Ирина Самусь | ПРО НАУКУ

📝Главные требования к медицинской статье или диссертации Требования зависят от конкретного журнала или вуза, но базовый стандарт включает 8 ключевых пунктов: 1. Структура: Четкое разделение на блоки (введение, обзор литературы, методы, результаты, обсуждение, заключение). 2. Рациональность: Научный подход с четко сформулированными вопросами и гипотезами. 3. Строгая методология: Критический блок - ошибки здесь вызывают большинство отказов.Важно исключить: - расплывчатую или неконкретную цель; - слабое обоснование методов («потому что так делают все»); - ошибки в дизайне исследования и критериях отбора; - слабую статистику и неполное описание сбора данных. 4. Актуальность: Решение реальных задач медицины с практическим выходом. 5. Надежность: Достоверность результатов, подтвержденная статистикой. 6. Этика: Строгое соблюдение стандартов медицинской биоэтики. 7. Ясность: Понятный, логичный и грамотный язык. 8. Стандарты: Полное соответствие требованиям целевого журнала или учебного заведения.

Как исследователю работать с литературой через нейросети: воронка чтения и экономия времени Трехступенчатая воронка чтения 1. Скрининг (15–20 минут): используем ИИ для формирования поисковых запросов, структурирования аннотаций и первичного отсева нерелевантных текстов. 2. Приоритизация (20 минут в неделю): оцениваем методологический дизайн, свежесть и релевантность. Вглубь идут только сильнейшие материалы. 3. Глубокое чтение (3 статьи в месяц): привлекаем нейросети для перевода сложных фрагментов, извлечения переменных и подготовки черновых конспектов с обязательной ручной верификацией фактов. 📑Где ИИ реально сокращает время ◾️Быстрый поиск и очистка дублей в базах. ◾️Генерация структурированных резюме и сравнение методик. ◾️Первичная систематизация библиографии и ссылок. ◾️Наброски черновых формулировок для обзора литературы. Риски, которые нельзя игнорировать ИИ склонен к генерации недостоверных данных. Все цифры, факты и выводы необходимо сверять с первоисточником. Формула объема «3–7–30» ⏩3 статьи - глубокий разбор с конспектом. ⏩7 статей - беглый анализ с фиксацией тезисов. ⏩30 статей - скрининг аннотаций для общего контекста. Нейросеть не заменяет исследователя, а снимает механическую нагрузку, оставляя за вами главное - критическое мышление, клиническую интерпретацию и научные выводы.

Коллеги, юмор выходного дня перед началом рабочей недели🤝🏻 А как оптимизировать свое время, чтобы ваш опыт работал исключительно на результат - рассказала тут

Куда уходят силы или зачем эксперту прокачивать личную эффективность❓ Знаний и опыта может быть предостаточно, но если в расписании хаос, они просто сгорают в потоке текучки. ❗️Чтобы экспертиза реально работала на результат, а не превращалась в бесконечное тушение пожаров, процессы нужно оптимизировать. Делюсь с вами способами, которые помогают держать фокус: ➡️Принцип «1–3–5»: делим день на одну ключевую задачу, три средних и пять мелких. Это защищает от перегруза и помогает планомерно двигаться к цели. ➡️Матрица Эйзенхауэра: разделяем задачи по приоритетам и учимся вовремя говорить «нет» поглотителям времени. ➡️Фокус-интервалы (метод «Помидора» или схема 90/30): работаем глубокими блоками без отвлечений на сторонние дела, что идеально для сложных задач. ➡️Хронометраж: ведем учет времени хотя бы пару недель, чтобы увидеть реальные дыры в продуктивности и перестроить день. В комментариях делитесь, какие способы помогают сохранять фокус вам🙌🏻

Как написать клинический случай без долгих правок❓ Базовый алгоритм структурирования описания клинического случая для «Российского кардиологического журнала» по стандарту CARE: ➡️Название и резюме Заголовок должен содержать формулировку «клинический случай» и описываемый феномен, а резюме - включать конкретные численные параметры и ключевые уроки. ➡️Анамнез и хронология Требуется демография, фиксация первичных жалоб, хронологический анамнез и обязательная временная шкала в виде таблицы или рисунка. ➡️Диагностика и вмешательства Фиксируются актуальные данные исследований, связи с диагнозами, а также детальные параметры и изменения медицинских вмешательств. ➡️Исходы и этика Оцениваются клинические результаты, анализируются нежелательные события, дается обсуждение со ссылками на литературу и подтверждается наличие информированного согласия. Вывод: Использование чек-листа CARE при подготовке рукописи позволяет системно выстроить структуру клинического наблюдения, минимизировать замечания рецензентов и успешно пройти этап редакционного отбора.

Коллеги, до конца лета остался ровно месяц. Месяц, чтобы дать себе время на отдых и восстановить ресурс! А для тех, кто любит системное планирование и ставит календари на обои, подобрала вам несколько вариантов, чтобы не упустить ни единого летнего дня😄

📚 В России выпустили учебные пособия по работе с ИИ Учёные Центра диагностики и телемедицины Департамента здравоохранения Москвы разработали сразу два учебных пособия, посвящённых применению искусственного интеллекта в лучевой диагностике. Они предназначены для: ✨студентов медицинских вузов; ✨ординаторов; ✨врачей-рентгенологов; ✨специалистов по медицинской информатике; ✨организаторов здравоохранения. В пособиях разбирается, как использовать ИИ-сервисы при анализе КТ, рентгенографии и маммографии, как интерпретировать результаты алгоритмов и как они интегрируются в работу врача. ❗️Это ещё один показатель того, что навыки работы с искусственным интеллектом становятся частью современного медицинского образования и практики.

Критику старых материалов или подходов нужно воспринимать чисто методически, без эмоций. Мои три базовых пункта: ✨Отделяем продукт от личности. Критикуют не вас, а конкретную версию материала, созданную по стандартам прошлых лет. ✨Учитываем контекст времени. Наука и методология развиваются; то, что было нормой несколько лет назад, сегодня закономерно требует апгрейда. ✨Смотрим на замечания как на ТЗ. Любой жесткий разбор - это готовый вектор для улучшения продукта. Зафиксировали, проанализировали, пересобрали материал по новым стандартам и двигаемся дальше.

Продолжая тему учебы и разбора моего старого гайда: как вы считаете, это нормально, что со временем подходы и методики меняются? Когда погружаешься в современные стандарты, видишь: то, что казалось идеальным 5–7 лет назад, сегодня требует глубокого пересмотра. Наука идет вперед, и держаться за старые шаблоны только потому, что «так было принято», уже нельзя. Делитесь в комментариях: часто пересматриваете свои прошлые материалы?

📉 «Я боюсь статистики» - фраза, которая тормозит сотни крутых исследований Чаще всего врачи «спотыкаются» на самом старте на расчёте объёма выборки. Кажется, что это дебри высшей математики, где без профильного образования делать нечего. Но на самом деле, расчёт выборки - это не про формулы, а про бережное отношение к своему времени и ресурсам. Что происходит, если игнорировать этот этап? ➡️Группа слишком мала: вы тратите месяцы на сбор данных, но в итоге получаете «статистически незначимый результат» просто потому, что не хватило пары человек. ➡️Группа избыточна: вы делаете лишнюю работу, собирая сотни анкет там, где хватило бы пятидесяти. ✔️Логика проста: вы заранее решаете, какую разницу между группами хотите увидеть и какую долю случайной ошибки готовы допустить. Чтобы не считать вручную, используйте проверенные инструменты. Сейчас они стали ещё удобнее и точнее: Топ калькуляторов для врача-исследователя: ✨ClinCalc - самый понятный сервис для сравнения двух групп. Идеален для оценки эффективности новых методов лечения. ✨Sealed Envelope - британский «золотой стандарт» для классических клинических испытаний. Минимум лишнего, только суть. ✨OpenEpi - проверенный временем софт с открытым кодом. Выбор эпидемиологов для надежных популяционных расчетов. ✨Evan's Awesome Stats - самый простой визуальный инструмент. Подходит для мгновенной оценки выборки по долям и процентам. ✨G*Power - профессиональное ПО для сложных задач. Позволяет рассчитывать выборку для многофакторных моделей и корреляций.

Коллеги, чтобы не выпадать сильно из контента, хочу поделиться, что сейчас происходит в жизни! Я наконец-то пошла на обучение по статистике, которое хотела пройти очень-очень давно. Откладывала именно потому, что хотелось проучиться качественно (брала перерыв на беременность и декрет😄). И вот я здесь. Обучение невероятно крутое, но мозг ломается, ему реально больно - глубоко вникаю в мат. анализ. Это настолько глубокая статистика, что буду думать, как доносить её простыми словами. Из того, о чём постоянно думаю в процессе: 📑Про разрыв в подходах. Я учусь у самых уважаемых статистиков нашей страны. И понимаю, что этот формат существовал ещё три года назад. Но при этом часть авторитетных специалистов продолжает учить «по-старому» - так, как мы привыкли видеть и как я сама раньше объясняла людям. ❗️И тут выбор: либо оставаться в большинстве, либо опять выделяться и пытаться донести более сложные вещи простым языком, не теряя смысла. 📑Про пересмотр старых материалов. На занятиях разбирали мой старый гайд семилетней давности, написанный по материалам еще более ранних лет. Получить такую профессиональную обратную связь было непривычно, но очень ценно. Наука идет вперед, подходы меняются (даже с учетом того, что многие современные вещи опираются на фундаментальные базы прошлых лет). Ощущение двойственное, но выводы для себя я сделала👍 Один из выводов - буду полностью переделывать свои материалы. Буду пересобирать их и стараться донести эти новые, сложные вещи понятным языком, не теряя сути!

Как заставить ИИ понимать вас с полуслова? Есть метод, когда вместо заполнения промпта и подбора идеальных формулировок - нужно поделиться задачей, как с коллегой. Печатать длинный текст - долго, поэтому, коллеги, делюсь лайфхаком: Используйте голос вместо текста, так вы расскажете гораздо больше деталей и введете ИИ в контекст вашей работы. ▶️Голосовой ввод в приложении. Если в вашей нейросети есть голосовой помощник, запишите подробное гролосовое. Расскажите о цели, текущем этапе и деталях задачи. ИИ сам структурирует ваш поток мыслей в четкий запрос. ▶️Транскрибация (если нет встроенного голоса). Надиктуйте сообщение в Telegram или заметки. Переведите аудио в текст через любого бота-транскрибатора и отправьте результат в нейросеть. В чем польза: Вы экономите время на печати, а нейросеть получает детализированный бриф. Результат на выходе будет гораздо точнее, так как вы передали живой контекст со всеми деталями.

👉Используем нейросети как «свежий взгляд» Когда вы работаете над текстом долго, глаз «замыливается». ИИ здесь отличный способ посмотреть на свою работу со стороны: Попросите дать оценку: «Представь, что ты строгий научный редактор. Прочитай статью и напиши, какие аргументы кажутся тебе слабыми или непонятными». Проверьте логику: Попросите нейросеть составить краткий план по вашему тексту. Если ИИ выделил совсем не те акценты, которые вы закладывали - значит, читатель (и рецензент) тоже их не увидит. Переписываем!