 91. درختان تصمیم علّی
- 92. جنگل های تصادفی علّی
- 93. شبکه های عصبی علّی
- 94. روش های اکتشاف علّی (Causal Discovery Methods)
- 95. الگوریتم های مبتنی بر شبکه های علّی
- 96. الگوریتم های مبتنی بر همبستگی
- 97. الگوریتم های مبتنی بر داده های مشاهده ای
- 98. ارزیابی اثربخشی مداخلات سلامت عمومی
- 99. روش های شبه آزمایشی در ارزیابی مداخلات
- 100. روش های آزمایشگاهی در ارزیابی مداخلات
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.