Jacob Vanhoten, clinical data analyst and biostatistics consultant, kolabtree, tarjoaa huippuvinkkejä impactful health outcomes research for analysis.
jos olet lääketieteen alalla ja olet lukenut, tehnyt tai edes harkinnut tutkimustyötä kahden viime vuosikymmenen aikana, on todennäköistä, että tunnet lopputulostutkimuksen käsitteen. Pähkinänkuoressa, tulokset tutkimus on ala, jossa tutkimuksen kohteena on määriteltävissä terveyden tulos, josta annan esimerkkejä myöhemmin, ja mitä mitataan ovat vaikutukset, että eri osat yleisen työnkulun on näihin tuloksiin. Koska tällaisten tutkimusten tarkoituksena on määrittää, mitkä tekijät vaikuttavat kiinnostaviin tuloksiin, monet erilaiset kokeelliset ja havainnolliset tutkimusmallit soveltuvat hyvin tähän tehtävään, mukaan lukien klassiset epidemiologiset tutkimukset, kuten:
- satunnaistetut kontrolloidut tutkimukset,
- poikkileikkaustutkimukset,
- kohorttitutkimukset,
- systemaattiset katsaukset/meta-analyysit tai
- laadun parantamisen tutkimusmenetelmät.
Sisällysluettelo
miksi edes tehdä tuloksia tutkimus?
on monia, monia syitä tehdä tulosten tutkimusta, ja niiden kaikkien listaaminen olisi paljon enemmän kuin mitä tässä tehtävässä olisi mahdollista tehdä. Super-pieni pähkinänkuoressa, tulokset tutkimus, koska se koskee alalla biolääketieteen on ensisijaisesti keskittynyt parantamaan suorituskykyä jonkin tehtävän mainitun alan. Kuten kuuluisa johdon konsultti Peter Drucker hyvitetään sanomalla, ” et voi hallita mitä et voi mitata.”Toisin sanoen, et voi” siirtää neulaa ” parannukseen tietämättä, mihin se alun perin osoittaa. Lisäksi tällainen mittaus voi johtaa
- laadun paranemiseen,
- terveydenhuollon kustannusten laskuun,
- diagnoosin ja hoidon tehokkuuden paranemiseen ja
- potilaskokemukseen.
ja kukapa ei haluaisi parasta hoitotulosta potilailleen? On kiistatta terveydenhuollon ensisijainen tutkimus välttämätöntä jatkuvasti mitata parannusta, ja tulokset tutkimus on yksi tehokas joukko työkaluja, joiden avulla sinne.
miten ajatella lopputulostutkimusta tilastotieteilijän tavoin
kun miettii tutkimuspyrkimyksen aloittamista, ehkä ensimmäisenä tulee tietää ”mitä haluat tietää?”Oletko kiinnostuneempi järjestelmästä ja tehokkuudesta vai potilaiden määrittelemistä aineettomista elämänlaatumittauksista? Oletko kiinnostunut tekemään hoidosta edullisempaa, tasapuolisempaa ja potilaiden saatavilla olevaa, vai onko huolesi käytännön kannattavuus? Keskeisiä kysymyksiä ovat:
- mikä on kiinnostuksen tulos,
- ketkä ovat asianomaisia sidosryhmiä,
- miten mielenkiinnon tulos on parhaiten edustettuna ja
- Miten saan kysymyksiini tarvitsemani tiedot?
Tulostyypit
yksi tulostutkimuksen vahvuuksista on kyky tarkastella monia erilaisia tuloksia ja niiden suhteellisia ansioita sekä monista eri näkökulmista (tarkemmin alla). Itse asiassa, jotkut tulokset tutkimuksen konstruktiot, kuten laatu-mukautettu elinvuosia, on suunniteltu nimenomaan tekemään vertailua eri tuloksia. Tuloksia, jotka voivat olla erilaisia voidaan verrata muuntamalla yksi tulos vastaavaksi (eli rahamäärä yksi olisi saatava luopua yhden yön nukkua) tulos, joka on suoremmin vertailukelpoinen.
ketä kiinnostaa?
kun mietitään edellä mainittuja mittaustuloksia, ehkä ensimmäisen kysymyksen pitäisi olla ” who cares?”. Ja tätä ei tarkoiteta välinpitämättömästi. Vilpittömästi, kuka on se, joka välittää tästä lopputuloksesta. Potilaat? Tarjoajat? Vakuutusyhtiöt, terveydenhuoltojärjestelmät? Ei ole kohtuutonta kuvitella, että potilas ja sairaala arvostavat potilaan tyytyväisyyden tulosta hyvin eri tavalla, vaikka se on molemmille tärkeää. Jotta mittaamasi tulokset voidaan ottaa riittävästi huomioon, Sinun on harkittava, kenen perspektiivistä(perspektiiveistä) on paras arvioida. Analyyttisen suunnitelman alussa selkeästi yksilöivä näkökulma, josta tuloksia tarkastellaan, suojaa sekä sekaannuksilta että satunnaiselta tietojen manipuloinnilta. Vaikka kattava luettelo mahdollisista kiinnostavista tuloksista ei kuulu tämän artikkelin soveltamisalaan, seuraavassa taulukossa esitetään joitakin yleisimmin käytettyjä tulosten luokkia.
laajalti käytetyt tulosluokat
| turvallisuus | lääkehoidon ja valvonnan väärinkäyttö kliinisen hoidon aikana; Hoitovirheet, jotka asettavat potilaat vaaraan haittavaikutuksille |
| tehokkuus | ero sen välillä, mitä voidaan saavuttaa lääketieteellisellä toimenpiteellä tai politiikalla, ja sen välillä, mitä todellisuudessa saavutetaan |
| Equity | terveydenhuollon tarjoamisen erojen tarkastelu, jossa keskitytään siihen,vaikuttavatko ei-kliiniset tekijät, kuten rotu, sukupuoli ja sosioekonominen asema, potilaiden hoitoon |
| tehokkuus | keskittyy keinoihin maksimoida tehokkuus, rajoittaa terveydenhuollon kustannuksia ja vähentää jätettä terveydenhuoltojärjestelmässä. |
| ajantasaisuus | potilaiden pääsy terveydenhuoltoon: hoitoon pääsyn esteet ja vakuuttamattomien potilaiden kyvyttömyys hyötyä terveydenhuollosta. |
| järjestelmän reagointikyky | lääketieteellisen yhteisön koulutus ja potilaiden hoitoa parantavien terveydenhuoltopolitiikkojen täytäntöönpano |
| Potilaskeskeisyys | miten lääketieteelliset toimenpiteet vaikuttavat potilaisiin, mitä potilaat tuntevat ja mitä he voivat tehdä vaikuttaakseen lääketieteelliseen päätöksentekoon. |
tietotyypit
sen lisäksi, millaisista tuloksista olet kiinnostunut, kannattaa miettiä tapaa, jolla käsität datan, erityisesti tietotyyppien osalta.
tietoja on kahta päämuotoa: numeerinen ja kategorinen.
numeerinen tieto
numeerinen on aivan kuten ääntyy; mitattava muuttuja on kvantitatiivinen, sillä se on joko tyypiltään kokonaisluku, joka on kokonaisluku, ja kellukkeet, jotka ovat kaikki luvut, joissa on jokin ei-kokonaisluku osa.
esimerkkejä kokonaisluvuista ovat sairaalassa synnytettyjen vauvojen määrä,Likert – asteikon potilastyytyväisyyskyselyn tulokset tai leikkauksen aikana otettujen minuuttien määrä sekä monet, monet muut.
Kategoriatiedot
Kategoriatiedot ovat niitä tietoja, joihin voidaan ottaa vain tiettyjä erityisarvoja. Jotkut datapisteet ovat kategorisia ja dikotomisia, eli muuttuja voi ottaa yhden ja vain yhden kahdesta mahdollisesta lopputuloksesta. Esimerkiksi hehkulampun voi joko kytkeä pois päältä tai päälle, mutta se on yksi näistä vaihtoehdoista, eikä toinen. Joskus luokkia on enemmän kuin kaksi, ja tämä määrittelee nimellismuuttujan. Nimellisillä muuttujilla on useita erilaisia mahdollisia arvoja, mutta ei luonnollista järjestystä niiden joukossa; esimerkkinä voivat olla kukkatyypit, joissa kasvi voi olla ruusu, tulppaani, päivänkakkara, auringonkukka jne. Lopuksi kategorisia muuttujia, joilla on luonnollinen järjestys, mutta jotka silti rajoittuvat tiettyihin tuloksiin, kutsutaan ordinaaleiksi.
esimerkki tällaisesta muuttujasta voi olla potilastyytyväisyyden kategorinen kuvaus: tyytymätön, hieman tyytyväinen, tyytyväinen, erittäin tyytyväinen. Jopa niillä, joilla on rajattu universumi, jossa on mahdollisia lopputuloksia, näillä tasoilla on luonnollinen järjestys keskenään.
tulostyyppien ja tietotyyppien tiedostaminen on niin tärkeää siksi, että päätätte suurelta osin itse, miten mallinnatte tiedot, mikä puolestaan määrittää, minkä tyyppiset analyysit ovat mahdollisia. Jos haluat tietää useita kirurgisia toimenpiteitä sairaalassa päivässä, voit käyttää todellinen kokonaisluku numero (1,2,3, jne), tai voit factorize ne korkea, Keski -, ja pieni määrä päivää. Lopulta tapa, jolla päätät edustaa tietoja, paljastaa teoksiasi lukeville, miten suhtaudut maailmaan ja miksi teit tekemäsi päätökset. He eivät ehkä ole samaa mieltä kanssasi tai pysty jäljentämään tietojasi, mutta jos et jätä tilaa epäselvyyksille, ei ole epäilystäkään siitä, että löydöksesi ovat totta.
mistä tietosi ovat peräisin? Aiotko kerätä ne vai hankkia ne jostain muusta lähteestä? Jos tallennat tiedot itse, sinulla on vastuu päättää, mitä tallennat ja mitä et, mikä vaikuttaa käytettävissä oleviin analyysivaihtoehtoihin. Jos et aio kerätä sitä itse, miten tietojoukko tällä hetkellä tallennetaan (tietotyyppi, sijainti jne.)? Ja erittäin tärkeää: tietää ja ymmärtää prosessi, jolla tiedot tuotetaan ja kerätään. Väärinymmärrys näissä asioissa voi johtaa tutkimukseen, joka ei vastaa aiottuun kysymykseensä.
Bonusvinkki: miksi tilastotieteilijän palkkaaminen voisi pelastaa opiskelun
en ole automies. Kun omani tarvitsee säännöllistä työtä tai erityistä korjausta, vien sen ensimmäisenä kauppaan. Miksi? Koska tiedän, ettei minulla ole taitoja tehdä sitä työtä. Samoin kaikki eivät tee omia tilastojaan joko siksi, että heillä ei ole vaadittavaa koulutusta tai yksinkertaisesti siksi, että he haluavat siirtää ponnistelunsa muualle. Tämä mielessä, ne, jotka vielä haluavat tehdä tuloksia tutkimusta, mutta eivät halua olla vastuussa oman analyysin pitäisi harkita palkkaamista freelance tilastotieteilijä, tykkää jonka voit löytää helposti kolabtree.
jos päätät työskennellä tilastotieteilijän kanssa, tee itsellesi palvelus ja ota heidät mukaan ennemmin kuin myöhemmin. Kuten kuuluisa (ellei ystävällisesti muistettu) tilastotieteilijä R. A. Fisher on lainannut, ”tilastotieteilijän konsultointi kokeen päätyttyä on usein vain sitä, että häntä pyydetään suorittamaan ruumiinavauksen jälkeinen tutkimus. Hän voi ehkä sanoa, mihin koe kuoli.”
tämä on aivan totta siinä mielessä, että kun koe on suoritettu, ja kerätyt tiedot, on olemassa joitakin analyysimenetelmiä, jotka eivät ole enää käytettävissä, että olisi voinut olla, jos eri päätöksiä olisi tehty aiemmissa tutkimusvaiheissa.
Oman tilastoanalyysin tekemättä jättämisen lisäksi tilastotieteilijän kanssa työskentelystä voi olla muutakin aineellista ja aineetonta hyötyä. Esimerkiksi, he ovat todennäköisesti kautta heidän koulutus altistunut joitakin monimutkaisempia menetelmiä kokeellisen suunnittelun tai analyysin, ja on mahdollista, että käyttämällä yksi näistä sijaan standardi menetelmiä voisi merkittävästi säästää resursseja, kuten aikaa, osallistujat, tai rahaa. Alalla voi olla myös uusia ideoita, joista et ehkä ole tietoinen, kuten parhaita käytäntöjä löydösten toistettavuudesta tai ajantasaisimpia ohjelmistopaketteja monimutkaisia analyyseja varten. Mikä parasta, juuri nyt voisi olla paras aika napata erinomainen tilastotieteilijä halvalla. Kun otetaan huomioon pandemian hyytävät taloudelliset vaikutukset, kaikki kävelylenkit ovat kärsineet kovasti. Pandemiasta kärsivät tilastotieteilijät etsivät freelance-keikkoja,ja monet ovat valmiita antamaan joko alennuksia uskollisuudesta.
Conclusion
tämä ei suinkaan ole tyhjentävä keskustelu tulosten tutkimuksesta, vaan sen pitäisi toimia purevan kokoisena introna täydellisille aloittelijoille. Mutta, jopa tällaisille tutkijoille, hieman etukäteen ajatus oman tuloksen edun, miten tietoelementit ovat edustettuina, ja missä voit saada tiedot voi mennä pitkälle varmistaa, että tulokset tutkimuksen teet on mielekäs ja vastauksia kysymykseen, johon aiot sen. Ja muista, Jos sinusta tuntuu, että et voi tai et halua tehdä analyysiä itse, tai jos haluat oppia lisää uusimmista käytettävissä olevista analyysimenetelmistä, älä unohda etsiä / tavoittaa tilastokollegoitasi.
Tarvitsetko apua kliinisen tutkimuksen suorittamisessa ja tulosten analysoinnissa? Konsultoi kolabtreen kliinistä tutkimuskonsulttia tai työskentele freelance-tilastoanalyytikon kanssa.
Kolabtree auttaa yrityksiä ympäri maailmaa palkkaamaan asiantuntijoita tilauksesta. Freelancerimme ovat auttaneet yrityksiä julkaisemaan tutkimuspapereita, kehittämään tuotteita, analysoimaan dataa ja paljon muuta. Se kestää vain minuutin kertoa meille, mitä sinun täytyy tehdä ja saada lainauksia asiantuntijoilta ilmaiseksi. 
