🆕 همکاری در مقاله اوریجینال حیطه چشم پزشکی با عنوان مقایسه ی دقت دستگاه های عکسبرداری عمل PRK و trans-PRK

🤔 شرح فعالیت:
نگارش manuscript به طور کامل

✔️ شرایط:
داشتن حداقل ۳ مقاله چاپ شده

🗓 ددلاین: ۴ هفته

❌ شرایط خروج:
عدم پایبندی به وظایف تعیین شده
عدم رعایت ددلاین

➕ تعداد افراد مورد نیاز: ۱ نفر

✨ مزایا:
درج نام در مقاله 
همکاری های آتی

© نویسنده کارسپاندینگ: دکتر علیرضا اسلام پور و دکتر سیامک زارعی قنواتی

لطفا درخواست خود را از طریق آیدی زیر اعلام فرمایید و رزومه خود را ارسال کنید.

✅@ResearchPrimeSupport

#14038

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

🆕 همکاری در مقاله اوریجینال با عنوان Investigating the prevalence of Van A and Van B genes resistant to vancomycin in gram-positive bacteria of the ESKAPE group isolated from hospitalized patients

🤔 شرح فعالیت:
نگارش بخشی از manuscript

✔️ شرایط:
همه افراد با هر رزومه ای با پرداخت هزینه منتورینگ (۳ میلیون) می توانند وارد طرح شوند. همچنین افرادی که قبلا در طرح های منتورینگ گروه شرکت کرده اند، می توانند با تخفیف و هزینه ۲ میلیون وارد طرح شوند.

🗓 ددلاین: ۴ هفته

❌ شرایط خروج:
عدم پایبندی به وظایف تعیین شده
عدم رعایت ددلاین

➕ تعداد افراد مورد نیاز: ۲ نفر

✨ مزایا:
درج نام در مقاله 
همکاری های آتی

لطفا درخواست خود را از طریق آیدی زیر اعلام فرمایید.

✅@ResearchPrimeSupport

#14039

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

🆕 همکاری در مقاله اوریجینال جراحی قلب حیطه Percutaneous pulmonary valve implantation

🤔 شرح فعالیت:
انجام آنالیز

✔️ شرایط:
مسلط به SPSS یا Stata
تحویل کار با کیفیت بالا در ددلاین تعیین شده

🗓 ددلاین: ۱ هفته

❌ شرایط خروج:
عدم پایبندی به وظایف تعیین شده
عدم رعایت ددلاین

➕ تعداد افراد مورد نیاز: ۱ نفر

✨ مزایا:
درج نام در مقاله 
همکاری های آتی

لطفا درخواست خود را از طریق آیدی زیر اعلام فرمایید.

✅@ResearchPrimeSupport

#140310

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

🆕 همکاری در مقاله اوریجینال گوارش اطفال

🤔 شرح فعالیت:
جمع آوری دیتای بیماران

✔️ شرایط:
حضور در مشهد و مطب استاد، جذب ۳۰ بیمار سلیاک برای شرکت در مطالعه، ثبت اطلاعات و آزمایش های پایه، ثبت آزمایش های نهایی ۳ ماه بعد


🗓 ددلاین: ۴ ماه

❌ شرایط خروج:
عدم پایبندی به وظایف تعیین شده
عدم رعایت ددلاین

➕ تعداد افراد مورد نیاز: ۱ نفر

✨ مزایا:
پرداخت هزینه به مبلغ ۸ میلیون تومان 
همکاری های آتی

لطفا درخواست خود را از طریق آیدی زیر اعلام فرمایید.

✅@ResearchPrimeSupport

#140311

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

👋 سلام دوستان!
بعد از یه وقفه کوتاه، دوباره فعالیتمون رو از سر میگیریم و هر هفته یک مطلب جدید خواهیم داشت.
اما قبل از اون، اول نتیجه فوق العاده دوتا از کارهامونو واستون share میکنیم 😎

پذیرش مقاله گروه Research Prime در کنگره ISCOMS 2025 کشور هلند! 🤩🤪

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

گزارش سابمیت مقاله گروه Research Prime
⚡️ Impact factor: 7.1
🔝 ISI, PubMed, Scopus

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

آشنایی با وب‌سایت reporter.nih.gov برای پیدا کردن پوزیشن funded

😀 چگونه پروژه‌های تحقیقاتی funded را پیدا کنیم؟

وب‌سایت NIH RePORTER یک پایگاه داده جامع از پروژه‌های تحقیقاتی است که توسط مؤسسه ملی سلامت ایالات متحده (NIH) تأمین مالی شده‌اند. این ابزار ارزشمند به محققان، دانشجویان و علاقه‌مندان به پژوهش کمک می‌کند تا پروژه‌های در حال اجرا، سوابق تأمین مالی آن‌ها و اطلاعات مربوط به محققان اصلی را پیدا کنند.

😀 چگونه از NIH RePORTER استفاده کنیم؟

1️⃣ جستجوی پروژه‌های funded
- وارد reporter.nih.gov شوید.
- به بخش "Advanced Search" بروید.
- با استفاده از کلیدواژه‌های مرتبط با حوزه تحقیقاتی خود، پروژه‌های فعال را جستجو کنید.
- می‌توانید فیلترهایی مانند سال تأمین مالی، مؤسسه، نام محقق و کشور را اعمال کنید.

2️⃣ یافتن اطلاعات محققان و سوپروایزرها
- پس از یافتن یک پروژه مرتبط، روی آن کلیک کنید تا جزئیات بیشتری نمایش داده شود.
- در صفحه پروژه، نام محقق اصلی Principal Investigator - PI را خواهید دید.
- معمولاً اطلاعات تماس یا وابستگی دانشگاهی آن‌ها نیز در بخش جزئیات پروژه ذکر شده است.

3️⃣ برقراری ارتباط با محققان
- با جستجوی نام محقق در وب‌سایت دانشگاه یا Google Scholar، می‌توانید ایمیل و اطلاعات تماس او را پیدا کنید.
- هنگام ارسال ایمیل، یک Cover Letter حرفه‌ای بنویسید و علاقه خود را به همکاری در پروژه‌های آینده توضیح دهید.

📢 چرا NIH RePORTER برای دانشجویان و پژوهشگران مفید است؟
✅ یافتن فرصت‌های تحقیقاتی و محققان برجسته در سراسر جهان
✅ بررسی مسیر پژوهشی اساتید و شناخت زمینه‌های تحقیقاتی فعال
✅ افزایش شانس دریافت پذیرش و همکاری‌های تحقیقاتی بین‌المللی

😀 برای آشنایی بیشتر با ابزارهای پژوهشی و فرصت‌های تحقیقاتی، کانال ما را دنبال کنید! 🚀

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

🤔 دیدین بعضیا میگن: از‌ کجا بدونیم این استاد که باهاش مکاتبه کردیم و بهم اوکی اولیه رو داده، استاد خوبیه؟

🔖 معرفی سایت Rate My Professors 🎓

اگر به دنبال اطلاعاتی درباره اساتید دانشگاه‌های مختلف هستید، سایت Rate My Professors یکی از بهترین منابع برای بررسی نظرات دانشجویان درباره اساتید است.
این سایت یک پلتفرم آنلاین است که دانشجویان می‌توانند تجربه‌های خود را درباره اساتیدشان ثبت کنند و به آن‌ها امتیاز بدهند.

🤔 چه اطلاعاتی ارائه می‌دهد؟
✅ امتیازدهی به اساتید بر اساس کیفیت تدریس
✅ نظرات واقعی دانشجویان درباره نحوه تدریس، سخت‌گیری و تعامل استاد
✅ امکان جستجو بر اساس نام استاد یا دانشگاه

🤔 چرا مفید است؟
✅ انتخاب آگاهانه‌تر اساتید
✅ آشنایی با انتظارات اساتید
✅ دریافت بازخوردهای واقعی از دانشجویان دیگر

📌 برای دسترسی به نظرات دانشجویان درباره اساتید، به RateMyProfessors.com مراجعه کنید!

✍️ آیا تا به حال از این سایت استفاده کرده‌اید؟ تجربه‌تان را با ما به اشتراک بگذارید! 😊

📌 برای آشنایی بیشتر با ابزارهای پژوهشی و فرصت‌های تحقیقاتی، کانال ما را دنبال کنید! 🚀

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅ @ResearchPrime
✅ Instagram

🌸 نوروز ۱۴۰۴ مبارک! 🌸

بهار، فصل شکفتن و نو شدن از راه رسیده است، و نوروز پیام‌آور امید، شادی و روزهای روشن است. 🌿✨

آغاز سال نو را به همه پژوهشگران، دانشجویان و همراهان عزیز تبریک می‌گوییم. امیدواریم که سال جدید سرشار از موفقیت‌های علمی، پیشرفت در مسیر تحقیق و کشف‌های نو باشد. 📚🔬

🌼 در این سال تازه، با انگیزه‌ای نو، اهداف بزرگ‌تری را دنبال کنیم و در مسیر دانش و آگاهی قدم‌های استوارتری برداریم.

⭐️ نوروزتان پیروز، دلتان شاد و علمتان پایدار باد!

✅ @ResearchPrime
✅ Instagram

🆕 همکاری در مقاله حیطه زنان

🤔 شرح فعالیت:
کاهش میزان plagiarism به زیر ۲۰ درصد (در حال حاضر ۲۹ درصد است)

✔️ شرایط:
🤔داشتن رزومه پژوهشی مناسب و مرتبط
🤔 پایبندی به ددلاین


🗓 ددلاین: ۴ روز

❌ شرایط خروج:
عدم پایبندی به وظایف تعیین شده
عدم رعایت ددلاین

➕ تعداد افراد مورد نیاز: ۱ نفر

✨ مزایا:
پرداخت هزینه
همکاری های آتی

لطفا درخواست خود را از طریق آیدی زیر اعلام فرمایید.

✅@ResearchPrimeSupport

#14041

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

📚ملاحظات اخلاقی نحوه استفاده از هوش مصنوعی در تهیه آثار پژوهشی

🖥 این بخشنامه از طرف کمیته کشوری اخلاق در پژوهش‌های زیست پزشکی در تاریخ ۲۰ اسفند ۱۴۰۳ به تمام دانشگاه‌های علوم پزشکی و موسسات ذیربط ابلاغ شده است.

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅ @ResearchPrime
✅ Instagram

پذیرش مقاله ای دیگر از اعضای Research Prime در کنگره ISCOMS 2025 کشور هلند! 🤩🤪

🔥 ارائه ۱۲ روز دیگه!

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime
✅ Instagram

🔍 درک درست از p-value؛ چرا نباید فقط به این فاکتور اعتماد کنیم؟

❓ اصلاً p-value چیه؟ و چطوری باید تفسیرش کنیم؟

ءp-value تو پژوهش‌های پزشکی یکی از پرکاربردترین شاخص‌ها برای بررسی معنی‌داری آماریه. ولی خیلی وقتا هم اشتباه تفسیرش می‌کنن!

✅ تعریف ساده و دقیق p-value:
ءp-value یعنی احتمال اینکه داده‌هایی مثل داده‌های ما (یا قویتر) رو ببینیم، اگه فرض صفر (H₀) درست باشه.

فرض صفر، فرضیه ایه که فرضیه مطالعه ما رو رد میکنه.

یعنی چی؟ یعنی اگه هیچ تفاوتی واقعاً وجود نداشته باشه، احتمال اینکه همچین نتیجه‌ای با همچین داده هایی دربیاد، چقدره؟

📌 چند تفسیر اشتباه رایج:
🔘 "اگه p<0.05 باشه، یعنی فرض صفر رد شده و حتماً نتیجه درسته." ← غلط!
🔘 "اگه p=0.04 باشه یعنی احتمال درستی فرضیه ما ۹۶٪ ـه." ← باز هم غلط!

✅ درستش اینه که بگیم:
"ءp=0.04 یعنی اگه فرض صفر درست باشه، فقط ۴٪ احتمال داره همچین داده‌هایی ببینیم. پس نتیجه اون‌قدر نادره که می‌تونیم بگیم احتمالاً فرض صفر غلطه."


😀 محدودیت‌های p-value:
1. وابسته‌ست به حجم نمونه: هرچی نمونه بزرگ‌تر باشه، حتی اختلاف‌های خیلی کوچیک هم ممکنه p کوچیک بدن.
2. اندازه اثر رو نمی‌گه: فقط می‌گه معنی‌داره یا نه، ولی نمی‌گه چقدر مهم یا بزرگه اون اثر.
3. ممکنه تکرارپذیر نباشه: یه بار p=0.03، دفعه بعد شاید بشه 0.08.

✔️ حالا چی کار کنیم؟ چه چیزای دیگه‌ای رو هم باید ببینیم؟
🤔 فاصله اطمینان (CI): نشون می‌ده اثر چقدر دقیق برآورد شده
🤔 اندازه اثر (Effect Size): مثل OR، RR یا Mean Difference
🤔 توان مطالعه (Power): که ببینیم اصلاً مطالعه‌مون قدرت کشف تفاوت رو داشته یا نه

😀 جمع‌بندی:
ءp-value یه ابزار خوبه، ولی تنها ابزار نیست. برای نتیجه‌گیری علمی‌تر باید با بقیه شاخصا مثل اندازه اثر و CI تفسیر بشه.

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅@ResearchPrime

😀 ءEffect size چیه و چرا انقدر مهمه؟

ببین، خیلی وقتا توی یه تحقیق، فقط نمی‌خوای بدونی که یه چیز "تأثیر داره یا نه" (یعنی فقط به P-value نگاه کنی). بلکه می‌خوای بدونی چقدر تأثیر داره؟ اینجاست که effect size وارد ماجرا میشه.

📍 توی مطالعات متاآنالیز و حتی مقاله‌های اوریجینال، چند مدل effect size معروف داریم:

🔘 Mean Difference (MD):
وقتی میانگین یه متغیر (مثلاً فشار خون) توی دو گروه مقایسه میشه. این بیشتر وقتی کاربرد داره که واحد اندازه‌گیری توی همه‌ی مطالعات یکی باشه.

🔘 Standardized Mean Difference (SMD):
وقتی مطالعات مختلف یه چیزی رو با مقیاس‌های مختلف اندازه گرفتن، میانگین‌ها رو استاندارد می‌کنیم. اینجوری می‌تونیم مقایسه‌شون کنیم. مثلاً: Cohen's d، Hedges’ g

🔘 Risk Ratio (RR) / Relative Risk:
وقتی می‌خوای بدونی ریسک یه اتفاق توی یه گروه نسبت به گروه دیگه چقدره. مثلاً اینکه احتمال سکته توی افراد سیگاری چند برابر غیرسیگاریاست؟

🔘 Odds Ratio (OR):
مثل Risk Ratio هست، ولی مخصوص تحلیل‌هایی مثل رگرسیون لجستیک یا وقتی که outcome نادر باشه. خیلی توی مطالعات case-control استفاده میشه.

🔘 Hazard Ratio (HR):
وقتی با داده‌های بقاء (survival data) سروکار داریم، مثلاً توی آنالیزهایی مثل Cox regression. می‌گه سرعت وقوع یه اتفاق توی یه گروه نسبت به گروه دیگه چقدره.

🧠 نکته مهم:
ءP-value می‌گه تأثیر معنی‌داره یا نه؛ ولی effect size می‌گه اون تأثیر چقدر مهم و کاربردیه! پس وقتی یه مقاله می‌خونی یا می‌نویسی، فقط به P-value خیره نشو 😉

🔝 اینجا توی Research Prime بهترین متغیرهای آماری رو توی مقاله امون استفاده میکنیم که توی بهترین جای ممکن چاپ شه‌.

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅ @ResearchPrime

📊 فرق Hedges’ g و Cohen’s d توی متاآنالیز چیه؟

اگه با متاآنالیز کار کرده باشی، احتمال زیاد اسم Cohen's d و Hedges’ g به گوشت خورده. هردوشون برای محاسبه‌ی اندازه اثر (effect size) توی مطالعاتی به کار می‌رن که متغیر وابسته پیوسته (مثل نمره، فشارخون، ...)‌ داره.

ولی فرقشون چیه؟ کِی از کدوم استفاده کنیم؟ 👇

✅ ءCohen's d چیه؟
ءCohen’s d اختلاف میانگین دو گروه رو بر انحراف معیار (SD) ترکیب‌شده تقسیم می‌کنه. یه شاخص ساده و رایج برای مقایسه دو گروهه.

📌 ولی یه نکته مهم داره:
وقتی حجم نمونه (sample size) کم باشه، Cohen's d یه‌کم اثر رو بیشتر از واقعی نشون می‌ده (یعنی bias داره).

✅ ءHedges’ g چیه؟
ءHedges’ g هم تقریباً همونه، ولی یه اصلاح کوچیک (correction) روی Cohen's d انجام می‌ده تا اون bias ناشی از حجم نمونه کم رو برطرف کنه. به همین دلیل، توی متاآنالیزهایی که مطالعات با n کم دارن، Hedges’ g بهتره.


🤫 جمع‌بندی:
اگه داری یه متاآنالیز انجام می‌دی و n خیلی بالا نیست، Hedges’ g انتخاب بهتریه.

🧠 یادت باشه همیشه فقط دنبال “معنی‌داری آماری” نباش—اندازه اثر اهمیت بیشتری داره!

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅ @ResearchPrime

🔍 فرق بین معنی‌داری آماری (Statistical significance) و اهمیت بالینی (Clinical significance) چیه؟

ءp-value تنها ملاک قضاوت نیست!

🧠 تو تحقیقات پزشکی، خیلی وقتا وقتی p<0.05 می‌شه، نویسنده‌ها ذوق‌زده می‌شن که «آها! نتیجه معنادار شد!»
ولی واقعاً یعنی چی؟
آیا فقط همین عدده که باید بهمون بگه فلان دارو خوبه یا نه؟ نه واقعاً!


✅ اول از همه: معنی‌داری آماری یعنی چی؟

وقتی توی یه مطالعه آماری، p-value کوچکتر از 0.05 بشه، یعنی:
> اگه فرض صفر (یعنی اینکه «تفاوتی وجود نداره») درست باشه،
فقط کمتر ۵٪ احتمال داره همچین نتیجه‌ای رو به‌طور اتفاقی ببینیم.

ولی این فقط یه قضاوت آماریه، نه بالینی!

❌ اما معنی‌داری آماری ≠ تاثیر واقعی تو زندگی بیمار!

یه نتیجه ممکنه آماری‌اش قشنگ باشه ولی توی دنیای واقعی برای بیمار اصلاً محسوس نباشه!

🔘 مثال ۱:
یه مطالعه می‌گه یه داروی جدید باعث شده فشار خون سیستولیک از ۱۳۰ برسه به ۱۲۹.۵
خب کاهش فقط نیم واحد! ولی چون نمونه خیلی بزرگ بوده، p=0.004 شده!

خب این از نظر آماری معناداره؟ بله
از نظر بالینی مهمه؟ نه اصلاً! بیمار همچنان فشار خون بالا داره و این تغییر رو حس نمی‌کنه.

🔘 مثال ۲:
یه مداخله روان‌شناختی باعث شده نمره افسردگی تو مقیاس BDI از ۲۴ برسه به ۱۸
یعنی کاهش ۶ واحدی! کلی تأثیر تو روحیه بیمار می‌ذاره
ولی چون n=18 نفر بوده، p=0.06 شده!

پس می‌گن آماری معنادار نیست، ولی واقعاً تأثیر بالینی قوی‌ای داره.

💡 حالا اینجا نقش MCID خیلی مهم می‌شه!

🤔 ءMCID یعنی چی؟
"حداقل تغییر مهم بالینی"
(Minimally Clinically Important Difference)

یه عددیه که می‌گه:
> "تغییری که از نظر خود بیمار قابل احساسه و تو کیفیت زندگی‌ش فرق ایجاد می‌کنه."


یعنی ممکنه تغییر کوچیک باشه، ولی اگه از MCID بیشتر باشه، اون تغییر واقعاً برای بیمار مهمه.

🔘 مثال ۳:
تو مقیاس VAS برای درد، نمره درد از ۷ اومده شده ۶
خب فقط ۱ نمره کم شده، p=0.02 هم هست.
ولی اگه MCID برای این مقیاس مثلاً ۱.۵ باشه، یعنی این تغییر هنوز به حدی نرسیده که بیمار واقعاً احساس بهبودی کنه.
پس حتی با وجود p کوچیک، این مطالعه تأثیر واقعی خاصی نداره!

🔘 مثال ۴:
یه مطالعه روی داروی دیابت نشون داده HbA1c از ۸.۵ رسیده به ۷.۵.
یعنی کاهش یک واحدی که خیلی مهمه از نظر بالینی اما چون تعداد کم بوده، p=0.07 شده

ولی چون MCID برای HbA1c معمولاً ۰.۵ یا ۰.۷ هست، این کاهش ۱ واحدی خیلی معنادار بالینیه حتی اگه از نظر آماری معنادار نباشه.

🤔 راهکار چیه؟ چی‌کار کنیم که گول نخوریم؟
وقتی می‌خوای یه مقاله یا نتیجه رو قضاوت کنی، حواست به این چیزا باشه:

✅ ۱. اندازه اثر (Effect Size) رو نگاه کن

با عدد نشون بده تغییر چقدره، نه فقط اینکه هست یا نیست!

✅ ۲. فاصله اطمینان (Confidence Interval) مهمه

ببین بازه CI خیلی پهنه یا نه؟ اگه بازه خیلی وسیعه، نتیجه اونقد قابل اطمینان نیست.

✅ ۳. ءMCID رو بدون

ببین تغییر ایجادشده واقعاً از حداقل تغییر مهم بالینی بیشتر بوده یا نه؟

📌 جمع‌بندی خیلی خودمونی:
ءp-value زیر ۰.۰۵ فقط می‌گه احتمال تصادفی بودن نتیجه کمه
ولی نمی‌گه اون نتیجه واقعاً به درد بیمار می‌خوره یا نه

🧠 همیشه با هم p، اندازه اثر، فاصله اطمینان و MCID رو ببین
تا یه قضاوت درست و حرفه‌ای از نتیجه تحقیق داشته باشی!

✉️ ارتباط و پشتیبانی:
@ResearchPrimeSupport

✅ @ResearchPrime