در این مطلب، ویدئو تجزیه و تحلیل بقا: کاپلان مایر (SPSS) 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: 00:04:10
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
این ویدئو شامل یکی از نمونه های آموزش SPSS می باشد.
2
03 =>07
تحلیل بقای کاپلان مایر یک روش توصیفی برای بررسی توزیع متغیرهای زمان تا رویداد است.
3
07 =>12
علاوه بر این، میتوانید توزیع را بر اساس سطوح یک متغیر عاملی مقایسه کنید یا تجزیه و تحلیلهای جداگانهای را بر اساس سطوح متغیر طبقهبندی تولید کنید.
4
15 =>20
مجموعه داده از: C:\Program Files\IBM\SPSS\Statistics\23\Samples\English pain_medication.sav به دست آمده است
5
20 =>25
.
6
25 =>30
زمان اثرگذاری دارو و مقایسه آن با داروهای موجود از اهمیت ویژه ای برخوردار است.
7
31 =>33
زمانهای کوتاهتر برای اثرگذاری بهتر در نظر گرفته میشوند.
8
01:01 =>01:06
بیایید از تجزیه و تحلیل بقای Kaplan-Meier برای بررسی توزیع “زمان برای تأثیر” و مقایسه اثربخشی دو درمان استفاده کنیم.
9
01:18 =>01:21
نوع 1 به عنوان مقدار واحدی که دارو را نشان میدهد اثرگذار بود.
10
02:25 =>02:28
در اینجا ما می رویم!
11
02:44 =>02:49
جدول بقا -> جدول توصیفی که زمان اثرگذاری دارو را به تفصیل شرح می دهد.
12
02:49 =>02:54
جدول بر اساس هر سطح از درمان تقسیم شده است و هر مشاهده ردیف خود را در جدول اشغال می کند.
13
02:57 =>03:03
زمان -> که در آن رویداد یا سانسور رخ داده است. وضعیت -> آیا پرونده رویداد ترمینال را تجربه کرده است یا سانسور شده است.
14
03:09 =>03:14
نسبت تجمعی باقیمانده در آن زمان -> نسبت موارد باقیمانده از ابتدای جدول تا این زمان.
15
03:14 =>03:19
هنگامی که چندین مورد رویداد پایانی را همزمان تجربه میکنند، این تخمینها یک بار برای آن دوره زمانی چاپ میشوند و برای همه مواردی که داروی آنها در آن زمان تأثیر داشته است، اعمال میشود.
16
03:20 =>03:24
N of Cumulative Events -> تعداد مواردی که رویداد ترمینال را از ابتدای جدول تا این زمان تجربه کرده اند.
17
03:24 =>03:29
N of Remaining Cases -> تعداد مواردی که در این زمان هنوز رویداد ترمینال را تجربه نکرده اند یا سانسور شده اند.
18
03:29 =>03:33
جدول زمان بقای میانگین و میانه یک مقایسه عددی سریع از زمانهای «معمولی» برای تأثیر هر یک از داروها ارائه میکند.
19
03:33 =>03:37
از آنجایی که همپوشانی زیادی در فواصل اطمینان وجود دارد، بعید است که تفاوت زیادی در زمان بقای “متوسط” وجود داشته باشد.
20
03:37 =>03:41
جدول صدک ها تخمینی از چارک اول، میانه و چارک سوم توزیع بقا را ارائه می دهد.
21
03:41 =>03:45
تعبیر صدک ها برای منحنی های بقا این است که صدک 75 آخرین زمانی است که حداقل 75 درصد از بیماران هنوز احساس آرامش نکرده اند.
22
03:45 =>03:48
این جدول آزمون های کلی برابری زمان بقا در گروه ها را ارائه می دهد.
23
03:48 =>03:52
از آنجایی که مقادیر معنیداری آزمونها همگی بیشتر از 0.10 هستند، نمیتوانید تفاوت بین منحنیهای بقا را تعیین کنید.
24
03:52 =>03:54
منحنی های بقا نمایشی بصری از جداول زندگی ارائه می دهند.
25
03:54 =>03:57
محور افقی زمان رویداد را نشان می دهد. در این نمودار، هر زمان که دارو در بیمار تأثیر می گذارد، افت منحنی بقا رخ می دهد.
26
03:57 =>04:00
محور عمودی احتمال بقا را نشان می دهد.
27
04:00 =>04:05
بنابراین، هر نقطه از منحنی بقا، این احتمال را نشان می دهد که بیمار در یک درمان معین تا آن زمان تسکین را تجربه نکرده باشد.
28
04:05 =>04:07
با روش تجزیه و تحلیل بقای Kaplan-Meier، توزیع زمان برای اثرگذاری دو داروی مختلف را بررسی کردهاید.
29
04:07 =>04:09
آزمون های مقایسه ای نشان می دهد که از نظر آماری تفاوت معنی داری بین آنها وجود ندارد.