دکتر محمدرضا خوشایند: تحلیلهای چندمتغیره، حلقه اتصال دادههای پژوهشی با تصمیمگیریهای درمانیاند
در پژوهشهای داروسازی بالینی که دادههای پیچیده و متغیرهای متعدد در کنار هم معنا پیدا میکنند، شناخت روشهای آماری چندمتغیره دیگر یک مهارت جانبی نیست، بلکه ابزاری حیاتی برای کشف الگوهای واقعی در درمان بیماران است. دکتر محمدرضا خوشایند در دومین نشست CPC آمار گروه داروسازی بالینی دانشکده داروسازی دانشگاه علوم پزشکی تهران، از اهمیت این نگاه تازه گفت.
به گزارش روابطعمومی دانشکده داروسازی دانشگاه علوم پزشکی تهران، دومین جلسه ماهانه CPC آمار گروه داروسازی بالینی ۲۸ مهرماه ۱۴۰۴ با حضور اعضای هیئتعلمی و دستیاران تخصصی برگزار شد. در این نشست، دکتر محمدرضا خوشایند، عضو هیئتعلمی دانشکده داروسازی، سخنرانی خود را با موضوع «بکارگیری روشهای چندمتغیره آماری در پژوهشهای بالینی» ارائه کرد.
در این جلسه به کاربرد روشهای پیشرفته چند متغیره آماری در پژوهشهای فارماکوتراپی پرداخته شد. موضوع این جلسه روشهای آنالیز واریانس چند متغیره در تجزیه و تحلیل داده های بالینی بود.
وی در ابتدای سخنان خود با تأکید بر اینکه تحلیلهای آماری چندمتغیره ابزار کلیدی در فهم روابط پیچیده میان عوامل دارویی، فیزیولوژیک و بالینی هستند، گفت: «در پژوهشهای بالینی، متغیرها به ندرت مستقل از یکدیگر عمل میکنند. روشهای چندمتغیره مانند MANOVA به ما کمک میکنند تا تأثیر همزمان چندین عامل را بر پیامد درمانی بسنجیم و تصویر واقعیتری از اثر دارو یا مداخله بهدست آوریم.»
در ادامه، دکتر خوشایند به معرفی کاربردهای روش آنالیز واریانس چندمتغیره (MANOVA) و سایر مدلهای تحلیلی پیشرفته در مطالعات فارماکوتراپی پرداخت و نمونههایی از پژوهشهای بالینی داخلی و بینالمللی را مورد بررسی قرار داد.
نشست با پرسش و پاسخ و تبادل نظر میان اساتید و دستیاران ادامه یافت و بر ضرورت تقویت آموزش آمار کاربردی در حوزه داروسازی بالینی تأکید شد.
ارسال نظر