Anàlisi estadística

Anàlisi exploratòria de dades

T’ajudem a estudiar amb profunditat què diuen les teves dades, sense torturar-les!

L’anàlisi exploratòria de dades va ser introduït per John Wilder Tukey en el 1977 i és el primer pas en l’anàlisi de qualsevol conjunt de dades.

En contraposició al que el mateix John W Tukey va nomenar anàlisi confirmatòria de dades, l’anàlisi exploratòria se centra en descriptives univariants, numèriques i gràfiques (la visualització de dades és estadística), per a poder comprendre com són les dades. Utilitzant termes estadístics: com es distribueixen.

També és important explorar les relacions entre elles, mitjançant tècniques multivariants, com l’anàlisi bivariant, l’anàlisi factorial exploratòria, l’anàlisi de components principals, l’anàlisi de conglomerats, i tot un abisme d’anàlisis possibles que milloraran el coneixement de les dades disponibles. És un pas imprescindible abans d’iniciar qualsevol anàlisi inferencial de mesures d’associació o d’efectes.

Mètodes d’aprenentatge automàtic

Sí, ho sabem, els algorismes d’aprenentatge automàtic són mètodes i tècniques estadístiques. Gràcies a l’augment de la capacitat de computació, el seu ús s’ha disseminat exponencialment, per la qual cosa mereixen una menció especial.

A Heorfy Consulting estem familiaritzats amb els algorismes d’aprenentatge automàtic, tant els més estàndard –boscos aleatoris, xarxes neuronals, màquines de vectors de suport– com els més innovadors mètodes basats en bagging i boosting.

Donat que l’aprenentatge automàtic en la recerca sanitària pot tenir un impacte directe en la vida de les persones, les afirmacions derivades d’aquest tipus d’anàlisi s’han de fer amb el mateix rigor que els assajos clínics. A Heorfy Consulting, som conscients de la importància de ser crítics amb les dades i d’aplicar les mètriques adequades per a avaluar la validesa dels resultats obtinguts.

Mètodes d’inferència estadística

La inferència estadística comença amb l’estimació d’una mitjana o proporció poblacional i del seu interval de confiança, però arriba molt més lluny!

Dominem una àmplia varietat de mètodes estadístics avançats i adequats a tota mena de dades i mecanismes d’observació subjacent. Recorda que el disseny de l’estudi i com s’han recollit les dades importa!

Som experts en models de regressió multivariable lineal, logística, de supervivència, i de qualsevol tipus de variable (models lineals generalitzats); també en models longitudinals d’efectes mixtos i modelització conjunta de dades longitudinals i de supervivència.

Apliquem de manera rigorosa tècniques d’inferència frecuentista i bayesiana per a obtenir estimacions de models explicatius i predictius de pronòstic i de diagnòstic, sense oblidar els fonaments de la inferència causal. També som experts en totes les tècniques de metaanàlisi: comparacions indirectes, mixtes, metaregressió i metaanàlisi en xarxa.

Comunicació de resultats

El compromís que comporta analitzar les dades amb rigor no acaba amb l’obtenció de resultats: cal comunicar-los, i comunicar-los bé! de manera clara. I això inclou l’elecció més adequada dels gràfics, ja que la visualització de les dades també és estadística!

Comunicar correctament els resultats d’una recerca, implica ser divulgatiu sense perdre la rigorositat. Per això, adaptem el llenguatge a l’audiència receptora dels resultats.

Habitualment voldràs que t’ajudem a escriure articles científics. Si és així, la nostra experiència ens avala. Ens assegurarem que el teu manuscrit compleix amb les directrius per a la comunicació d’estudis de recerca: CONSORT (assajos clínics), STROBE (estudis observacionals), TRIPOD (models predictius multivariables), PRISMA (revisions sistemàtiques i metaanálisis), CHEERS (avaluacions econòmiques), etc.