Autore analisi di Kaplan-Meier

Autore analisi di Kaplan-Meier

Crea un report dall’analisi di sopravvivenza

Creato da
MMurat Sakal
Installato da
3
Versionev2
Ultimo aggiornamento
Crediti per esecuzioneIn base all’utilizzo
ModelliAutomatico
DaYouMind

Descrizione

Produce un testo completo per Metodi + Risultati a partire dalla curva di sopravvivenza Kaplan-Meier, dal test log-rank e dai risultati della regressione di Cox. Interpreta correttamente gli hazard ratio, segnala esplicitamente un tasso di censura elevato e ricorda di verificare l’assunzione dei rischi proporzionali per i modelli di Cox. A chi è rivolto: ricercatori che lavorano con dati clinici o epidemiologici di sopravvivenza.

Anteprima

Abilità correlate

Vedi tutto

Redattore analisi Kaplan-Meier

Genera un testo completo di Metodi + Risultati a partire dalla curva di sopravvivenza Kaplan-Meier, dal test log-rank e dai risultati della regressione di Cox. Interpreta correttamente gli hazard ratio, segnala chiaramente quando la percentuale di dati censurati è elevata e ricorda di verificare l’ipotesi dei rischi proporzionali per il modello di Cox. Ideale per: ricercatori che lavorano con dati clinici o epidemiologici sulla sopravvivenza.

M
3Gratis

Scrittore di test tra gruppi

Produce un testo dei Risultati conforme all’APA 7 e pronto per il manoscritto a partire dai risultati dei test t, ANOVA o chi quadrato. Utilizza il formato corretto per la descrizione statistica (t(df)=..., p=..., d=...) e interpreta la dimensione dell’effetto in base ai criteri di Cohen. Ricorda di indicare un metodo di correzione per i confronti multipli quando vengono confrontati tre o più gruppi. A chi è rivolto: ricercatori e studenti universitari che conducono studi sperimentali o comparativi.

M
1Gratis

Regressione logistica ROC-AUC

Trasforma l’output della tua analisi di regressione logistica (odds ratio, intervallo di confidenza, ROC-AUC) in una sezione Risultati accademica, pronta per essere inserita direttamente in un manoscritto. Classifica correttamente il valore ROC-AUC rispetto ai benchmark standard e non sovrastima mai le variabili non significative. A chi è rivolto: ricercatori che sviluppano modelli predittivi clinici e studenti universitari.

M
2Gratis

Tutto pronto per creare qualcosa di più audace?