Независимая Национальная Академия Доказательной Медицины (НКО ННАДМ)

😍 Уважаемые коллеги, добрый день. Спешим отчитаться по большой проделанной работе коллектива авторов: Бурлов Н.Н., Лобастов К.В., Макарова Д.Д., Марапов Д.И., Навасардян А.Р. Доказательная медицина: навигатор по материалам тематических каналов. ◈ Это не просто подборка ссылок, а структурированный путеводитель по темам критического анализа научных публикаций и биостатистики. Каждая тема снабжена несколькими источниками с пометкой уровня: БАЗА (с чего начать), СРЕДНИЙ (практика и примеры) или УГЛУБЛЁННО (нюансы и частные случаи), так что навигатор одинаково полезен и новичку в ДМ, и опытному исследователю. ◈ Внутри Вы найдете 2 части и 20 разделов: 📌 Часть 1. Критический анализ научных публикаций: от иерархии доказательств и дизайна исследований до систематических ошибок, публикационного смещения, регистрации КИ и off-label назначений. 📌 Часть 2. Биостатистика: от описательной статистики до анализа выживаемости, множественных сравнений, эстимандов и обзора статистического ПО. ◈ В навигатор включена информация следующих каналов: ННАДМ (114 постов) Medstatistic (100 постов), EBM_base (47 постов), Lobastov's Library (14 постов), Journal Club · Base of EBM (12 постов) и ряда других каналов. ◈ Мануал живой и находится в процессе наполнения. Если у вас есть материалы, каналы или темы, которые стоит добавить, пишите под этим постом или в личном сообщении. ⚠️ Подписывайтесь на ресурсы экспертов: Medstatistic EBM_base Lobastov's Library Journal Club · Base of EBM ◈ Будем рады любой обратной связи. 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ННАДМ |Medstatistic|EBM_base| Lobastov's Library | Journal Club · Base of EBM 👉 Подписаться на рассылку от ННАДМ по почте

😍 Уважаемые коллеги, добрый день. В связи с тем, что мы готовим большой труд, постов стало изрядно меньше, а те, что стояли в очереди, стали публиковаться в час ночи. Просим извинения. Тем не менее, команда экспертов готовит большой мануал по доказательной медицине. Основная цель - систематизировать имеющиеся фундаментальные знания из нескольких ТГ-каналов. А пока мы формируем 32-ю версию документа, хотим поделиться изменениями, которые произошли на нашем сайте Реестра проспективных клинических исследований. 🌟 1. Что нового? У нас новый дизайн и перевод сайта на английский язык. 🌟 2. Что нового? Под каждым исследованием появилось обсуждение. Комментарий может оставить зарегистрированный пользователь, на комментарий можно ответить: обсуждение собирается в ветки, а не в сплошную ленту. Полезные замечания поднимаются голосованием, сортировать можно по новизне или по оценкам коллег. ✅ Что это дает пользователю? Автор исследования получает уведомление о новом комментарии, автор комментария — об ответе на него. Отдельно приходит уведомление, когда работа набирает заметное число просмотров или попадает во всплеск интереса. 🌟 3. Что нового? Мы стали на шаг ближе к ВОЗ. Нам удалось полностью сверить наш реестр с международным стандартом регистрации исследований — WHO Trial Registration Data Set. Это 24 обязательных пункта, по которым описывают исследование все реестры сети ICTRP, включая ClinicalTrials.gov. Все расхождения найдены и закрыты в разработке, ближайшее обновление приведёт карточку исследования к этому стандарту. Соответствие этому набору данных — обязательное условие для включения реестра в сеть ВОЗ, а значит и для того, чтобы регистрацию в нашем реестре принимали международные журналы. ✅ Что это дает пользователю? Международные реестры и агрегаторы могут забирать наши записи автоматически, без ручного переноса. Это техническое условие работы в сети ВОЗ. У каждого исследования появляется постоянная ссылка. Её можно указать в статье, заявке на грант или отчёте - и она не перестанет работать при любых изменениях на сайте. 🌟 4. Что нового? Отдельная работа сделана в рамках открытия API. Реестр научился отдавать данные машиночитаемо: полная выгрузка, выборка изменений с заданной даты, документированное описание всех полей. Это то, что позволяет внешним системам забирать наши записи автоматически, без ручного переноса — в том числе международным. ✅ Что это дает пользователю? Реестр становится видимым для поисковых систем и ИИ-помощников как первоисточник. Когда врач или исследователь ищет, зарегистрировано ли исследование, он выходит на саму запись, а не на чей-то пересказ. Автор поста: Юрков Рэм, один из разработчиков реестра clinicalstudy.ru 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

🔬 Большое обновление scid.ai: весь ход исследования в одном приложении ИИ ускоряет исследовательские итерации. Вместе с этим растет ценность пути от вопроса к доказательной базе и научным результатам. scid.ai сохраняет этот путь внутри одного проекта. Что нового? 🖥 Рабочие зоны и вкладки Источники, граф, чат и документ можно открывать в разных вкладках и располагать рядом. Например, слева оставить граф темы, справа — список статей, а затем переключить рабочую зону на чат или документ. Каждый этап остается в контексте одной задачи или проекта. 🕸 Интерактивная аналитика источников Граф показывает связи между публикациями, темами, ключевыми словами, годами и организациями. Фильтры перестраивают граф; каждый узел можно открыть и проверить. Так видны центральные работы, смежные направления, динамика области и кластер исследований. Также теперь визуальзацию графа можно настроить под себя. ⭐️ Своя исследовательская база Отдельные статьи или всю выдачу можно сохранить в избранное. Группы помогают собрать базу по теме, методу, гипотезе, проекту или будущему разделу обзора. Всю группу можно подключить к чату или обзору, передать коллеге по ссылке и выгрузить в BibTeX, RIS или CSV. 📂 Анализ своих материалов В библиотеку можно загрузить PDF, Word, Excel и другие текстовые форматы. Один или несколько файлов можно добавить к источникам в чат, сравнить по методам, данным, результатам и ограничениям, а вывод оформить в таблицу со ссылками на файлы. 📝 Обзор литературы по плану без ограничений по объему текста После отбора источников scid.ai формирует план обзора литературы. Его можно изменить до начала написания: добавить раздел, сменить акцент, уточнить вопрос или исключить нерелевантную ветку. После согласования план превращается в документ по разделам с возможностью публикации. Текст можно дорабатывать через чат, каждое сохранение фиксирует новую версию документа (git-подобная система). Получается связный маршрут: исследовательский вопрос → источники и файлы → анализ → план → документ → экспорт. Сформируйте обзор по своему исследованию: ссылка scid.ai

😍 Уважаемые коллеги, добрый день. Хотим анонсировать серию постов, посвященным теме построения пути пациентов (Patient journey mapping). ◈ Цель, которую мы преследуем этой серией — продемонстрировать, зачем это необходимо и что может дать построение пути пациента врачебному сообществу, системе здравоохранения, частным ЛПУ и фармацевтическим компаниям. А самое главное — что это может дать конкретному пациенту. ◈ Еще со студенческой скамьи нам говорили, что «нужно лечить не болезнь, а больного». Таким образом, мы говорим о пациентоориентированном подходе в медицине. ◈ Пациентоориентированный подход предполагает такие принципы и практики, которые направляют деятельность всех звеньев здравоохранения на улучшение опыта пациентов с учетом их индивидуальных потребностей и ценностей. Ключевая характеристика этой модели — высокий уровень непрерывности медицинской помощи (continuity of care), при котором отдельные случаи взаимодействия пациента с системой воспринимаются как последовательные, взаимосвязанные во времени и соответствующие его потребностям и предпочтениям. ◈ А как это работает на практике, когда пациент коморбиден и у него не одно заболевание, а пять? По каждой нозологии — свои клинические рекомендации. Один специалист назначает терапию по своему профилю, второй — по своему, третий — по своему. Каждый действует в рамках своих КР. Формально всё правильно. Но мало кто из врачей оценивает общую лекарственную нагрузку пациента, межлекарственное взаимодействие и приверженность пациента к рекомендованной фармакотерапии. ◈ Дело в том, что такой подход изначально ориентирован на заболевания, а не на пациента, и поэтому не способствует формированию связного, непрерывного и согласованного маршрута пациента в системе здравоохранения. Эта проблема особенно значима для коморбидных пациентов: они вынуждены обращаться к разным специалистам и получать лечение в соответствии с клиническими рекомендациями, созданными для конкретных заболеваний, что неизбежно фрагментирует процесс оказания помощи. В результате потребности самого пациента могут отходить на второй план, уступая место требованиям отдельных клинических протоколов. ◈ Здесь возникает проблема фрагментированности системы здравоохранения: разрывы возникают как между уровнями оказания медицинской помощи, так и внутри одного уровня, между отдельными службами и специалистами, что приводит к недостаточной согласованности процесса оказания помощи. ◈ Составление карты пути пациента может представлять собой потенциальное решение данной проблемы. Она может выступать в качестве методологического инструмента для консолидации пациентоориентированных данных, генерируемых в процессе оказания помощи — и позволяет оценить системные барьеры и создать план дальнейших действий. Информация взята из статьи. 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

Что такое гибридный лекарственный препарат и почему он выделен в отдельную категорию В российском и евразийском регулировании существует особый тип лекарств — гибридные препараты. Они появляются тогда, когда разработчик вносит изменения, которые уже не позволяют подтверждать эквивалентность стандартным фармакокинетическим исследованием. Такие изменения могут касаться соли или производного действующего вещества, дозировки, лекарственной формы, пути введения или показаний. Любой из этих факторов влияет на абсорбцию, распределение или эффект, поэтому требуют дополнительных данных. Это зафиксировано в определении гибридных ЛП в Союзных стандартах . Что требуют НПА РФ и ЕАЭС • Гибридные препараты не подпадают под критерии воспроизведённых и проходят отдельную регуляторную траекторию. • Стандартной БЭ недостаточно, если изменения влияют на профиль растворения, концентрации в плазме или путь введения. В таких случаях требуются доклинические исследования, клинические данные или расширенная фармакокинетика. • Решение о наборе исследований всегда опирается на оценку риска: насколько вмешательство может изменить безопасность и эффективность. Почему так много внимания к дизайну Контекстные факторы — технология производства, форма выпуска, характеристики абсорбции — формируют то, как препарат работает в организме. Любое изменение лекарственной формы или режима дозирования может смещать кривую концентраций. Поэтому регулятор требует подтверждать, что изменённый препарат сохраняет сопоставимые свойства и его применение предсказуемо. Что важно понимать на практике • Гибридный препарат предполагает больший объём доказательств, чем генерик. • Любая модификация состава или формы должна быть чётко обоснована. • Дизайн исследования выбирают исходя из того, какие параметры изменены и какие риски нужно закрыть. Автор поста: Турсунов Ибрагим, аспирант 1 года по общественному здоровью 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

Выбираем статистический метод исходя из проверяемой гипотезы Данный подход состоит в том, что вначале исходя из решаемой задачи нужно определить проверяемую нулевую гипотезу. Нулевая гипотеза - это предположение об отсутствии эффекта (различий, связи, изменений и т.д.). В большинстве случаев мы желаем опровергнуть нулевую гипотезу с помощью p-значения. Если p окажется ниже уровня значимости (например, p<0.05), делаем вывод о наличии статистически значимого эффекта. ❗️Самое важное: каждый критерий проверяет совершенно определенную нулевую гипотезу. Например: 🔸t-тест Стьюдента проверяет, равны ли средние значения показателя в 2 независимых группах, 🔸тест Манна-Уитни (при соблюдении определенных условий) - равны ли в сравниваемых группах вероятности того, что случайно выбранное значение из одной популяции превышает случайно выбранное значение из другой популяции, 🔸коэффициент корреляции Пирсона проверяет гипотезу об отсутствии линейной связи… И так далее. Из этого следует несколько практических рекомендаций: 1️⃣ Критерии не являются взаимозаменяемыми при решении конкретной задачи. У каждого критерия - своя гипотеза. Например, если вы хотите доказать, что средний уровень показателя выше в одной группе, чем в другой - используйте t-тест Стьюдента. И пусть вас сильно не беспокоят выбросы или асимметрия данных. При проверке «своей» гипотезы критерии обычно устойчивы к особенностям распределения и дают предсказуемые результаты. «Чужие» гипотезы критерии иногда тоже переваривают, но ненадежно. Поэтому логично, что если мы будем проверять равенство средних значений с помощью теста Манна-Уитни - он с этой задачей будет справляться хуже, чем t-тест. В свою очередь, t-тест не подходит для проверки гипотезы, соответствующей тесту Манна-Уитни. 2️⃣ Замена одного критерия на другой означает замену проверяемой гипотезы, что противоречит современному подходу к выбору методов анализа клинических данных: 📌 сначала, на этапе планирования нужно сформулировать исследовательский вопрос и выбрать проверяемую гипотезу, 📌 только после этого выбираем критерий, подходящий для проверки этой гипотезы. Если в процессе анализа данных t-тест Стьюдента нам показался неподходящим, мы не можем просто так взять вместо него тест Манна-Уитни. Вначале следует изменить исследовательский вопрос, то есть по сути перепланировать исследование! 3️⃣ Такие допущения, как нормальность распределения или асимметрия, наличие выбросов - имеют значение! Но не на этапе анализа, а на этапе планирования исследования. Например, мы предполагаем, что наши данные будут включать слишком высокие или низкие значения - выбросы, которые, оказывают большое влияние на средний показатель. В таком случае мы можем сразу отказаться от сравнения средних. И запланировать сравнение вероятностей бОльших значений с помощью устойчивого к выбросам теста Манна-Уитни. А если выбросы важны для нас? Например, в обеих группах большинство пациентов имели нормальные значения уровня Hb, но в 1-й группе у нескольких пациентов отмечалась выраженная анемия, как побочное явление. Тогда тест Манна-Уитни может «не разглядеть» разницу, а вот t-тест сможет найти статистически значимое снижение среднего уровня Hb в 1-й группе. 4️⃣ Вывод о результатах применения критерия делается с учетом проверяемой им гипотезы. Например, вывод после сравнения уровня Hb с помощью t-теста Стьюдента может выглядеть так: Средний уровень Hb в крови у пациентов основной группы был статистически значимо выше, чем в группе контроля. Конечно, такой вывод будет некорректен, если использовался критерий Манна-Уитни, который не сравнивает средние значения. 5️⃣ В разделе «Материалы и методы» обосновываем выбор критериев проверяемой гипотезой или исследовательским вопросом, а не нормальностью или другими особенностями данных. Например, можно написать так: Уровень Hb в крови был представлен средними значениями. Их различия оценивались с помощью t-теста Стьюдента. Или: Группы сравнивались по вероятности более высоких значений уровня Hb в одной из них, статистическая значимость различий оценивалась с помощью теста Бруннера-Мюнцеля.

😍 Уважаемые коллеги, добрый день. Вашему вниманию выступление Марапова Дамира Ильдаровича (Казань) — к.м.н., доцента кафедры общественного здоровья, экономики и управления здравоохранением Казанской государственной медицинской академии - филиала ФГБОУ ДПО «Российская медицинская академия непрерывного профессионального образования» Минздрава России, г. Казань. на тему: «Регрессионные модели. Начало. Визуализация моделей». В выступлении эксперт разбирает: ✅ разработку прогностических моделей ✅ линейную регрессию ✅ логистическую регрессию ✅ визуализацию моделей с помощью номограмм ◈ Отдельное внимание уделено тому, как номограмма помогает наглядно представить регрессионную модель и сделать её понятной даже без глубокой статистической подготовки. Смотрите больше информации на нашем канале! С выступлением вы можете ознакомиться здесь: 🎥 ЮТУБ 🎥 ВК ⚠️ Рекомендуем подписаться на канал Дамира Ильдаровича https://t.me/medstatistic_ru ⚠️ Дамир Ильдарович любезно поделился своей презентацией. Она будет прикреплена под постом. P.S. Просим прощения за качество звука. Мы выжили из записи максимум. #регрессионныймодели #статистика #медицинскаястатистика #прогностическиемодели #логистическаярегрессия #линейнаярегрессия #номограмма #ННАДМ #медицинскоеобразование 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

🧠Уважаемые коллеги, добрый день! Лаборатория поведения ННАДМ продолжает серию публикаций о врачебной инертности. В прошлый раз мы говорили о том, как редко профилактическое консультирование происходит в реальной практике. Сегодня рассмотрим поведенческие механизмы, стоящие за этим. 👉Врач не уверен, что сможет помочь Неуверенность в собственной эффективности максимальна в вопросах алкоголя и контроля веса; в отношении физической активности врачи чувствуют себя относительно увереннее (Brotons et al., Preventive Medicine, 2005). 👉Врач не уверен, что пациент захочет меняться Одной из причин инерции называют ожидание врачом неприверженности или нежелания пациента следовать рекомендациям, хотя этот фактор эмпирически почти не изучен (Lebeau et al., BMC Fam Pract, 2014). 👉Система не поддерживает и не вознаграждает Перегруженность и нехватка времени, отсутствие финансового вознаграждения за профилактическое консультирование, размытая ответственность: кто должен консультировать: терапевт, кардиолог, диетолог? (Brotons et al., 2005; Khunti et al., Diabetes Obes Metab, 2018). 👉Образ жизни самого врача имеет значение Курящие врачи реже чувствуют себя эффективными в помощи с отказом от курения (39% vs 48%, p<0,01), а физически активные — чувствуют себя более эффективными в консультировании по физической активности (59% vs 50%, p<0,01) (Brotons et al., Preventive Medicine, 2005). ☝️Обратите внимание: ни один из этих механизмов не связан с недостатком знаний. Врачи знают, что консультировать нужно; препятствием становятся убеждения о собственной эффективности, ожидания в отношении пациента и условия, в которых проходит приём. Именно поэтому образовательные меры сами по себе редко решают проблему. 👩‍⚕️Берегите себя и своих пациентов. С уважением, Эксперты и друзья ННАДМ Автор серии постов: Макарова Дарья Дмитриевна, НМИЦ терапии и профилактической медицины Минздрава России #Лаборатория_поведения, #Поведение , #ННАДМ 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

😍 Уважаемые коллеги, добрый день. ◈ Меня зовут Юрков Рэм, я один из разработчиков реестра clinicalstudy.ru, и 8 июля Роспатент зарегистрировал наш программный модуль контроля целостности медицинского реестра «NNADM Anchor» (свидетельство № 2026668848), соавтором которого я стал вместе с Иваном Дмитриевым и Артуром Навасардяном. ◈ Рассказываю, что это значит для вас, врачей-исследователей. ◈ Мы уже неоднократно заявляли: устройство реестра должно предполагать неизменяемость и, если хотите, неудаляемость. Есть ваши протоколы — они не редактируются бесследно после публикации. Но у такого принципа возникает несколько неудобных вопросов. ◈ Вопрос первый: а судьи кто? Неизменяемость защищает историю от всех, кроме самого оператора реестра. У нас есть доступ к базе данных, и «поверьте, мы ничего не меняли» аргумент, конечно, так себе. Anchor решает это так: у каждого поля записи вычисляется криптографический отпечаток, отпечатки собираются в дерево, и корневое значение вместе с подписью автора публикуется в хранилище, защищённом от модификации, за пределами нашего влияния. Изменение любого символа в любой версии ломает сходимость отпечатков, и проверить это может любой. ◈ Вопрос второй интереснее: закон против архитектуры. Реестр обязан хранить научное содержание протокола вечно — этого требует сама логика борьбы с publication bias, и 149-ФЗ «Об информации» прямо обязывает нас как оператора информационной системы обеспечивать целостность и достоверность хранимого. Мы построили систему, в которой удаление невозможно. Но 152-ФЗ «О персональных данных» даёт участнику право отозвать согласие на обработку своих данных (ст. 9), и тогда мы обязаны их уничтожить (ст. 21), причём в установленный законом срок. Получается лобовое столкновение двух федеральных законов внутри одной таблицы: «нельзя удалять ничего» против «обязаны удалить по требованию». Большинство реестров решают 50/50: либо игнорируют запросы, либо ломают целостность. ◈ Anchor разрешает это противоречие красиво. Каждое поле записи хешируется с индивидуальной криптографической «солью», а поля заранее классифицированы: научное содержание — неудаляемое, персональные данные — удаляемые. Когда участник требует удалить свои данные, мы уничтожаем соль этого конкретного поля. Всё: поле больше невозможно ни восстановить, ни проверить: оно криптографически стёрто, требование 152-ФЗ исполнено. При этом внешний корневой отпечаток не тронут, и все остальные поля, конечные точки, критерии, дизайн, продолжают проверяться как ни в чём не бывало. Право на забвение соблюдено; научная история цела; целостность доказуема. ◈ Сейчас Anchor существует как зарегистрированный программный модуль и подробная техническая спецификация. Впереди нас ждет встраивание в боевой контур реестра. ◈ А что сейчас? Мы уже внедрили возможность после публикации исследования скачать его в формате PDF. Скачать вы можете любую версию исследования. Таким образом, после внесения изменений вы загружаете все версии и можете их сравнить не только в интерфейсе нашего реестра, что повышает уровень прозрачности к вводу данных. ⚠️ Что это даёт лично вам: математически проверяемое доказательство, что ваш протокол существовал именно в этом виде именно на эту дату, защита приоритета и репутации, которая выдаётся автоматически. И гарантия, что ваши персональные данные, если вы когда-то решите их удалить, удаляемы без вреда для науки. ⚠️ Дополнительная информация. ➢ Мануал по регистрации на сайте CLINICALSTUDY.RU ➢ Мануал по регистрации на сайте CLINICALTRIALS.GOV. ➢ Альтернативные зарубежные реестры 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

🧠Уважаемые коллеги, добрый день! Лаборатория поведения ННАДМ продолжает серию публикаций о врачебной инертности. Ранее мы говорили о фармакологической инертности (отсутствии интенсификации терапии). Сегодня предлагаем вашему вниманию данные о её менее изученной форме: консультативной инертности - отсутствии или недостаточной степени консультирования по факторам риска ХНИЗ в рамках приёма. Как часто врачи консультируют в реальной практике? 👉Курение обсуждается примерно на 20-22% приёмов по данным медицинских карт (Thorndike et al., 2007). 👉Физическая активность: в среднем на 37,9% приёмов (Wattanapisit et al, 2023; 35 исследований). Результат такого разрыва виден на уровне пациентов: 👉По данным EUROASPIRE V, несмотря на высокий охват фармакотерапией (статины - 80%, антиагреганты - 93%), уровень коррекции образа жизни остаётся неудовлетворительным: 66% пациентов недостаточно физически активны, 19% продолжают курить (Kotseva et al., 2019; 27 стран, n=8 261). 👩‍⚕️ При этом краткий совет врача по отказу от курения остаётся одним из самых эффективных вмешательств: NNT ~35-80 (по оценкам Stead et al., Cochrane, 2013). Российских исследований консультативной инертности на сегодняшний день недостаточно, при том, что именно профилактическое консультирование является одним из ключевых инструментов снижения бремени ХНИЗ. В следующей публикации мы рассмотрим поведенческие механизмы, из-за которых разговор о факторах риска так часто не происходит. Берегите себя и своих пациентов. С уважением, Эксперты и друзья ННАДМ Автор серии постов: Макарова Дарья Дмитриевна, НМИЦ терапии и профилактической медицины Минздрава России #Лаборатория_поведения, #Поведение , #ННАДМ 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

🧠 Уважаемые коллеги, добрый день! Лаборатория поведения ННАДМ продолжает серию публикаций о врачебной или терапевтической инертности. Сегодня предлагаем вашему вниманию данные о распространённости этого феномена и цене, которую платят пациенты в связи с промедлением. 👉В 12 странах Европы 61% пациентов с АГ, получающих лечение, не достигают целевого АД (исследование EURIKA, 2011; n=7 641). 👉При сердечной недостаточности со сниженной фракцией выброса большинство пациентов получают препараты рекомендованных классов (иАПФ/БРА - 86,7%, бета-блокаторы - 86,7%, АМР - 69,3%), однако целевой дозы достигают лишь 27,9% на иАПФ, 6,9% на БРА и 14,8% на бета-блокаторах. (QUALIFY, 2016). 👉Одна из причин - поведение врача на приёме: при зафиксированном АД ≥140/90 усиление гипотензивной терапии отсутствовало на 87% визитов (Okonofua et al., 2006; n=7 253). 👉У промедления есть измеримая цена: задержка усиления терапии свыше 1,4 мес. увеличивает риск сердечно-сосудистых событий и смерти на 12% (Xu et al., BMJ, 2015; n=88 756). 🇷🇺 В России прямых исследований врачебной инертности практически нет. По данным ЭССЕ-РФ-3, лечение артериальной гипертензии получают 63,4% пациентов, целевых показателей достигают 44,0%. Разрыв между охватом лечением и его результатом косвенно указывает на присутствие инертности, однако не позволяет её измерить. 📝Важно отметить, что и международные данные являются приближением: анализ визитов фиксирует факт отсутствия интенсификации, но не его причину; часть таких случаев представляет собой не инертность, а осознанное клиническое решение. 👩‍⚕️Берегите себя и своих пациентов. С уважением, Эксперты и друзья ННАДМ Автор серии постов: Макарова Дарья Дмитриевна, НМИЦ терапии и профилактической медицины Минздрава России #Лаборатория_поведения, #Поведение , #ННАДМ 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

🧠 «Инсульт от Бога, лечение от меня» Так рассуждает врач, не назначающий антикоагулянты пациенту с фибрилляцией предсердий. Инсульт без лечения - судьба, а осложнение от препарата - это уже моя вина. Так выглядит феномен под названием "врачебная инертность": терапию нужно усилить, противопоказаний нет, но врач ничего не меняет. Лаборатория поведения ННАДМ продолжает работу и делится разбором поведенческих механизмов, стоящих за этим феноменом. Важно понимать - это не халатность врача, а предсказуемый поведенческий паттерн: 👉«Показатели почти в норме» мозг засчитывает как достигнутую цель, при этом исчезает мотивация действовать 👉«Он всё равно не будет покупать этот препарат» - врач решает за пациента, не проверяя предположений 👉Ошибка бездействия: не сделать ничего психологически «безопаснее», чем сделать и ошибиться 👉Системные ограничения: сокращенное время на приём и размытая ответственность: кто должен менять схему, терапевт или кардиолог? Хорошая новость: инертность измерима и управляема. Возможности: аудит с обратной связью, включение в процесс среднего медицинского персонала, самомониторинг АД с поддержкой врача. Подробнее: в выступлении Дарьи Макаровой на Форуме молодых кардиологов в Уфе. 📹 Запись доступна на YouTube и в ВК #Лаборатория_поведения #Поведение 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте.

😍 Уважаемые коллеги, добрый день. Продолжаем серию авторских постов от Никиты Николаевича Хромова-Борисова. Первая серия посвящена значению "p-value". С первым постом вы можете ознакомится здесь. P-значение уже больше века остаётся одним из главных, но и самых спорных инструментов анализа данных в биомедицине. Собрали хронологическую подборку цитат статистиков и исследователей — от 1900 до 2026 года — о пользе и ограничениях p-значений. Прочитав их, каждый — автор, рецензент, редактор — сможет сам решить, стоит ли и дальше на них опираться. «Вероятности, которыми принято пренебрегать в различных практических приложениях, различны. Иногда в научных исследованиях ограничиваются статистическими приемами, рассчитанными исходя из пренебрежения вероятностями в 0,05. Но это следует делать лишь в случаях, когда собирание более обширного материала очень затруднительно. Если норма в 0,05 для серьезных научных исследований явно недостаточна, то вероятностью ошибки в 0,001 или 0,003 по большей части принято пренебрегать даже в столь академических и обстоятельных исследованиях, как обработка астрономических наблюдений». Колмогоров, 1956; 1999; 2003; Kolmogorov, 1963 [1-3]. p-значения «как правило, не приводят к каким-либо вероятностным утверждениям о реальном мире, а представляют собой рациональную и четко определенную меру нежелания принимать проверяемые ими гипотезы». Fisher, 1956 [4]. «NHST [Проверка значимости нулевой гипотезы -ПЗНГ] - могущественный, но бесплодный интеллектуальный повеса, который оставляет на своем веселом пути длинную вереницу соблазненных дев, но не оставляет жизнеспособного научного потомства». Meehl, 1967; 1970 [5]. «…научный вывод из набора данных — это не формальное упражнение, которое преподают на уроках статистики. Сегодня способ получения выводов из реального набора данных преподается во многих классах статистики точно так же, как преподают геометрию или алгебру. Студент узнает, что статистические методы представляют собой совокупность формул и фиксированных наборов правил, которые, будучи однажды заученными, можно использовать на протяжении всей жизни для получения выводов из данных. Мы узнали, что нужно лишь определить, следует ли отклонить гипотезу на уровне 5% или 1%. Затем статистик может с помпой делать очевидные выводы о данных из любой научной области, объявляя их значимыми или незначимыми. Подобную чепуху обычно преподают профессора, которые имели минимальный опыт применения статистических методов к научным проблемам. В результате растет число научных статей, в которых статистические методы используются для «украшения» результатов. Zelen, 1966 [6]. «Функция проверок [статистической] значимости состоит в том, чтобы не дать вам выставить себя дураком, а не в том, чтобы сделать не подлежащие публикации результаты пригодными для публикации». Colquhoun, 1971 [7]. Источники информации под постом. Автор: Хромов-Борисов Никита Николаевич, к.б.н., ст.н.с., консультант по биостатистике и генетике. Отделение персонализированной психиатрии и неврологии. 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. 👉 Подписаться на рассылку от ННАДМ по почте ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru

😍 Уважаемые коллеги, добрый день. Selective reporting (избирательное репортирование) в практической медицине: что это такое и как минимизировать риски «Избирательное репортирование — это научный проступок» (Iain Chalmers) ✅ Что такое избирательное репортирование (selective reporting)? В самом общем виде под избирательным репортированием —selective reporting в науке обычно понимают практику избирательного представления результатов исследований, зависящую от характера этого результата, а также от заинтересованности определенных лиц в представлении этого результата. ✅ Возможные виды избирательного репортирования Прямые методы: ◈ Не публиковать исследование с отрицательными результатами вообще. ◈ Публиковать их с большим опозданием. ◈ Публиковать результаты исследования не полностью. ◈ Не сообщать о побочных действиях лекарств или сообщать избирательно. Косвенные методы: ◈ Искажение результатов уже проведенного исследования: — анализ по вторичным конечным точкам; — анализ в подгруппах; — манипуляция статистическим анализом. ◈ Манипуляция критериями включения/исключения для создания селективной группы больных. Заведомо неверная трактовка результатов. ✅По каждому пункту Сергей Юрьевич приводит конкретные опубликованные примеры. ✅Как минимизировать риски? Регистрация исследований — важный, но явно недостаточный способ. Одновременно публиковать исследования с прямо противоположными результатами, чтобы не фокусировать внимание ученых и неспециалистов на том, что исследования всегда дают положительные результаты. Пропаганда основ доказательной медицины молодым врачам и исследователям. ✅ Заключение Избирательное репортирование (selective reporting) — многогранное явление, которое может наблюдаться на всех этапах проведения исследования и представления его результатов. Избирательное репортирование является одним из инструментов псевдодоказательной медицины. Читает: Марцевич Сергей Юрьевич — д.м.н., профессор, руководитель отдела профилактической фармакотерапии ФГБУ «НМИЦ ТПМ» Минздрава России, президент Национального общества доказательной фармакотерапии (Москва). С выступлением вы можете ознакомиться здесь: 🎥 ЮТУБ 🎥 ВК ⚠️ Кроме того, автор затрагивает ряд тем, по которым мы ранее готовили отдельные материалы: ✔️Конечные точки в исследованиях; ✔️Публикационное смещение; ✔️Систематические обзоры и метаанализы. #доказательнаямедицина #selectivereporting #избирательноерепортирование #клиническиеисследования #псевдодоказательнаямедицина #EBM #публикационноесмещение #научнаяэтика #фармакотерапия #медицина P.S. Эксперты совместно с ИИ (Claude) пытались нарисовать картинку под термин Черри-пикинг (от англ. cherry-picking — «выбор вишенок»). Удачно или нет, решать вам. 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

​​🏊🏻‍♂️ Всем - плавать 🏊🏻‍♂️ ..., если не можете сделать метаанализ. Предполагаю, что вы сейчас ожидали научные доказательства пользы плавания для профилактики и лечения ХЗВ (бальнеотерапия у нас, все-таки, имеет уровень 1А). Но нет, я имею ввиду стандарт публикации систематических обзоров без метаанализа SWiM (Synthesis Without Meta-analysis), на который ссылаются авторы работы соответствующего дизайна, которую мне пришлось изучить при ревизии очередной китайской статьи по применению шкалы Каприни в травматологии. Так вот, если вы по какой-то объективной причине не можете обобщить данные систематического обзора и представить результаты по стандарту PRISMA, то нужно придерживаться 9 правил (из которых самым важным и интересным является третье): 1️⃣ Объединение исследований: описать как и почему работы были объединены (по дизайну, популяции, исходам) и как это влияет на интерпретацию, обязательно указать возможные отклонения от протокола, возникшие в период работы с источниками; 2️⃣ Стандартизованные метрики и их трансформация: описать и аргументировать выбор стандартизированных метрик для каждого исхода, при необходимости описать механизм трансформации оригинальных метрик из исследования в стандартизованные; 3️⃣ Синтез данных: описать и аргументировать выбранный метод объединения данных, к которому относится 🏊🏻‍♂️ обобщенное значение р (да, я тоже удивлен, но при отсутствии величины эффекта или невозможности трансформации исхода в единый обобщаемый показатель, можно просто объединить значения р методами Фишера или Стоуффера, получив или нет сигнал о наличии статистической значимости, но не величины эффекта); 🏊🏻‍♂️ описательная статистика для величины эффекта (представление разнородных данных в виде медианы с интерквартильным размахом); 🏊🏻‍♂️ подсчет голосов по направлению эффекта (представление числа исследований, демонстрирующих улучшение, ухудшение и отсутствие эффекта); 4️⃣ Критерии приоритета: при необходимости обосновать выбор отдельных исследований, результаты которых подлежат объединению и лежат в основе заключения; 5️⃣ Оценка гетерогенности: обосновать и использовать неформальные методы для оценки гетерогенности, например, упорядочивание таблиц или структурирование рисунков в соответствии с предполагаемыми модификаторами, такими как методологические характеристики (например, дизайн исследования), субпопуляции (например, пол, возраст), компоненты вмешательства, контекстные, средовые факторы и пр. (как это должно выглядеть на практике, я себе плохо представляю); 6️⃣ Оценка достоверности: описать подход к оценке достоверности заключений (в частности, можно использовать систему GRADE); 7️⃣ Представление данных: описать графические (тут перечисляются все возможные диаграммы, некоторые из которых пришлось погуглить: форест-плоты, харвест-плоты, направления эффекта, альбатросы, пузырьковые, ящики с усами) и табличные (утверждается необходимость включения всех релевантных данных) методы представления результатов; 8️⃣ Представление результатов: для каждого сравнения и исхода представить описание результатов обобщения и достоверность (уверенность); 9️⃣ Ограничения синтеза: дать честную характеристику слабых мест обзора литературы и синтеза данных. Иначе говоря, альтернативные стандарты мало чем отличаются от классической PRISMA на этапе описания данных, но призывают максимально возможно упорядочить и стандартизировать результаты. И в качестве примера, вот так этим пользуются авторы систематического обзора по шкале Каприни (см. иллюстрацию). Вместо того, чтобы просто метааналитически обобщить площади под кривыми ROC из 83 исследований, они их упорядочивают и структурируют по размеру выборки и профилю пациентов. И получают значения от 0,29 до 0,87 во всех работах и от 0,6 до 0,8 в 75% лучших исследований (наших там только два, т.к. глубина поиска была ограничена 2021 годом, а результаты валидации шкалы Каприни во флебологии они не нашли). Почему так? Не спрашивайте. Зато появился повод научиться SWiM. Обе публикации в свободном доступе.

😍 Уважаемые коллеги, добрый день. Продолжаем разбирать документы, влияющие на качество и интерпретацию клинических исследований и которые обновились за последнее время. ( про ICMJE читать здесь; про обновление CONSORT и SPIRIT читать здесь). Сегодня — об обновлении регулирования клинических исследований в Великобритании и о том, почему регистрация исследования становится не пожеланием, а юридической обязанностью. ◈ Название документа: The Medicines for Human Use (Clinical Trials) (Amendment) Regulations 2025 ◈ Информация: С 28 апреля 2026 года в Великобритании вступил в силу обновлённый регламент проведения клинических исследований лекарственных препаратов (CTIMPs) [1,2]. Это наиболее значимая реформа за более чем 20 лет, и одно из её ядер — требования к исследовательской прозрачности, где регистрация выходит на первый план [1–3]. ◈ Ключевые положения (акцент — регистрация клинического исследования): ✔️ регламент вступил в силу 28 апреля 2026 года и применяется ко всем CTIMP, проводимым в Великобритании, с учётом переходных положений для уже идущих исследований [2] ✔️ впервые регистрация в публичном реестре, признанном ВОЗ, становится юридической обязанностью, а не только редакционным или этическим требованием [3,4] ✔️ зарегистрировать исследование необходимо до получения согласия первого участника либо в течение 90 дней с момента одобрения — в зависимости от того, что наступит раньше [3] ✔️ summary of results должен быть опубликован в том же реестре в течение 12 месяцев после окончания исследования [3] ✔️ в те же сроки участникам (или их представителям) предлагается lay summary в понятном формате [3] ✔️ для отдельных категорий возможны deferral/waiver; в частности, исследования фазы 1 со здоровыми добровольцами автоматически получают отсрочку на 30 месяцев [4] ◈ Почему регистрация — это фундамент: Регистрация — первый и теперь обязательный шаг прозрачности, на котором держатся все последующие: публикация результатов и обратная связь участникам [3]. Без своевременной регистрации исследование фактически выпадает из поля зрения научного сообщества ещё до получения данных. ◈ Значение для практики: Изменения значимы для спонсоров, исследовательских центров и команд, а также специалистов по регистрации, сопровождению и публикации результатов. С практической точки зрения они усиливают роль планирования регистрации заранее, соблюдения сроков и корректного ведения данных [1,3]. ◈ Значение для читателя: Для тех, кто критически оценивает литературу, обязательная регистрация важна, поскольку: ◈ повышает выявляемость всех начатых исследований, а не только опубликованных ◈ снижает риск избирательного непредставления результатов (publication bias) ◈ позволяет сопоставлять заявленные и фактически представленные исходы ◈ укрепляет воспроизводимость и полноту доказательной базы ⚠️ Призыв к действию: Не откладывайте регистрацию. Если ваше исследование проводится в британской юрисдикции — регистрируйте его в реестре, признанном ВОЗ, как требует регламент. Вне зависимости от юрисдикции принцип один: зарегистрированное исследование — это исследование, которое можно проверить, сопоставить и учесть в доказательной базе. Для исследований в российском пространстве вы можете регистрировать и документировать протоколы, в том числе в нашем реестре clinicalstudy.ru — как шаг к большей открытости вашей работы. ◈ Источники под постом ⚠️ Дополнительная информация. ➢ Мануал по регистрации на сайте CLINICALTRIALS.GOV. ➢ Альтернативные зарубежные реестры ➢ Мануал по регистрации на сайте CLINICALSTUDY.RU #доказательная_медицина #клинические_исследования #регистрация_исследований #прозрачность_исследований #publicationbias #researchtransparency #evidence_based_medicine #clinicaltrials #trialregistration Черновик материала создан при участии нейросетей (Claude, ChatGPT). Окончательная редакция, проверка фактов и экспертная оценка выполнены командой ННАДМ 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

😍 Уважаемые коллеги, добрый день. ✅ Продолжаем рассматривать ключевые документы и инициативы, влияющие на качество и интерпретацию клинических исследований. Сегодня — об обновлении рекомендаций ICMJE. (Пост про обновление CONSORT и SPIRIT читать здесь). ◈ Название документа: ICMJE Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals Updated January 2026 ◈ Информация: ICMJE (International Committee of Medical Journal Editors) — де-факто международный стандарт по подготовке, представлению, редактированию и публикации научных материалов в медицинских журналах. Рекомендациями ICMJE руководствуются сотни ведущих рецензируемых изданий, включая JAMA, NEJM, The Lancet, BMJ и их специализированные журналы [1]. В январе 2026 года ICMJE опубликовал обновлённую версию рекомендаций. Обновление содержит два полностью новых раздела и изменения в четырёх существующих, что отражает реакцию профессионального сообщества на технологические и этические вызовы — прежде всего связанные с использованием ИИ и сохранением академической независимости [1]. ✅ Структура обновления: ✔️ Новый раздел V — «Использование искусственного интеллекта в публикационном процессе». Впервые тема ИИ выделена в отдельный раздел и структурирована по трём ролям: ◈ V.A — использование ИИ авторами ◈ V.B — использование ИИ рецензентами ◈ V.C — роль редакторов в обеспечении ответственного использования ИИ ✔️ Новый подраздел III.L.2 — «Доступ авторов к данным». Закреплено формальное требование: авторы должны иметь достаточный доступ к данным, чтобы нести ответственность за целостность и точность работы. Особо акцентирован вопрос коллаборативных исследований с участием нескольких сторон. ✔️ Обновления в существующих разделах: ◈ II.B — соглашения со спонсорами и принципы академической свободы ◈ III.B — научные нарушения (scientific misconduct) ◈ III.L.1 — регистрация клинических исследований ◈ IV.3.A — раскрытие источников поддержки ✅ Что изменилось в требованиях к регистрации клинических исследований: ICMJE подтверждает требование проспективной регистрации в публично доступных регистрах, соответствующих стандартам ВОЗ или ICMJE, на момент или до получения первого информированного согласия. Новое — редакторы должны верифицировать полноту, точность и проспективность регистрации перед публикацией. Это более строгая формулировка по сравнению с предыдущими версиями [1]. ✅ Значение для практики: Обновление имеет значение для: ◈ авторов научных публикаций ◈ редакторов и рецензентов ◈ специалистов, оценивающих качество и воспроизводимость клинических исследований Соблюдение рекомендаций способствует повышению прозрачности исследовательского процесса и снижению риска искажений при представлении результатов. ✅ Значение для читателя: Обновления позволяют более точно оценивать: ◈ имели ли авторы независимый доступ к данным ◈ соблюдены ли требования к проспективной регистрации ◈ раскрыто ли использование ИИ-инструментов (AI-assisted technologies) при подготовке публикации ◈ имеются ли ограничения, связанные со спонсором исследования ⚠️ Дополнительная информация: ICMJE прямо указывает: авторы не должны заключать соглашения со спонсорами, ограничивающие доступ к данным или возможность независимого анализа и публикации результатов. Проспективная регистрация клинических исследований по-прежнему рассматривается как ключевой элемент предотвращения избирательной публикации и избирательного представления исходов (selective outcome reporting). Например регистрация на clinicalstudy.ru, clinicaltrials.gov и т.д. Черновик материала создан при участии нейросетей (Claude, ChatGPT, Deepseek). Окончательная редакция, проверка фактов и экспертная оценка выполнены командой ННАДМ. #редакционная_политика #искусственный_интеллект #ICMJE #ICMJE2026 #clinical_trials #research_integrity #AI_in_research 👨‍🏫 Читайте. Думайте. Делитесь. Создавайте. ТГ канал | Чат| Рубрикатор |Сайт | Группа ВК | Ютуб | Контакты| Clinicalstudy.ru 👉 Подписаться на рассылку от ННАДМ по почте

❗️4️⃣ Выбор критерия исходя из параметров собранных данных противоречит принципам предварительного планирования дизайна исследования. В этом случае для нас открывается возможность манипуляций. Например, если с помощью t-критерия Стьюдента не будут получены желаемые различия, можно отказаться от мнения о нормальности распределения и испытать другие критерии: Манна-Уитни, ван дер Вардена, Вальда-Вольфовица, медианный тест Муда и др. Авось где-то p опустится ниже заветных 0.05 и можно будет сделать вывод, что эффект достигнут. Такой подход относится к нежелательному и порицаемому явлению под названием «p-hacking». Надежным средством против него является четкое указание в протоколе, публикуемом до набора данных, какие гипотезы планируется проверять и с помощью каких методов. Интересно, что даже выбор программы - совсем уже нестатистический фактор! - может повлиять на результаты сравнения. Ведь доступные в одних программах критерии могут отсутствовать в других, что неизбежно приводит к различиям в выводах. Пример такой ситуации с использованием SPSS и Minitab приводят Pearce and Derrick (2019). Выбирая метод анализа на этапе планирования исследований, можно сослаться на Аддендум по эстимандам к руководству по статистическим принципам для клинических испытаний (ICH E9(R1)). В нем сказано, что эстиманды (оцениваемый эффект, например, разность средних) с основными эстиматорами (метод оценивания, например, t-критерий Стьюдента) должны определяться заранее, на этапе планирования исследования. При этом, конечно, учитываются предположения о популяции и изучаемом параметре, а в случае выявления отклонений от предположений рекомендуется выполнять анализ чувствительности. Также про опасность манипуляций с выводом можно прочитать у Fay and Proschan (2010). ❗️5️⃣ Использование предварительного тестирования допущений применения статистических методов, таких как нормальность или равенство дисперсий, создает проблемы с контролем ошибок I и II типа. То есть помимо ошибок проверки статистических гипотез, совершаемых при использовании конкретного метода, которые обычно успешно контролируются самим методом, мы сталкиваемся с вероятностью ошибок, связанных с проверкой допущений. В результате мы можем получить p-значения, значительно отличающиеся от реальных. А может и незначительно… В общем, проверка допущений делает статистический вывод неопределенным. Какие авторы пишут об этом: Zimmerman (2004), Wells and Hintze (2007), Rochan et al. (2012), Garcia-Perez (2012) ❗️6️⃣ В случае предполагаемых нарушений допущений статистических тестов (если они все-таки важны), сразу использовать такие методы, которые устойчивы к этим допущениям. Например, при сомнениях в целесообразности сравнения средних значений можно без каких-либо предварительных проверок отказаться от t-теста в пользу ранговых методов. Такую рекомендацию в отношении разных параметрических методов можно встретить в работах: Wells and Hintze (2007), Fagerland (2012), Lantz (2013), Derrick et al. (2017). Данный принцип также относится к проверке гомоскедастичности (равенства дисперсий). Это допущение является важным при использовании параметрических методов: классического t-теста или F-теста, post-hoc критерия Тьюки, а также непараметрического критерия Манна-Уитни. У каждого из них есть аналоги, устойчивые к нарушению данного допущения: соответственно, t-тест и F-тест Уэлча, тест Геймса-Хауэлла, критерий Бруннера-Мюнцеля. Рекомендуется по умолчанию использовать именно эти аналоги без проверки равенства дисперсий. Симуляции показывают их надежность как при гетеро-, так и при гомоскедастичности. О предпочтительном использовании теста Уэлча пишут: Zimmerman (2004), Rash et al. (2011), West (2021). О предпочтительном использовании критерия Бруннера-Мюнцеля: Karch (2023), Noguchi at al. (2021), Nowak et al. (2022). О предпочтительном использовании критерия Геймса-Хауэлла: Keselman and Rogan (1978). Все ссылки на упомянутые в этом посте источники, которые могут пригодиться для подготовки ответов рецензентам и для более глубокого погружения в эту тему, приведены в комментариях.

Продолжение. Первая часть поста опубликована здесь и здесь. Чем же нас не устраивает алгоритм №2? Тот, который предлагает выбирать критерий исходя из нормальности распределения? К сожалению, для критики есть серьезные основания, подробно представленные в многочисленных источниках. ❗️1️⃣ При достаточно большом числе наблюдений t-критерий Стьюдента, дисперсионный анализ, ковариационный анализ, линейная регрессия устойчивы к отсутствию нормальности распределения. Стьюдент в своей знаменитой статье “The probable error of a mean” (1908) описал t-критерий исходя из допущения о том, что в популяции показатель имел нормальное распределение. При таком допущении t-критерий является точным тестом и может использоваться для анализа даже небольших выборок. Но при достаточно большом числе наблюдений t-критерий можно рассматривать как консервативную форму z-теста, не имеющего допущений по форме распределения. Это подтверждается многочисленными симуляциями, где t-критерий применяли к очень ненормально распределенным данным и всё равно получали корректные выводы о различиях средних значений (справедливости ради отметим, что сценарии, где t-критерий не будет работать, также существуют). То же относится и к дисперсионному анализу и линейной регрессии. Позволю себе процитировать Norman G., рассмотревшего в своей статье устойчивость ANOVA к нарушениям различных допущений: «Parametric statistics can be used with Likert data, with small sample sizes, with unequal variances, and with non-normal distributions, with no fear of ‘‘coming to the wrong conclusion’’.» Какие авторы пишут об этом: Feir-Walsh and Toothaker (1974), Driscoll (1996), Scovlund and Fenstad (2001), Fay and Proschan (2010), Norman (2010), Rash et al. (2011), Fagerland (2012), Lumley et al. (2012), Blanca et al. (2023). ❗️2️⃣ Нормальность распределения трудно оценить объективно. Особенно это актуально для небольшого числа наблюдений. Используемые для оценки нормальности критерии, такие как популярный и рекомендуемый многими авторами критерий Шапиро-Уилка, на малых выборках имеют слишком низкую мощность и могут подтверждать нормальность даже если её нет. Обратная проблема возникает при большом числе наблюдений, когда даже малозначимые отклонения от нормальности сопровождаются выводом об отсутствии нормальности. Ряд авторов рекомендует использовать для проверки на нормальность графические методы, т.е. визуальное изучение гистограммы или квантильной диаграммы (QQ-plot), но этот подход тоже недостаточно точен. Другими словами, объективная оценка нормальности распределения - слишком сложная задача. Какие авторы пишут об этом: Garcia-Perez (2012), Rochon et al. (2012), Kozak and Piepho (2017) ❗️3️⃣ Параметрические и непараметрические критерии не являются взаимозаменяемыми - они решают разные задачи и отвечают на разные вопросы. Представьте, что нам нужно завернуть шуруп. Но сделать это отверткой затруднительно, например, из-за сбитых шлицов на головке шурупа. И тогда нам предлагают воспользоваться молотком. Конечно, можно забить им шуруп, вот только держаться он будет плохо. Молоток - для гвоздей, отвертка - для шурупов. Так же, как молоток не заменит отвертку, непараметрические критерии не заменят параметрические, в связи с тем, что проверяют разные гипотезы. Например, t-критерий Стьюдента проверяет, отличаются ли друг от друга средние значения. А непараметрический критерий Манна-Уитни - то, что вероятность бОльших значений в одной из выборок выше, чем в другой. 🔹В тех исследованиях, где важно доказать, что именно средний уровень показателя в одной из групп выше или ниже - мы практически всегда будем использовать t-критерий. 🔹Но иногда нас в меньшей степени интересуют средние значения или их разность, мы бы хотели доказать, что в одной из групп чаще встречаются более высокие значения. В таких случаях мы можем сразу предпочесть критерий Манна-Уитни. Какие авторы пишут об этом: Sawilowski and Shlomo (2005), Fay and Proschan (2010), Fagerland (2012), Lumley et al. (2012)