Wat is het verschil tussen statistiek en biostatistiek?

Als ik kijk bij de Wikipedia-vermelding voor biostatistiek , lijkt de relatie met biometrie mij niet zo duidelijk aangezien biometrie historisch gezien meer bezorgd was met het karakteriseren van individuen aan de hand van een aantal interessante fenotypen, met grote toepassingen in populatiegenetica (zoals geïllustreerd door het werk van Fisher), terwijl een deel van deze discipline zich nu richt op biometrische systemen (waarvan de doelstellingen de herkenning of identificatie van individuen zijn op basis van een aantal fysieke of gedragskenmerken die intrinsiek uniek zijn voor elk individu “, aldus Boulgouris et al., Biometrics , 2010). Hoe dan ook, er zijn nog steeds zijn recensies zoals Biometrika en Biometrie ; hoewel ik dit laatste op een onregelmatige basis lees, richten de meeste artikelen zich op biostatistisch theoretisch of toegepast werk. Hetzelfde geldt voor Biostatistiek . Met “biostatistische” toepassingen bedoel ik dat het te maken heeft met toepassingen of modellen die verband houden met het biomedische domein, in brede zin (biologie, gezondheidswetenschappen, genetica, enz.).

Volgens de Encyclopedia of Biostatistics (2005, 2e ed.),

(.. .) Zoals duidelijk wordt uit de bovenstaande voorbeelden, is biostatistiek probleemgericht. Het is specifiek gericht op vragen die zich voordoen in de biomedische wetenschap. De methoden van biostatistiek zijn de methoden van statistiek – concepten die gericht zijn op variatie in waarnemingen en methoden voor het extraheren van informatie uit observaties in aanwezigheid van variatie uit verschillende bronnen, maar met name door variatie in de reacties van levende organismen en in het bijzonder de bestudeerde mensen. Biostatistische activiteit omvat een breed scala van wetenschappelijk onderzoek, van de basisstructuur en functies van de mens tot de interacties van mensen met hun omgeving, inclusief problemen van milieutoxiciteit en sanitaire voorzieningen, verbetering van de gezondheid en onderwijs, ziektepreventie en therapie, de organisatie van gezondheidszorgstelsels en gezondheidszorgfinanciering.

Kortom, ik denk dat biostatistiek deel uitmaakt van een superfamilie – Statistieken–, en de meeste van zijn methoden, maar heeft een meer gericht interessegebied (vandaar een historische achtergrond, specifieke ontwerpen en een algemeen theoretisch kader) en toegewijde modelleerstrategieën.

Om het “Encyclopedisch woordenboek van de wiskunde” door Kiyosi Itô (ed.) te citeren:

In veel toegepaste velden bestaan systemen van statistische methoden die specifiek voor de respectieve gebieden zijn ontwikkeld, en hoewel ze allemaal t ze zijn in wezen gebaseerd op dezelfde algemene principes van statistische inferentie, elk heeft zijn eigen speciale technieken en procedures. Er zijn specifieke namen bedacht, zoals biometrie, econometrie, psychometrie, technometrie, sociometrie, etc.

Als iemand die cursussen volgde van de statistiekafdeling van een universiteit die dat niet deed een major Biostatistiek aanbieden en in klinische onderzoeken met biostatistici heb gewerkt en veel artikelen gelezen die door biostatistici zijn geschreven, kan ik een bepaald perspectief bieden. Ik zie biostatistiek als een veld dat een subset van statistische standaardtechnieken toepast op klinisch onderzoek. Biostatistiek richt zich in grotere mate op categorische variabelen en logistieke regressie dan op statistieken die worden toegepast op vakken die in de natuurwetenschappen en techniek worden bestudeerd. Biostatistiek is geneigd antwoorden te zoeken op binaire vragen, zoals deze: 1) Is dit onderwerp gezond of ziek? of 2) veroorzaakt dit medicijn meer goed dan kwaad? Het maakt vaak gebruik van discrete onafhankelijke variabelen, zoals of een proefpersoon aan het einde van het onderzoek leefde of dood was. Dit is echter geen ijzersterk onderscheid: biostatistiek maakt ook gebruik van overlevingsanalyse, waarbij een continue variabele wordt gemeten, dwz de tijdsduur tot een gebeurtenis van biologische betekenis.

Opmerkingen

• Biostatistiek levert ook unieke bijdragen aan de statistische theorie en de verbanden tussen onderzoeksopzet en inferentie. Equivalentietests zijn een voorbeeld van de eerste, en contrafeitelijke causale schatting a la James Robins, Sander Greenland, etc. (binnen epi / biostats) is een voorbeeld van de eerste.

Biostatistiek, biometrie en biometrie zijn synoniemen. Medische statistieken (ook wel klinische biostatistiek genoemd zonder duidelijke reden) is een subset hiervan.

Opmerkingen

• Ik denk echt niet dat ‘ niet denkt dat biostatistiek en biometrie synoniemen zijn. Biometrie omvat gezichtsherkenning, vingerafdrukanalyse, terwijl biostatistiek een rol speelt ontwerp van klinische proeven enzovoort … Alleen vergelijkbare namen.
• Dat gebruik van ‘ biometrie ‘ is een ongelukkig neologisme. Zie tibs.org/interior.aspx?id=290
• Dit is niet ‘ t de vraag echter echt aanpakken. Ik weet wat de definitie van biostatistiek is, maar ‘ weet ik niet hoe het verschilt van statistieken in de praktijk, in het onderwijs, in de filosofie, enz.
• ‘ Klinische biostatistiek ‘ is eigenlijk volkomen logisch voor mij. De aannames, schattingen, enz. Waarmee klinische onderzoekers werken, zijn duidelijk verschillend, zelfs voor mensen ” één veld meer dan “. Ik moet mijn hele manier van denken veranderen als ik ‘ met klinische gegevens werk.

Ik zal proberen dit te beantwoorden vanuit het perspectief van iemand die noch een statisticus, noch een biostatisticus is. Ik leef eerder in het wazige grijze gebied dat epidemiologische methoden is.

Zoals andere posters al hebben opgemerkt, is biostatistiek een discipline die vooral gericht is op statistiek, aangezien ze van toepassing zijn op biologische problemen – inclusief problemen die zich voordoen in de geneeskunde . Hoewel dit enigszins semantisch lijkt, resulteert het in een aantal dingen waarvan ik denk dat het het een aparte entiteit op zichzelf maakt, hoewel geen van deze strikt exclusief is:

• Een afhankelijkheid van vakkennis . Of dit nu door samenwerking met materiedeskundigen is, of door simpelweg langdurig aan hetzelfde probleem te werken, biostatica omvat de versmelting van een statistische methode met een bijzonder toegepast probleem.
• Een veel voorkomende en vrij beperkte reeks onderzoeken ontwerpen. Hoewel exotische onderzoeksontwerpen steeds acceptabeler worden, wordt het veld over het algemeen nog steeds gedomineerd door cohort-, case-control- en klinische onderzoeksontwerpen. De focus ligt vaak op het schatten van categorische blootstellingen (gegeven het medicijn, niet gegeven het medicijn …) en categorische resultaten (overleden, niet overleden).
• Een alomtegenwoordigheid van ontbrekende / verkeerd geclassificeerde / slechte gegevens.
• Minder nadruk op classificatie en voorspelling. Zoals @Alexis al zei, is causale gevolgtrekking en de wens om counterfactuals te onderzoeken enorm belangrijk voor biostatistiek. Hoewel niet uitsluitend waar, is iets dat een goede voorspeller is maar geen etiologische uitleg is van minder belang. Dit heeft bijvoorbeeld de penetratie van machine learning-methoden enigszins beperkt.

Statistiek versus biostatistiek is niet logisch als vergelijking; biostatistiek is echt een subonderwerp van statistiek. Dit zou hetzelfde zijn als de vraag “wat” is het verschil tussen wiskunde en waarschijnlijkheid? “; waarschijnlijkheid is een deelgebied van de wiskunde.

Zoals anderen hebben opgemerkt, is biostatistiek van toepassing op problemen die zeer vaak voorkomen in zowel medische studies als biologisch onderzoek.Dit omvat, maar is zeker niet beperkt tot, overlevingsanalyse, sequentieel proefontwerp, longitudinale analyse en genomische analyses, om maar een paar onderwerpen te noemen.

Wat betreft het verschil tussen programmas in statistiek en biostatistiek, het voor de hand liggende verschil tussen twee programmas is dat de biostatistiekprogrammas zich zullen specialiseren in de bovenstaande onderwerpen. De meeste statistische programmas zullen nog steeds betrekking hebben op biostatistiek (ik ben bijvoorbeeld gepromoveerd in de statistiek en van alle mogelijke specialisaties van statisticus ben ik het meest gekwalificeerd als biostatisticus, mijn huidige functie), maar het is zeker mogelijk om een doctoraat in statistiek te behalen met slechts een milde inleiding tot biostatistiek-specifieke onderwerpen.

Ik heb begrepen dat de grote vraag naar statistici door farmaceutische bedrijven leidt tot de vraag naar biostatistiekprogrammas.

Ik zie de antwoorden hier om het werkdomein te definiëren, dus ik probeer een uitgebreider antwoord te geven op basis van mijn ervaring met het leren van statistiek als arts. De meeste van mijn ervaring betreft klinische onderzoeken, maar dit kan worden toegepast op elk domein van biostatistiek.

Het doel van biostatistiek is biologisch en medisch gebied, dit geeft het subtiele verschillen volgens dit doel.

Statistieken zijn allemaal hetzelfde! het is gewoon wiskunde! Dit is echter het verschil dat me opkomt als ik biostatistiek definieer.

1- Gewone statisticus zal niet alle terminologieën in biostatistiek begrijpen, maar hij zal de wiskunde wel begrijpen!

Beiden zijn afkomstig van wiskundige en waarschijnlijkheidstheorieën. vinden dat de meeste tests resoneren met beide woorden, zoals regressieanalyse, t-test … enz.

Echter, als het gaat om enkele andere tests zoals relatief risico, toe te schrijven risicoreductie, kaplen mieir curves … enz. deze paar tests zullen vreemd klinken voor iemand zonder biostatistische kennis. Ze kunnen het echter gemakkelijk doorlopen als ze over deze tests lezen.

2- Biostatistiek vindt het wiel meestal niet opnieuw uit, ze verbeteren alleen wat beschikbaar is

Zoals ik al zei biostatistiek is gebaseerd op statistieken. Maar in tegenstelling tot het vorige punt, gaat het meeste van het huidige actieve onderzoek naar biostatistiek vooral over het verbeteren van enkele eigenschappen van bestaande tests met verschillende terminologie om het doel van biostatistiek te dienen. Bijvoorbeeld iets als algehele overleving of tijd tot tijd. dood zijn allemaal terminologieën exclusief voor biostatistiek (dat is zeker of wie leven en dood zou bestuderen), maar ze zijn gebaseerd op time-to-event-analyse dat biostatisticus deze terminologieën heeft gecreëerd om de test het doel van biostatistiek te maken, meer gestandaardiseerd en gemakkelijk te interpreteren onder artsen.

3- Biostatistiek heeft zijn specifieke richtlijnen (net als elk ander veld), maar het is strikter.

Biostatistiek heeft veel richtlijnen en conventies opgesteld om de gegevens van verschillende velden te analyseren. Statistici die in de biologie en genomics werken, doen bijvoorbeeld andere tests en denken anders dan degenen die in klinische onderzoeken werken (en natuurlijk die in business intelligence werken). Maar deze manier van werken wordt beschouwd als vaststaand door de gemeenschap van biostatisticus , dus een biostatisticus denkt meestal niet out of the box tenzij er iets aandrang is dat nog niet eerder heeft bestaan, en dit gebeurt meestal niet, aangezien de onderzoeksopzet van biostatistiekvelden zeer definitief is.

Een duidelijker voorbeeld hiervan is de Baysiaanse statistiektoepassing over biostatistiek. Bayesiaanse statistieken staan erom bekend flexibel te zijn, dus u zult niet veel gebruik van dit soort statistieken vinden. Dit gebruik is ook gekoppeld aan een bepaalde repetitieve toepassing zoals gevoeligheidsmeting. Het is niet nodig aan waarschijnlijkheden te denken als er gemakkelijkere opties zijn die gemakkelijker te interpreteren en uit te voeren zijn.

Waarom deze beperking? 1. De gemeenschap probeert p hacking en verfraaiing van de resultaten te voorkomen. Vooral als u in klinische onderzoeken werkt, gebruikt u niet alleen de tests die de beste resultaten geven. U gebruikt meestal zelfs geen eenzijdige tests! Deze conventies zijn er om de geldigheid van de proeven te beschermen en al het andere zal de gemeenschap achterdochtig maken.

2. Dat is het belangrijkste deel. Al het werk van biostatistiek zou moeten geïnterpreteerd worden door een arts, dus hij moet de resultaten zelf begrijpen. Dus proberen ze vast te houden aan een paar benaderingen.

3. Dit punt is oneerlijk omdat er geen vergelijking is , maar de onderzoeksopzet in de biostatistiek is zeer definitief. Meestal hoef je niet veel na te denken over hoe je de werkzaamheid van een medicijn of een bijwerking of zo kunt bewijzen.Het is dus zeer onwaarschijnlijk dat u uw hoofd bezig moet houden met het af en toe leren van verschillende technieken en tests, aangezien het zeer zeldzaam is om een patroonverandering te zien.

Dat is alles wat ik nu heb, ik zal mijn antwoord bijwerken als ik me iets anders herinner.

Wat ik zie, dit lijkt slechts een kwestie van semantiek te zijn. Statistieken die worden toegepast op onderzoek of testen in de sociale wetenschappen worden gewoon Statistiek genoemd. Een persoon die met dit soort situaties werkt moet een grondige kennis hebben van zijn of haar vakgebied voordat een statistische procedure kan worden toegepast. Hoe dan ook, we noemen het statistiek. Ik denk dat deze discussie gaat over een systeem van voorkeuren. Als het op biologisch gebied de voorkeur heeft om het daar biostatistiek te noemen is geen probleem. Dit is slechts een woordkeuze.

Opmerkingen

• Stop met het toevoegen van aanvullende antwoorden. U kunt op het grijze ” bewerk ” links onderaan uw antwoord om een bestaand antwoord te bewerken, bij te werken of uit te breiden.

Er is geen significant verschil tussen statistiek en biostatistiek. In mijn definitie is biostatistiek de toepassing van statistiek op de biologie. Een biostatisticus heeft dus een relatief sterke beheersing van de biologie, in ieder geval genoeg om te begrijpen hoe hij zijn statistieken op de biologie moet toepassen. Het zou hetzelfde concept zijn als Artstatistics , of Sociostatistics ; toepassing van statistiek op kunst of statistiek op sociologie, respectievelijk. Biostatistiek zijn gewoon de statistieken van BIOLOGIE. Je hebt dus een beheersing van biologie en statistiek nodig om het goed te doen als biostatisticus. “Tis all.

Opmerkingen

• Biostatistiek maakt deel uit van epidemiologie en medische wetenschap.