Ei. Palvelu on ilmainen kohderyhmälleen. Valitettavasti tällä hetkellä emme tarjoa konsultaatioita ulkopuolisille edes lisämaksusta.
Valitettavasti et, tarjoamme palveluita ainoastaan Helsingin lääketieteelliseen tiedekuntaan, HUS:iin tai FIMM:iin affilioituneille asiakkaille.
Riippuu sen hetken työkuormastamme, joka vaihtelee. Vastaamme lomakkeisiin yleensä muutaman arkipäivän tai viimeistään viikon kuluessa. Mikäli asiasi edellyttää etä- tai lähitapaamista, riippuu yhteisen ajan löytäminen luonnollisesti niin tutkijan kuin konsulttienkin aikatauluista.
Tämä riippuu työkuormastamme kyseisellä ajanhetkellä, sekä kysymyksen monimutkaisuudesta. Usein tavanomaisimpiin kysymyksiin vastaamiseen kuluu puolesta tunnista muutamaan tuntiin. Paljon tulee vastaan myös tilanteita, joissa kysymyksien selvittely vie paljon kauemmin aikaa, tai tutkija tarvitsee säännöllistä tukea pidemmällä aikavälillä, tai biostatistikko päätyy kysymysten myötä syvällisemmin osallistumaan tutkimusprojektiin. Koska konsultaatiotarpeet ovat niin vaihtelevia, emme ole katsoneet aiheelliseksi asettaa tiukkaa aikarajaa yksittäisen konsultaatiopyynnön hoitamiseen.
Usein konsultaatioprosessi koostuu sekä sähköposteista, että palavereista. Palaverit voidaan järjestää etänä tai toimistollamme Biomedicum 2B:ssä. Se, onko tarvetta palaverille vai hoituuko asia sähköpostitse, riippuu toki esimerkiksi tutkijan kysymyksistä, toiveista, konsultaatiotarpeen kiireellisyydestä ja tutkijan sekä konsulttien aikatauluista.
Ei. Olemme neuvontapalvelu, jonka puitteissa emme tee analyysejä. Neuvomme tutkijoita kaikissa tutkimuksen vaiheissa, ilman muuta myös aineiston analysoinnissa.
Et. Tietoturvasyistä emme vastaanota dataa. Tuo sen sijaan aineistosi tietokoneella nähtäväksi palaveriin, jotta voimme tarkastella sitä yhdessä.
Kyllä vain! Neuvomme tutkijoita kaikissa tutkimuksen vaiheissa aina tutkimuksen suunnittelusta tulosten tulkintaan ja raportointiin.
Riippuu tilanteesta. Mikäli koodinpätkä on selkeä, ja on selvää, mitä sillä on tarkoitus tehdä, pääsääntöisesti kyllä. Palvelumme ei ole kuitenkaan oikea paikka alkaa selvittämään tai oikolukemaan hyvin pitkiä ja sekavia koodeja ja etsimään niistä virheitä. Välillä raja näiden välillä on toki häilyvä.
Kyllä. Voimme auttaa sinua osion muotoilussa, selkeydessä ja oikoluvussa, tai auttaa esimerkiksi koostamaan pari lausetta, jotka kuvaavat asianmukaisesti tehtyjä tilastollisia tarkasteluja ja analyysejä. Emme kuitenkaan kirjoita osiota puolestasi. Lopullinen vastuu tilastollisten menetelmien kuvauksesta ja raportoinnista artikkelissa säilyy tutkijalla.
Ilman muuta! Olethan kuitenkin tehnyt jonkin verran ajatustyötä jo etukäteen, että meillä on jotain, mistä aloittaa.
Mahdollisesti analysoinnissa, riippuen menetelmistä, joita haluat käyttää. Valitettavasti tällaisen datan prosessoinnin kanssa emme voi oikein muutoin auttaa, suosittelemme kääntymään tässä, sekä monimutkaisemmissa analyysimenetelmissä osaavan bioinformaatikon puoleen.
Kurkkaa hyödylliset linkkimme! Ne sisältävät paljon materiaalia tilastotieteeseen ja ohjelmistoihin liittyen.
Emme pysty tarjoamaan tilastotieteen tai ohjelmistojen käytön perusopetusta yksittäisille tutkijoille rajallisten aikaresurssiemme vuoksi. Voimme toki auttaa sinua eteenpäin ja neuvoa sopivia kursseja / oppimateriaaleja, sekä tukea oppimisprosessia neuvonnalla. Voit aloittaa osallistumalla esimerkiksi jollekin järjestämistämme kursseista, perehtymällä johonkin alan kirjaan tai käydä läpi kokoamiamme hyödyllisiä linkkejä, joiden kautta löydät paljon materiaalia itsenäiseen opiskeluun. Jos tarvitset apua R:n perusteiden oppimisessa, voit tutustua ns. kickstart-oppaaseemme.
Kenties tavallisimmat tilastolliset menetelmät eivät ole sinulle vielä kovin tuttuja. Jotta voisimme parhaiten auttaa sinua, olisi hyvä jos tutustuisit perusmenetelmiin ensin hieman itsenäisesti. Katso esimerkiksi edeltävän kysymyksen kohdalta hyviä paikkoja aloittaa. Kun peruskäsitteet tulevat tutuksi, on yleensä melko helppo määritellä sopiva tilastollinen testi. Mikäli olet vieläkin epävarma testin valinnasta, ota yhteyttä meihin.
Tällainen kysymys viittaa yleensä siihen, etteivät tilastolliset menetelmät ole sinulle vielä kovin tuttuja. P-arvon laskemiseksi tarvitaan jokin tietty tilastollinen testi tai malli, joka täytyy määrittää ensin. Tilastollinen testi tai malli vaatii enemmän kuin pari yksittäistä havaintoa toimiakseen tarkoituksenmukaisesti. Mikäli tilastollisten menetelmien maailma on vielä ihan vieras asia, voi olla hyvä idea aloittaa tutustumalla edeltävissä kysymyksissä neuvottuihin materiaaleihin. Tämän jälkeen on hedelmällisempää pohtia sopivaa tilastollista testiä / menetelmää.
Korrelaatio määrittää, millä tavalla kaksi muuttujaa ovat yhteydessä toisiinsa. Regressio määrittää ikään kuin tämän yhteyden jyrkkyyttä. Regressioanalyysin perusteella voisit sanoa esimerkiksi “Jokaista potilaan ikävuotta kohden verenpaine nousee X mmHg.” Korrelaatioanalyysin perusteella taas voisit todeta ainoastaan esimerkiksi “Ikä selitti 50% verenpaineen vaihtelusta” tms.
Et välttämättä. T-testiä varten muuttujan tulisi olla kutakuinkin normaalisti jakautunut molemmissa tarkasteltavissa ryhmissä. Varianssianalyysissä ja lineaarisessa regressiomallissa varsinaisesti kiinnostuksen kohteena olevan muuttujan ei tarvitse olla normaalisti jakautunut, vaan mallin residuaalin, eli jäännöstermin. Kahdessa jälkimmäisenä mainitussa analyysissä saattaa siis olla niin, että vastemuuttuja ei olekaan normaalisti jakautunut, mutta residuaali on, ja tällöin kyseisen analyysin käyttö on ok. Jos taas residuaali ei ole normaalisti jakautunut, silloin täytyy miettiä jotakin muuta mallia.
Valitettavasti et. Klusteroitunut tai riippuva data (esimerkiksi aineisto, jossa on perheitä, joista jokaisesta on mukana useampi jäsen, tai samaa potilasta on tutkittu useampaan kertaan) sisältää yleensä ns. klusterin sisäistä vaihtelua (esimerkiksi saman perheen jäsenet muistuttavat enemmän toisiaan kuin eri perheiden jäsenet) ja tämä täytyy huomioida mallissa. Jos riippuvuuden jättää huomiotta, tulokset ovat harhaisia. Otetaan esimerkki, jossa aineistossasi on 60 havaintoa (esim. kudosnäytteitä), mutta ne ovat vain 12 potilaasta. Jos käsittelet aineistoa tavallisena 60 havainnon aineistona, saatat saada vaikkapa virheellisesti tilastollisesti merkitseviä tuloksia, ja päätyä raportoimaan valheellisen yhteyden muuttujien välillä, joka todellisuudessa häviäisi näkyvistä jos klusterirakenne huomioitaisiin.
Huomioithan, että parhaiten pystymme auttamaan, mitä varhaisemmassa vaiheessa tutkimusta meihin ollaan yhteydessä. Toki meihin voi olla yhteydessä vasta vertaisarvioitsijan kommenttien saavuttuakin, ja voimme parhaamme mukaan yrittää auttaa ymmärtämään kommentteja, pohtia yhdessä ratkaisuja ja auttaa muotoilemaan vastausta kommenttiin. Ole yhteydessä täyttämällä e-lomake, tai tule käväisemään työpajassamme mikäli kyse on lyhyestä asiasta.
Myös näistä voi olla apua:
Googlaa kysymyksesi. Kokeile erilaisia hakusanoja, kokeile tarkempaa (tai vähemmän tarkkaa) hakua, kokeile hakea tilastollisen testin tai ohjelmiston nimeä, käyttää hakusanoja eri järjestyksessä tms. Yllättävän usein googlaamalla löytyykin nopeasti vastaus hankalana pitämääsi kysymykseen!
Kurkkaa hyödylliset linkkimme. Linkkien kautta löydät paljon yksityiskohtaista tietoa monista eri aihepiireistä.
Lähde kokeilemaan erilaisia asioita tilasto-ohjelmalla, ihan huvin vuoksi – kuvaajia, kuvailevia tunnuslukuja, yksinkertaisia testejä jne. Tämä auttaa todennäköisesti ymmärtämään vähän paremmin, millaista datasi on, mitkä analyysimenetelmät sille voisivat soveltua, ja onko aineistossa mahdollisesti jotakin vialla.
Jos tuntuu, että et pääse itseksesi eteenpäin, täytä e-lomakkeemme varataksesi esimerkiksi konsultaatioaika (useimmiten lähtökohtaisesti varaamme alkuun noin tunnin mittaisen konsultaatioajan, mikäli asia ei hoidu sähköpostitse), tai tule käymään työpajassamme (lyhyemmille kysymyksille, aikaa varataan noin 15min per asiakas), joita järjestetään joka toinen keskiviikko.