انجمن علمی آمار

▪️کاربرد آمار در داروسازی:
در سال‌‌های اخیر با پیشرفت علوم آماری در حوزه‌های مختلف و پررنگ‌تر شدن همبستگی بین علوم، استفاده از آمار و مفاهیم آماری به جزئی جدایی‌ناپذیر در فرایند توسعه دانش بشری تبدیل‌شده است؛ در این بین علوم پزشکی و در زیرمجموعه آن دانش داروسازی (pharmaceutical sciences) یکی از تأثیرپذیرترین حوزه‌ها در استفاده از علوم آماری است که این امر هم در بخش‌های پژوهشی و تحقیقاتی مانند کارآزمایی‌های بالینی (Clinical trials) و هم در حوزه‌ صنعت داروسازی (industrial pharmaceutics) همچون طراحی آزمایش (Design of experiments) و همچنین در تجاری‌سازی دارو به‌راحتی قابل درک است.

⬅️ در زیرشاخه فارماکولوژی و بیوفارمسی (pharmacology & Biopharmacy) و تحقیقاتی که در حوزه اثربخشی، عوارض جانبی، فارماکوکینتیک، فارماکودینامیک، فرایند‌های جذب، متابولیسم و دفع دارو انجام می‌پذیرد، استفاده از مفاهیم مختلف آماری، طراحی آزمایش، نمونه‌برداری، تعمیم نتایج به جامعه موردمطالعه و... از اهمیت بسیاری برخوردار است؛ به‌عنوان یک مثال ساده، دوز مؤثر دارو (Effective dose) بر اساس مفاهیمی همچون ED50 (Median effective dose) و یا ED95 (به ترتیب دوزی از دارو که منجر به بروز پاسخ درمانی مدنظر در 50 و یا 95 درصد از جمعیت موردمطالعه می‌شود) و همچنین دوز کشنده دارو (Lethal dose) که بر اساس مفهوم LD50 (Median lethal dose) گزارش‌شده و بیانگر دوزی از داروی تجویزی است که منجر به بروز سمیت و مرگ در نیمی از جمعیت تحت مطالعه می‌گردد؛ بنابراین تبیین مشخصات یک دارو و تعریف پروفایل دارویی کاملاً وابسته به استفاده از آمار در این حوزه است.

⬅️ از سوی دیگر در حوزه داروسازی صنعتی، سابقاً بیشتر مطالعات مربوط به ابداع سیستم‌های نوین دارورسانی به‌صورت تغییر یک فاکتور معین در یک‌زمان مشخص انجام می‌‌پذیرفت؛ درحالی‌که فاکتورهای دیگر مقادیری ثابت در نظر گرفته می‌شدند. به این‌گونه مطالعات، Changing Only one Separate factor at the Time اطلاق می‌گردد. این‌گونه مطالعات، نیازمند انجام تعداد زیادی آزمایش و صرف وقت و هزینه قابل‌توجهی می‌باشند. از طرفی دیگر، به علت عدم در نظر گرفتن تداخلات بین دو فاکتور رسیدن به سیستم کاملاً بهینه بسیار دشوار است. جهت برطرف کردن این مشکلات، در سال‌های اخیر استفاده از روش‌های آماری طراحی آزمایش در ابداع سیستم‌های دارورسانی مطرح گردیده است که به کمک نرم‌افزارهای آماری ازجمله Design Expert و Minitab انجام می‌شود. غربالگری (Screening) و بهینه‌سازی (Optimization) دو کاربرد مهم این تکنیک می‌باشند. غربالگری عمدتاً توسط روش‌های Factorial مانند Two-level Factorial design وPlacket Berman انجام می‌گیرد که این تکنیک به شناسایی فاکتورهای مؤثر بر خصوصیات سیستم دارورسانی کمک می‌نماید و در بهینه‌سازی که عمدتاً توسط روش‌های رویه پاسخ (RSM) مانندCentral composite design وBox-behneken design انجام می‌گیرد، روش‌های رویه پاسخ، مجموعه‌ای از تکنیک‌های ریاضی و آماری برای مدل‌سازی تجربی است. در طراحی دقیق آزمایش‌ها، هدف، بهینه‌سازی پاسخ یا متغیر خروجی (dependent variable) است که تحت تأثیر متغیرهای مستقل ورودی (independent variables) مختلفی قرار دارد. در اصل، RSM به‌منظور مدل کردن به پاسخ‌های تجربی ایجاد شد و بعد به مدل‌سازی عددی آزمایش‌ها تعمیم داده شد. بر این اساس و با اتکا به مفاهیم و دانش آماری، شرایط بهینه برای ساخت سیستم‌های دارورسانی با خواص فیزیکوشیمیایی مطلوب حاصل می‌آید.
بنابراین نقش آمار در حوزه‌های مختلف دانش داروسازی بسیار چشمگیر است و بر همین اساس در طی سال‌های اخیر سازمان‌ها و ژورنا‌ل‌های حرفه‌ای در این زمینه شروع به کارکرده‌اند که ازجمله آن‌ها می‌توان به موارد زیر اشاره کرد:
• Journal of Pharmaceutical Statistics
• Journal of Statistics in Medicine
• Statisticians in the Pharmaceutical Industry (PSI)
• European Federation of Statisticians in the Pharmaceutical Industry (EFSPI)

References:
 Spina D. Statistics in pharmacology. British journal of pharmacology. 2007 Oct 1;152(3):291-3.
 Box GE, Behnken DW. Some new three level designs for the study of quantitative variables. Technometrics. 1960;2(4):455-75.
 Montgomery DC. Design and analysis of experiments: John Wiley & Sons; 2008.
 Anderson M, Whitcomb P. DOE Simplified: Practical Tools for Effective Experimentation, 2000, Portland, OR: Productivity. Inc.
 Whitcomb PJ, Anderson MJ. RSM simplified: optimizing processes using response surface methods for design of experiments: CRC press; 2004.
@statistics_uma

894 views18:41

انجمن علمی آمار

function.mov

2.7 MB

فيلم آموزشي
#تابع_نويسي
#function

@statistics_uma

692 views19:22

انجمن علمی آمار

basicR.pdf

281.8 KB

کد های ضروری R

@statistics_uma

1.1K views17:30

انجمن علمی آمار

آزمونهای ناپارامتری در spss.pdf

1.1 MB

فایل آموزشی آزمونهای ناپارامتری
به وسیله نرم افزار spss

46 page
@statistics_uma

1.01K viewsedited 17:30

انجمن علمی آمار

🔹 تفاوت آمار پارامتریک و ناپارامتریک 🔹
_____________________________________________________________
#آمار_پارامتریک. آزمون‌های آماری با دو رویکرد کلی ساخته شده و ساخته می‌شوند. یک رویکرد این است که بر اساس توزیع‌های آماری موجود آزمون‌های آمار ساخته شوند. مثلا آزمونی بر مبنای توزیع نرمال، پواسون و ... ساخته شود. در این موارد آزمون ساخته شده در شرایطی که داده‌ها توزیع مفروض آزمون آماری را داشته باشند، نتایج دقیقی ایجاد خواهد کرد. اما در شرایطی که داده‌ها دارای توزیع مفروض نباشند، دیگر نمی‌توان بر درستی نتایج بدست آمده بوسیله آن آزمون اعتماد کرد.
به آزمون‌هایی از این جنس که بر مبنای توزیع‌های آماری ساخته می‌شوند، آزمون‌های پارامتریک می‌گویند. در کل نیز این شاخه آمار پارامتریک نام دارد.
_____________________________________________________________
#آمار_ناپارامتریک. رویکرد دیگر در ساخت آزمون‌های آماری این است که آزمون‌ها بر مبنای توزیع آماری خاصی ساخته نمی‌شوند. یعنی توزیع خاصی را مفروضه کار قرار نمی‌دهند و نیازی نیست که داده‌ها دارای توزیع خاصی باشند. به این نوع آزمون‌ها، آزمون‌ها ناپارامتریک یا آزاد-توزیع می‌گویند. این شاخه علم آمار نیز، آمار ناپارامتریک نام دارد.
_____________________________________________________________

☑️ چه زمانی بایستی از آمار پارامتریک و چه زمانی از آمار ناپارامتریک استفاده کنیم؟
زمانی که از روایی و اعتبار داده‌های بدست آمده از ابزارهای اندازه‌گیری اطمینان داشته باشیم و داده‌ها دارای توزیع مفروض آزمون آماری مد نظر باشند، آنگاه مجاز به استفاده از آزمون پارامتریک مد نظر هستیم. اما زمانی که داده‌ها دارای توزیع مفروض نباشند و یا داده‌های به دست آمده بوسیله ابزار اندازه‌گیری روایی و اعتبار بالایی نداشته باشند (به صورتی که نتوان حداقل فاصله‌ای بودن مقیاس داده‌ها را تأیید کرد. نه اینکه روایی و اعتبار پایین داشته باشند) آنگاه ما مجاز به استفاده از آزمون‌ها پارامتریک نیستیم و بایستی از آزمون‌ها ناپارامتریک استفاده کنیم.
در شرایطی که از روایی و اعتبار داده‌های بدست آمده از ابزارهای اندازه‌گیری اطمینان داشته باشیم اما توزیع مفروض داده‌ها برقرار نباشد آنگاه اگر امکانش باشد که با یک تبدیل‌های غیرخطی توزیع داده‌ها را به توزیع مد نظر تبدیل کرد، در این شرایط نیز می‌توان از آزمون‌های پارامتریک استفاده کرد.
_____________________________________________________________

منبع:
MacFarland, T. W., & Yates, J. M. (2016). Introduction to nonparametric statistics for the biological sciences using R. Springer.
Agresti, A., & Franklin, C. (2017). The art and science of learning from data. Upper Saddle River, NJ: Prentice Hall.

_____________________________________________________________
@statistics_uma

616 viewsedited 11:06

انجمن علمی آمار

7.pdf

25.7 MB

حساب دیفرانسیل و انتگرال و هندسه تحلیلی_جلد اول_قسمت اول
تالیف:جورج توماس،راس فینی
مترجمان:مهدی بهزاد،سیامک کاظمی،علی کافی
@statistics_uma

826 views11:16

انجمن علمی آمار

8.pdf

15.6 MB

حساب دیفرانسیل و انتگرال و هندسه تحلیلی_جلد اول_قسمت دوم
تالیف:جورج توماس،راس فینی
مترجمان:مهدی بهزاد،سیامک کاظمی،علی کافی
@statistics_uma

945 views11:16

انجمن علمی آمار