در این مطلب، ویدئو تجزیه و تحلیل بقای Kaplan Meier با استفاده از SPSS (مجموعه داده بیان مثال) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:08:30
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
01 =>02
در این آموزش قصد دارم
2
02 =>04
نحوه انجام
3
04 =>06
آنالیز سرمایه و صرفا بقا را با استفاده
4
06 =>07
5
07 =>11
از ابزار ibm spss به شما توضیح دهم، بنابراین چند نکته مهم
6
11 =>13
وجود دارد که باید قبل از اجرای مثال آینه کپلر در نظر داشته باشید،
7
13 =>15
8
15 =>18
در این فایل می توانید ببینید
9
18 =>19
که
10
19 =>21
وجود دارد برخی از اطلاعاتی که
11
21 =>22
باید بررسی کنیم
12
22 =>24
که این اطلاعات چگونه بر بقای افراد تأثیر میگذارد،
13
24 =>26
14
26 =>28
بهطور مثال
15
28 =>30
در اینجا میتوانید ببینید که در
16
30 =>33
یک ردیف هر ردیف اطلاعات
17
33 =>37
یک نمونه وجود دارد که میتوانید بگویید هر بیمار
18
37 =>40
و برخی اطلاعات از آن وجود دارد. برخی از
19
40 =>41
ژن ها یا ویژگی
20
41 =>46
هایی که به عنوان مثال یک ldh a1
21
46 =>50
gst m3
22
50 =>52
uchl5 نام ژن های مختلف است
23
52 =>55
و سپس اطلاعاتی در
24
55 =>58
مورد بیان آن ژن وجود دارد که
25
58 =>01:01
اگر
26
01:01 =>01:05
aldh4a1 پایین باشد به این معنی است که این عبارت پایین است
27
01:05 =>01:08
اگر 0 باشد به این معنی است که من فقط
28
01:08 =>01:10
آن را تنظیم کردم زیرا هیچ تفاوتی وجود ندارد که
29
01:10 =>01:12
این یک عبارت عادی است،
30
01:12 =>01:14
سپس می تواند
31
01:14 =>01:17
گزینه هایی مانند up up وجود داشته باشد، به این معنی که بدیهی است که
32
01:17 =>01:19
اگر پایین عبارت پایین است،
33
01:19 =>01:22
سپس up بالا است. تنظیم یا
34
01:22 =>01:25
بیان بیش از حد،
35
01:25 =>01:27
در کنار اینها تعدادی ژن وجود دارد،
36
01:27 =>01:28
بنابراین ما
37
01:28 =>01:32
میتوانیم هر ژنی را برای انجام آنالیز انتخاب کنیم
38
01:32 =>01:35
و سپس اطلاعاتی را
39
01:35 =>01:36
در اختیار داریم که باید اطلاعات
40
01:36 =>01:39
بقا را داشته باشیم، مانند شما، همانطور
41
01:39 =>01:42
که میبینید ماههای زنده ماندن کلی
42
01:42 =>01:47
و وضعیت مانند اگر
43
01:47 =>01:50
بیمار به مدت 282 ماه زنده مانده باشد
44
01:51 =>01:54
و
45
01:54 =>01:58
وضعیت هنوز صفر باشد، بنابراین iv صفر را به عنوان
46
01:58 =>02:01
زنده و اوه یک را
47
02:01 =>02:04
به عنوان یک رویداد که رویداد
48
02:04 =>02:07
مرگ است تنظیم می کند، بنابراین در اینجا می توانید ببینید که
49
02:07 =>02:08
اگر بیمار
50
02:08 =>02:11
پس از 282 ماه uh
51
02:11 =>02:14
وضعیت بقا هنوز صفر است به این معنی
52
02:14 =>02:16
که بیمار زنده بود
53
02:16 =>02:19
اما در اینجا بعد از 212 ماه بیمار
54
02:19 =>02:20
مرده است
55
02:20 =>02:23
یا یک رویداد مرگ وجود دارد بنابراین
56
02:23 =>02:25
اطلاعات همه بیماران به
57
02:25 =>02:27
همراه زنده بودن یا مرده بودن بیمار
58
02:27 =>02:28
59
02:28 =>02:31
در دسترس است و اکنون یکی دیگر اصلی است.
60
02:31 =>02:32
فاکتوری
61
02:32 =>02:33
م