🧐 ПОЧЕМУ ВАЖНО РАЗБИРАТЬСЯ В ПРИЧИННО-СЛЕДСТВЕННЫХ СВЯЗЯХ И ФАКТОРАХ РИСКА❓

Когда речь идет об эпидемиологии и исследованиях факторов риска, основная задача ученого — отделить влияние конкретного воздействия от других переменных.

ℹ️Почему это важно?☝️

Потому что рак, как и многие другие заболевания, не развивается из-за одного единственного фактора. На его возникновение может влиять множество воздействий, которые могут проявляться на протяжении длительного времени.

ℹ️Как понять, что именно вызвало болезнь?😳

В эпидемиологии условия исследований часто сложно контролировать. Одно исследование редко может дать исчерпывающий ответ. Чтобы установить причинно-следственную связь, важно анализировать совокупные данные — чем больше подтверждений мы получаем, тем точнее можем судить о влиянии факторов.

Но вот в чем загвоздка 🤓интерпретация таких данных может вызвать споры. Часто результаты исследований обсуждаются и пересматриваются, и это нормально для научного процесса.

ℹ️Критерии Брэдфорда Хилла: как понять, что фактор действительно вызывает болезнь?

Брэдфорд Хилл, известный эпидемиолог, предложил набор критериев, которые помогают установить причинно-следственную связь. Вот несколько из них ⬇️⬇️⬇️

Сила связи: чем сильнее воздействие увеличивает риск заболевания, тем убедительнее доказательства. Например, если вероятность заболевания увеличивается вдвое, это весомый аргумент.

Повторяемость: ассоциация должна наблюдаться в разных исследованиях, в различных условиях и на разных выборках.

Специфичность: чем более конкретным является влияние на определённые типы заболеваний, тем выше вероятность истинной связи.

Последовательность: важно, чтобы воздействие предшествовало заболеванию.

⚠️ПРИЧИНА НЕ МОЖЕТ НАСТУПИТЬ ПОСЛЕ СЛЕДСТВИЯ⚠️

Биологическая градиентность:
если увеличение воздействия ведет к усилению эффекта (например, длительное курение — выше риск рака легких), это важный показатель.

Правдоподобие и согласованность: данные должны быть логичными и согласовываться с тем, что уже известно о биологии и естественном течении болезни.

🔬Эксперимент: если, приняв меры по предотвращению фактора риска, удается снизить заболеваемость, это сильное доказательство.

🧐Аналогия: похожее воздействие в других ситуациях должно давать аналогичные результаты.

ℹ️Как строятся исследования факторов риска?

Часто ученые начинают с наблюдений: как изменяется заболеваемость раком в разных регионах, среди людей разных профессий или возрастных групп?

Эти наблюдения превращаются в гипотезы, которые затем тестируются в аналитических исследованиях — когортных или типа «случай-контроль».

В редких случаях используются рандомизированные исследования, которые считаются золотым стандартом 🏅

🔥Как выбирают типы исследований для изучения факторов риска рака? 🔥🔬

Онкологические заболевания — это сложный и многогранный процесс ( а то мы с вами не знаем 🤨), и чтобы понять его факторы риска, учёные используют разные типы исследований. Давайте сегодня ( обещаю коротко👀 ) начнем разбирать основные!

Когортное исследование 👥

Включает группу людей, которых наблюдают на протяжении долгого времени ⌛️. В этой группе часть людей подвергается интересующему нас воздействию (например, курение), а у части развивается исследуемое заболевание (например, рак лёгких)⛓️‍💥

Когортные исследования позволяют выявить временную последовательность событий и измерять риск заболевания.

✳️ Пример: изучение воздействия гепатита B на риск рака печени в рамках проекта The Gambia Hepatitis Intervention Study.

⚖️Случай-контроль ⚖️
Этот метод начинается с выявления группы больных раком и сопоставления их с группой здоровых людей (контроль), чтобы определить, какие факторы могли привести к заболеванию. Это быстрый и недорогой способ, но он подвержен систематическим ошибкам, таким как ошибка отбора и пристрастность воспоминаний.

✳️ Пример: исследование генетических факторов риска рака простаты.

💯Важные моменты💯:

Систематические ошибки (смещение и конфаундирование) часто мешают получению достоверных данных.
Случайные ошибки уменьшаются ⬇️с увеличением ⬆️размера выборки.

Конфаундирование может искажать результаты, когда, например, 👉курение связано с алкоголем👈, что затрудняет выделение чистого эффекта одного из факторов.

Эти исследования помогают нам лучше понять, какие факторы риска играют ключевую роль в развитии рака и как на них можно воздействовать для профилактики ( к вопросу профилактики ЗНО мы еще обязательно вернемся…ведь там не все так, как кажется).

📊Вывод: разные типы исследований имеют свои плюсы и минусы. Когортные исследования подходят для долгосрочного наблюдения, а исследования случай-контроль — для изучения редких заболеваний или факторов риска.


#наука #молодыеученые #эпидемиология #онкология #рискфакторы #исследования
#напутикнауке

🔥Оценка (давайте возьмем что-то интересное для примера) программ скрининга на популяционном уровне 🔥

Скрининг на рак в бессимптомной популяции имеет одну главную цель — диагностировать опухоль на ранних стадиях и тем самым начать лечение раньше.

Это потенциально может снизить смертность и улучшить общие прогнозы по выживаемости.

🧐Но, как и у любой медицинской практики, у скрининга есть свои подводные камни и риски. Вот почему так важно иметь надёжные данные и качественные исследования для принятия решений.

🔬Рандомизированные исследования и наблюдательные исследования играют ключевую роль в оценке эффекта от скрининговых программ.

Они позволяют не только рассчитать снижение смертности, но и выявить возможные риски, такие как перелечение и ложноположительные результаты.

👉Рандомизированные клинические исследования (РКИ) Золотой стандарт.

Они минимизируют смещения за счёт случайного распределения участников в группы скрининга и контроля. Такие исследования позволяют оценивать реальные показатели снижения смертности от рака.

💡например…в 70-80-х годах было проведено 10 крупных РКИ по такому исследованию, как маммография. Совокупные результаты этих исследований продемонстрировали снижение смертности на 19% (Marmot et al., 2013).

👉Наблюдательные исследования

Они менее надёжны из-за риска систематических ошибок, таких как смещение выбора и смещение продолжительности, но могут предоставить полезные данные для оценки реальных эффектов программ на уровне всей популяции.

💡например…метаанализ восьми исследований показал, что скрининг снижает смертность от рака молочной железы на 48%, даже после поправки на селективность.

💡например…исследование IARC (2015) показало, что скрининг снизил смертность от рака молочной железы на 40% у женщин 50-69 лет.

💣Важные моменты:

Скрининг может привести к перелечиванию, когда обнаруживаются опухоли, которые бы не вызвали серьёзных проблем без вмешательства. Это одна из наиболее значительных проблем.

Смещение продолжительности и смещение выбора — ключевые источники ошибок, особенно в наблюдательных исследованиях.

Рандомизированные исследования помогают избежать этих проблем.

🎯Вывод:

Рандомизированные исследования — лучший способ оценить эффективность скрининга, но наблюдательные исследования важны для анализа реальных популяционных эффектов.

Ждите продолжения с обсуждением 👀

#наука #молодыеученые #скрининг #онкология #рки #популяционныеисследования #рак #здоровье #напутикнауке

🔥 Оценка программ скрининга на популяционном уровне (Часть 2) 🔥

Продолжаем разбирать тему скрининга на рак. 🦞

☝️В первой части мы рассмотрели, как рандомизированные клинические исследования (РКИ) и наблюдательные исследования помогают оценить эффективность скрининговых программ.

🧐Теперь углубимся в примеры и ключевые аспекты этих методов, чтобы понять, как они влияют на наше представление о скрининге и его результатах.

🧪 Рандомизированные исследования:

Пример 1: В Канадских исследованиях маммографии (Canadian National Breast Screening Study-1 и -2) использовалась добровольная база данных, что привело к низкому охвату населения. Кроме того, в контрольной группе второго исследования женщины проходили ежегодные физические осмотры, что могло сместить распределение стадий выявленных раков (Miller et al., 1992). ❗️Эти факторы усложняют интерпретацию данных и требуют осторожности в выводах о снижении смертности.

Пример 2: Кластерная рандомизация, как альтернатива индивидуальной рандомизации, может уменьшить контаминацию контрольной группы скринингом, но приводит к более высокой вероятности несопоставимости групп по исходным характеристикам (Clarke, 2009). ❗️Это важно учитывать, так как несопоставимые группы могут значительно исказить результаты исследования.

💡 Методологические проблемы РКИ:

Контаминация контрольной группы ( что за бред ты пишешь )— 💡например, если женщины в группе контроля получают скрининг независимо от распределения, это может уменьшить видимый эффект скрининга.
Кластерная рандомизация — может вызвать несопоставимость групп по факторам риска, что также повлияет на результаты.

👀Наблюдательные исследования:
Наблюдательные исследования более подвержены систематическим ошибкам, но они могут быть полезны, если РКИ невозможны по этическим или финансовым причинам. Вот несколько типов таких исследований:

👉 Когортные исследования (incidence-based cohort mortality studies): Оценивают эффект посещения скрининга или приглашения на него.

💡Например, IARC оценила, что скрининг снижает смертность от рака молочной железы на 40% у женщин 50-69 лет, которые проходили маммографию, и на 23% у женщин, которые были приглашены, но не обязательно прошли скрининг (Lauby-Secretan et al., 2015).

☝️Однако, в таких исследованиях могут возникать проблемы с ошибками лидирующего времени и историческими контрольными группами, что может затруднить точное оценивание пользы скрининга.

👉 Исследования случай-контроль: Сравнивают историю скрининга у женщин, умерших от рака молочной железы, и тех, кто не умер от него.

💡Пример — метаанализ восьми исследований случай-контроль показал, что до корректировки на самоотбор (self-selection) женщины, прошедшие скрининг, имели на 54% меньший риск смерти от рака молочной железы. После корректировки эффект снизился до 48% (Broeders et al., 2012). ❗️Это демонстрирует важность учета систематических ошибок, таких как смещение самоотбора.

👉 Исследования трендов: Оценивают изменения смертности от рака в популяции с течением времени.

💡Пример — исследования в Европе показали снижение смертности от рака молочной железы на 1-9% в год после внедрения скрининга, особенно при длительном наблюдении за популяцией (Broeders et al., 2012; Moss et al., 2012). ❗️Однако такие исследования подвержены ошибкам из-за постепенного внедрения скрининга и других временных факторов, таких как улучшение лечения.

🎯Прогноз при раке: не просто числа, а шансы на жизнь 🎯

Когда речь заходит о прогнозе при раке, многие сразу думают о процентах и выживаемости. Но за этими числами стоят реальные люди, чьи жизни зависят от множества факторов.

📊 Что такое прогноз?

Прогноз — это вероятность того, что пациент сможет победить болезнь или прожить с ней максимально долго. Один из ключевых показателей — это выживаемость. Чаще всего мы говорим о 5-летней выживаемости, но на самом деле важно учитывать и другие факторы, влияющие на качество жизни.

💡Факторы, влияющие на выживаемость:

Тип опухоли. Рак щитовидной железы, меланома кожи и рак предстательной железы на ранних стадиях имеют высокий процент выживаемости (более 85%), в то время как рак лёгких и поджелудочной железы остаются самыми агрессивными с менее чем 15% выживаемости.

Стадия. Система TNM (размер опухоли, поражённые лимфоузлы, метастазы - если нужно ссылку кину) помогает прогнозировать выживаемость, но даже здесь есть парадоксы ( о которых мы тоже поговорим 🙂)

💡Что говорят исследования?

Как всегда - один пример для наглядности и вовлечения

Исследования, проведенные в Нидерландах и базе данных SEER (Gunderson et al, 2010), подтверждают схожие результаты. ↘️

Пациенты с колоректальным раком III стадии получают химиотерапию, в то время как больные со II стадией — нет. Это может объяснять, почему у пациентов с IIIA стадией (T1-2N1) шансы на выживание выше, чем у пациентов с IIB стадией (T4N0).

Также, существует вероятность, что опухоли T4N1 могут быть ошибочно классифицированы как T4N0, либо последние являются более агрессивными.

❗️Это явление известно как "миграция стадий"❗️

👀Помимо стадии, важную роль играют гистология опухоли, мутационный статус и биохимические маркеры, которые также влияют на прогноз и выживаемость.

🖼смотри картинку

#онкология #рак #прогнозы #выживаемость #медицина #напутикнауке

Всем привет! 👋

Мы с вами за последнее время осмыслили (надеюсь) немало важных моментов…но! Забыли начать с совсем основ.. поэтому начинаем изучение обработки данных ⬇️⬇️⬇️

🌀 типы данных
🌀ввод данных
🌀проверка ошибок и выбросов


А дальше приступим к графическому представлению данных 👀

перед вторым аудио ( которое выйдет на этой неделе, кстати)…хочется напомнить, что ↘️

🚀Новый выпуск подкаста "На пути к науке"!

Друзья, сегодня мы погружаемся в важную и практическую тему, которая часто недооценивается в научных исследованиях — правильный ввод данных.

После прошлого выпуска о типах данных мы переходим к тому, как обеспечить безупречное качество данных для успешного анализа и исследований. Ведь данные — это основа, на которой строится ваш научный успех!

🔍Что вас ждет в выпуске:

Почему единое форматирование данных — это не мелочь, а необходимое условие для достоверных результатов.

Легкие ошибки с числами, которые могут стоить вам недели исправлений, и как их избежать.

Что делать с пустыми значениями, чтобы они не исказили ваш анализ и не привели к ложным выводам.

Как двойная проверка и валидация данных поможет вам минимизировать ошибки.

Лучшие инструменты и советы по автоматизации ввода данных и их проверки, включая практические примеры с использованием Python и Excel.

🛠️ Практические ресурсы и инструменты для закрепления материала:

Руководство по проверке данных в Excel — ваш первый помощник в работе с таблицами и базами данных.

Документация pandas для работы с данными в Python — чтобы легко обработать большие объемы данных и автоматизировать рутинные процессы.

Курс Coursera по анализу данных с Python — поможет углубить знания и научиться эффективно работать с данными.

Видеоуроки на YouTube — Data School — доступные объяснения и примеры для практического освоения.

R для проверки данных


🎧Слушайте подкаст, чтобы начать разбираться, как грамотно подготовить данные для анализа, повысить точность ваших исследований и избежать распространенных ошибок.

ℹ️Делитесь этим выпуском с коллегами и друзьями. Подписывайтесь на канал и оставайтесь со мной на пути к науке!

📝 Жду ваших комментариев, впечатлений и вопросов — оставляйте их ниже и давайте обсуждать вместе!

#напутикнауке

🎙 Новый выпуск подкаста "На пути к науке": Основы планирования исследований 🎙

Сегодня разбираемся с ключевыми аспектами планирования научных проектов! Если вы только начинаете или хотите углубить знания, этот выпуск для вас. Вот что обсудили:

🔸 Типы исследований — экспериментальное или наблюдательное? Когда выбирать активное вмешательство, а когда просто наблюдать?
🔸 Единица наблюдения — кто или что станет объектом нашего исследования? Это может быть как отдельный человек, так и целый регион.
🔸 Одно- и многоцентровые исследования — какое выбрать? В чем плюсы и минусы каждого формата?
🔸 Оценка причинности — как понять, что одна переменная влияет на другую, а не совпадает случайно?

Слушайте, чтобы узнать больше и вместе строить научное исследование шаг за шагом! 👇