Servizi di Biostatistica & Scienza dei Dati
Biostatistica
I Miei Principi di Lavoro
Assistenza
Per ogni coppia articolo–set di dati, una volta ricevuto un pagamento anticipato unico, rimango al tuo fianco come assistente fino al completamento del lavoro su quell’articolo e set di dati.
Ricerca
Oltre all’obiettivo principale dell’articolo, individuo ulteriori risultati relativi al set di dati che potrebbero esserti utili immediatamente o in seguito.
Approccio Educativo
Dalle basi fino agli argomenti avanzati di biostatistica, mi assicuro che le persone con cui collaboro acquisiscano conoscenze sull’argomento e svolgo sessioni esclusivamente a scopo educativo.
Qualità PubMed
Dai test utilizzati al testo, tabelle e grafici, produco contenuti di alta qualità adatti al campo medico, rafforzati con esempi da pubblicazioni PubMed, sia con la mia partecipazione che senza.
Tecniche di Biostatistica
Alcune delle tecniche (non limitate a queste) per fornire informazioni generali:
- Statistiche descrittive (media, mediana, deviazione standard)
- Test di normalità (Shapiro–Wilk, Kolmogorov–Smirnov)
- Analisi di correlazione (Pearson, Spearman; incluso Bland–Altman per l’accordo tra misurazioni cliniche)
- Modelli di regressione (lineare, logistica; modelli multivariati come livello avanzato)
- Test d’ipotesi
- Confronti pre–post: t-test per campioni appaiati, Wilcoxon
- Tra gruppi: t-test di Student, Mann–Whitney U
- Confronto tra più gruppi: ANOVA, Kruskal–Wallis
- Analisi delle serie temporali (ARIMA, valutazione di trend e stagionalità; analisi di monitoraggio dei dati sanitari)
- Analisi di sopravvivenza (Kaplan–Meier, regressione di Cox; valutazione dell’efficacia della durata del trattamento)
- Analisi multivariata dei dati (Analisi delle Componenti Principali – PCA; Analisi fattoriale)
- Metodi di clustering e classificazione (k-means, clustering gerarchico; Random Forest avanzato)
- Curva ROC e ottimizzazione del cut-off
- Calcolo degli intervalli di confidenza
- Analisi della dimensione dell’effetto (Cohen’s d ecc.)
- Calcolo della dimensione del campione e analisi della potenza
- Modellazione basata su machine learning (metodi avanzati limitati come support vector machines)
- Metodi per dati mancanti (multiple imputation e tecniche avanzate)
