Redactor Kaplan-Meier
Crea informes completos de supervivencia
Redactor Kaplan-Meier
Crea informes completos de supervivencia
Descripción
Genera un texto completo de Métodos + Resultados a partir de tus curvas de supervivencia de Kaplan-Meier, la prueba de log-rank y los resultados de la regresión de Cox. Interpreta correctamente las razones de riesgos (hazard ratios), indica claramente si el porcentaje de censura es alto y recuerda comprobar el supuesto de riesgos proporcionales para el modelo de Cox. Adecuado para: investigadores que trabajan con datos clínicos o epidemiológicos de supervivencia.
Recomendado por
Shuting@YouMind
Por qué recomendamos esta habilidad
Convierte resultados de Kaplan-Meier, log-rank y Cox en un texto completo de Métodos y Resultados, y aborda claramente las principales consideraciones estadísticas.
Vista previa
Habilidades relacionadas
Ver todo
InvestigaciónRegresión Logística y ROC
Convierte los resultados de sus análisis de regresión logística (odds ratio, intervalos de confianza, ROC-AUC) en una sección académica de Resultados lista para incorporar directamente a un artículo. Clasifica correctamente el valor de ROC-AUC según criterios estándar y evita interpretaciones exageradas de las variables no significativas. Adecuado para investigadores que desarrollan modelos de predicción clínica y estudiantes de posgrado.
InvestigaciónRedactor de pruebas grupales
Genera un texto de Resultados compatible con APA 7 y listo para incluir en un artículo a partir de los resultados de pruebas t, ANOVA o chi-cuadrado. Utiliza el formato correcto de informe estadístico (t(gl)=..., p=..., d=...) e interpreta el tamaño del efecto según los criterios de Cohen. Recuerda que, al comparar tres o más grupos, debe indicarse la corrección por comparaciones múltiples. Adecuado para investigadores y estudiantes de posgrado que realizan estudios experimentales o comparativos.
InvestigaciónRedactor Kaplan-Meier
Genera un texto completo de Métodos y Resultados a partir de tu curva de supervivencia de Kaplan-Meier, la prueba de log-rank y los resultados de la regresión de Cox. Interpreta correctamente las razones de riesgos, señala explícitamente una tasa de censura elevada y recuerda comprobar el supuesto de riesgos proporcionales en los modelos de Cox. Para quién es: investigadores que trabajan con datos clínicos o epidemiológicos de supervivencia.
