IUMS SRC
8.22K subscribers
1.74K photos
51 videos
171 files
1.49K links
کانال رسمی کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی ایران

دبیر مرکزی:
@amirmohammad_bahri

روابط عمومی:
@parmidaqorbanian
@fatemeh_ts13

Email: src@iums.ac.ir
Website: http://src.iums.ac.ir
Download Telegram
IUMS SRC
📘 Research Education | Part 4 - Section A در پارت گذشته، ساختار پیشرفته‌ی مقالات گزارش موردی (Case Report) را به عنوان یکی از لایه‌های اولیه ورود به دنیای ریسرچ بررسی کردیم. حالا در ادامه فاز دوم و شناخت ساختار علم، به سراغ یکی از هوشمندانه‌ترین، سریع‌ترین…
📘 Research Education | Part 4 - Section B

برای اینکه نامه نقادانه یا علمی شما توسط ادیتور ژورنال‌های معتبر (به‌ویژه مجلات سطح Q1 و Q2) ریجکت نشود، باید استانداردها و قوانین ساختاری این قالب را به طور دقیق رعایت کنید. 🛠🧬

اجزای ساختاری و آناتومی یک Letter standard چگونه است؟

۱. بخش Title (عنوان چالش‌برانگیز): عنوان لتر معمولاً باید مستقیماً به موضوع نقد یا ایده اشاره کند. اگر لتر شما در نقد یک مقاله دیگر است، عنوان شما باید با فرمت مصوب ژورنال (مثلاً نقد بر مقاله فلان) تنظیم شود.

۲. بخش Salutation (شروع رسمی): متن نامه همیشه با یک عبارت استاندارد و محترمانه خطاب به سردبیر آغاز می‌شود؛ مانند: "To the Editor" یا "Dear Editor".

۳. بخش Opening (ارجاع و رفرنس‌دهی): در پاراگراف اول باید فوراً مشخص کنید درباره کدام مقاله صحبت می‌کنید. باید نام نویسندگان، عنوان مقاله اصلی و سال چاپ آن را دقیقاً ذکر کنید تا ادیتور و خوانندگان بدانند مبدأ بحث کجاست.

۴. بخش Body (بدنه علمی و شواهد): این بخش عیار علمی کار شماست. در این لایه، نقد متدولوژی یا دیتای جدید خود را با استناد به رفرنس‌های معتبر بین‌المللی دیگر (Literature) باز می‌کنید. لحن شما باید کاملاً آکادمیک، منصفانه و به دور از سوگیری‌های شخصی باشد. 📊📝

⚠️ محدودیت‌های تکنیکال و قوانین تغییرناپذیر مجلات:
🔹 حجم کلمات: اکثر ژورنال‌های معتبر سقف بسیار محدودی برای لترها دارند (معمولاً بین ۴۰۰ تا حداکثر ۸۰۰ کلمه). بنابراین باید از مقدمه‌چینی‌های طولانی خودداری کنید.
🔹 تعداد رفرنس‌ها: تعداد منابع انتهای لتر بسیار محدود است (معمولاً بین ۳ تا حداکثر ۵ رفرنس).
🔹 داده‌های تصویری: مجلات به ندرت اجازه میدهند لتر حاوی جدول یا نمودار باشد (معمولاً حداکثر ۱ جدول یا شکل کوچک، آن هم فقط برای لترهای پژوهشی).

🛠 اکشن‌پلان و قدم کاربردی این هفته برای تمام دانشجوویان:
چگونه تفکر نقادانه را برای نوشتن اولین لتر تمرین کنیم؟ 💻
💥 قدم اول: وارد یک ژورنال معتبر بین‌المللی در رشته خودتان شوید (مثلاً لَنسِت برای پزشکی، ژورنال‌های انجمن دندانپزشکی آمریکا، یا ژورنال‌های معتبر داروسازی و علوم آزمایشگاهی).
💥 قدم دوم: بخش "Correspondence" یا "Letters" آن ژورنال را پیدا کنید.
💥 قدم سوم: دو یا سه لتر چاپ شده را دانلود کنید و دقیقاً بخوانید که ریسرچرهای دیگر چگونه توانسته‌اند در کمتر از ۵۰۰ کلمه، متدولوژی یک مقاله بزرگ را نقد کنند و کار خود را به چاپ برسانند. این کار بهترین الگو برای یادگیری ساختار نگارش شماست.

نقد شواهد موجود، پله‌ی اول برای طراحی پروژه‌های اصیل و جدید است...

🔥 در پارت بعدی (Part 5) به سراغ مقالات سطح متوسط و پرکاربرد دانشجویی یعنی Original Articles (بخش مطالعات مقطعی یا Cross-Sectional) خواهیم رفت.

#Research_Education
تلگرام

لینکدین
3
🔔 كميته تحقيقات وفناورى دانشجويى دانشكده بهداشت دانشگاه علوم پزشکی ایران با همکاری کمیته تحقیقات دانشکده بهداشت دانشگاه علوم پزشکی شهرکرد برگزار مى كند:

«كارگاه تخصصی مدیریت منابع با EndNote»


مدرس: آقای دکتر مصطفی ملکی، استادیار دکترای تخصصی آموزش بهداشت و ارتقا سلامت

🌐 شيوه برگزاری:
آنلاين در بستر اسکای روم

📎لینک برگزاری کارگاه:
https://www.skyroom.online/ch/iums/rafh

هزينه: رايگان

🔹️همراه با دريافت گواهی از سامانه جامع كارگاه ها

📎لينك ثبت نام در كارگاه:
workshops.iums.ac.ir/1226/

زمان:
چهارشنبه ۲۷ خرداد ۱۴۰۵
ساعت ۱۷

📩 در صورت داشتن هرگونه سوال، با آیدی @zhrat2 در پیام رسان بله در ارتباط باشید.
2
Forwarded from Shmis_src (Aylin_)
🔊🔊کمیته اخلاق دفتر توسعه آموزش پزشکی با همکاری کمیته تحقیقات و فناوری دانشجویی دانشکده مدیریت و اطلاع رسانی پزشکی برگزار می کند:

کارگاه اصالت پژوهش، تخلفات پژوهشی و اخلاق در نشر علمی

مدرس: دکتر هما ارشدی، استادیار گروه کتابداری و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران

📅 زمان برگزاری: چهارشنبه ۲۷ خرداد ماه ۱۴۰۵
ساعت: ۱۶ تا ۱۸

🔗 لینک ثبت‌نام:
https://tabib.iums.ac.ir/Accreditation/EmpowermentCourseMembers/EmpowermentCourseDetails?empowermentCourseId=bc8212b2-1184-463b-8353-ba6bbab55a5d

لینک کارگاه:

https://www.skyroom.online/ch/iums/edo-free


🆔 https://xn--r1a.website/shmis_src
🆔 https://ble.ir/shmissrc
1
Forwarded from Shmis_src (Aylin_)
📚کارگاه جادوی نظم Endnote، کتابخانه ات را حرفه ای بساز! 📝
رفرنس دهی با اندنوت

کمیته تحقیقات و فناوری دانشجویی دانشکده مدیریت و اطلاع‌رسانی پزشکی دانشگاه علوم پزشکی ایران برگزار می‌کند:


👩🏻‍🏫 مدرس: سرکار خانم فاطمه بقالها
دانشجوی دکتری تخصصی کتابداری و اطلاع رسانی پزشکی دانشگاه علوم پزشکی ایران


📅 زمان برگزاری: پنجشنبه ۲۸ و شنبه ۳۰ خرداد ماه ۱۴۰۵
ساعت: ۱۷ تا ۱۹
🌐 برگزاری به‌صورت مجازی در بستر اسکای روم

💡 همراه با اعطای گواهی معتبر از دانشگاه علوم پزشکی ایران

🔗 لینک ثبت‌نام:
workshops.iums.ac.ir/1215/

🔗 لینک ورود به کارگاه:
http://skyroom.online/ch/iums/rtd

🆔 https://xn--r1a.website/shmis_src
🆔 https://ble.ir/shmissrc
🌐 https://B2n.ir/wf5370
2
IUMS SRC
📘 Research Education | Part 4 Read below 👇🏻
📘 Research Education | Part 5
Read below 👇🏻
2
IUMS SRC
📘 Research Education | Part 5 Read below 👇🏻
📘 Research Education | Part 5 - Section A

در پارت‌های گذشته مسیر، ابتدا به سراغ نامه به سردبیر (Letter to the Editor) رفتیم که در واقع یک نوع نقد علمی روی مقالات دیگران بود و به عنوان یکی از راحت‌ترین و سریع‌ترین خروجی‌های رزومه‌ای معرفی شد. سپس گام بعدی را برداشتیم و وارد دنیای مقالات اصیل (Original) شدیم و گزارش موردی (Case Report) را بررسی کردیم؛ مقاله‌ای مقدماتی که تمرکزش روی گزارش دیتای بالینی یک بیمار خاص و نادر بود.

حالا زمان آن رسیده که به سراغ اصلی‌ترین، بزرگ‌ترین و سنگین‌ترین بخش این خانواده، یعنی خودِ مقاله اصیل پژوهشی یا همان Original Article برويم. تفاوت بنیادین این مدل با کیس‌ریپورت در این است که شما دیگر فقط داده‌های یک نفر را گزارش نمی‌کنید، بلکه یک فرضیه علمی دارید و برای اولین بار در دنیا، داده‌های خام و اولیه (Primary Data) را روی یک جمعیت یا نمونه‌ی بزرگ تولید، تحلیل و گزارش می‌کنید. این مقالات اصیل پژوهشی، بر اساس اینکه شما به عنوان محقق در فرآیند طبیعی درمان یا سبک زندگی افراد دستکاری و مداخله می‌کنید یا نه، به دو دسته بزرگ مشاهداتی (Observational) و مداخله‌ای/تجربی (Experimental) تقسیم می‌شوند. در این پست جامع و چهاربخشی، تمام طراحی‌های مطالعه (Study Designs) این قلمرو را پله‌به‌پله باز می‌کنیم و کار را با اولین مدل مشاهداتی آغاز می‌کنیم:

مطالعه مقطعی یا Cross-Sectional Study
📊🧬

مطالعه مقطعی دقیقاً چیست؟ (مفهوم عکس‌برداری در لحظه)

بهترین راه برای درک این مطالعه این است که آن را مانند یک «عکس دسته‌جمعی یا اسنپ‌شات (Snapshot)» تصور کنید. در این طرح، پژوهشگر یک جمعیت مشخص را در یک نقطه زمانی واحد (مثلاً همین امروز یا همین ماه) بررسی می‌کند تا ببیند یک پدیده چقدر شیوع دارد یا چه فاکتورهایی با هم در ارتباط هستند. شما هیچ کاری به گذشته یا آینده افراد ندارید؛ فقط وضعیت «حال حاضر» آن‌ها را ثبت می‌کنید. 📸

💥 مثال‌های ملموس و تفکیک‌شده برای درک بهتر:

۱. مثال بالینی/پزشکی: بررسی اینکه در حال حاضر، چند درصد از بیماران دیابتی مراجع به یک بیمارستان، دچار عارضه چشمی (Retinopathy) هستند.
۲. مثال داروسازی/بهداشت: توزیع یک پرسشنامه آنلاین بین دانشجویان دانشگاه برای سنجش میزان مصرف مکمل‌های ورزشی و ارتباط آن با الگوی خواب آن‌ها.
۳. مثال دندانپزشکی/علوم آزمایشگاهی: بررسی پرونده دیجیتال مراجعین یک سال گذشته آزمایشگاه برای دیدن اینکه آیا سطح ویتامین D با میزان التهاب لثه (Gingivitis) در ارتباط است یا خیر. 🩺🔬

🎯 چرا این مطالعه فرشته نجات دانشجوهاست؟ نیازی به تعقیب بیماران در طول زمان ندارد، هزینه آن بسیار پایین است و کل فرآیند جمع‌آوری داده‌ها می‌تواند در عرض چند هفته با پرسشنامه یا چک‌لیست پرونده‌ها تمام شود؛ بنابراین گزینه‌ای ایده‌آل برای اولین کار پژوهشی یا پایان‌نامه است.

⚠️ بزرگ‌ترین محدودیت: در مطالعه مقطعی شما نمی‌توانید رابطه علت و معلولی را ثابت کنید. شما فقط می‌گویید این دو متغیر با هم ارتباط دارند؛ اما نمی‌دانید کدام‌یک علت دیگری است (چالش تقدم و تاخر زمانی).

📢 در پیام بعدی (Section B)، به سراغ دو طراحی مطالعه مشاهداتی دیگر می‌رویم که مثل ماشین زمان عمل می‌کنند: مطالعات مورد-شاهدی و کوهورت.

#Research_Education
تلگرام

لینکدین
6
IUMS SRC
📘 Research Education | Part 5 - Section A در پارت‌های گذشته مسیر، ابتدا به سراغ نامه به سردبیر (Letter to the Editor) رفتیم که در واقع یک نوع نقد علمی روی مقالات دیگران بود و به عنوان یکی از راحت‌ترین و سریع‌ترین خروجی‌های رزومه‌ای معرفی شد. سپس گام بعدی…
📘 Research Education | Part 5 - Section B

وقتی می‌خواهیم در مقالات اصیل (Original) دقیق‌تر بررسی کنیم که آیا یک فاکتور خطر خاص واقعاً باعث بروز یک بیماری می‌شود یا خیر، باید از زمان کمک بگیریم. در این بخش، دو طراحی مطالعه مشاهداتیِ زمان‌محور را بررسی می‌کنیم. 🔍

۱. مطالعه مورد-شاهدی (Case-Control Study) - حرکت به سمت گذشته:

در این طراحی، مسیر حرکت شما در زمان، گذشته‌نگر (Retrospective) است؛ یعنی بیماری اتفاق افتاده و شما نقش یک کارآگاه را دارید. شما ابتدا افرادی که دچار یک بیماری یا وضعیت خاص هستند را به عنوان گروه «مورد (Case)» و افراد سالمی که از هر نظر (سن، جنسیت، محیط) با آن‌ها مشابه هستند را به عنوان گروه «شاهد (Control)» انتخاب می‌کنید. سپس به گذشته و تاریخچه زندگی آن‌ها نگاه می‌کنید تا ببینید چه فاکتور خطری در گروه بیمار بیشتر از گروه سالم بوده است.
🔹 مثال ملموس: انتخاب ۱۰۰ بیمار مبتلا به سرطان مثانه (Cases) و ۱۰۰ فرد سالم (Controls) و بررسی میزان مواجهه آن‌ها با مواد شیمیایی یا مصرف سیگار در ۲۰ سال گذشته.
🔹 مزیت بزرگ: برای بررسی بیماری‌های بسیار نادر یا بیماری‌هایی که سال‌ها طول می‌کشد تا بروز کنند، بهترین، سریع‌ترین و ارزان‌ترین گزینه است.
محدودیت اصلی: شدیداً در معرض سوگیری یادآوری (Recall Bias) قرار دارد؛ چون افراد بیمار معمولاً گذشته خود را دقیق‌تر یا متفاوت‌تر از افراد سالم به یاد می‌آورند.

۲. مطالعه کوهورت یا هم‌گوهی (Cohort Study) - حرکت به سمت آینده:

این طرح دقیقاً برعکس مورد-شاهدی و معمولاً آینده‌نگر (Prospective) است. شما ابتدا دو گروه از افراد سالم را انتخاب می‌کنید: گروه اول افرادی که در معرض یک فاکتور خطر هستند (Exposed) و گروه دوم افرادی که آن مواجهه را ندارند (Unexposed). در حال حاضر هیچ‌کدام بیمار نیستند. حالا این دو گروه را برای ماه‌ها یا سال‌ها در آینده تعقیب (Follow-up) می‌کنید تا ببینید در نهایت کدام گروه بیشتر بیمار می‌شود.
🔹 مثال ملموس: تعقیب ۵ ساله دو گروه از دانشجوویان (گروه اول کسانی که روزانه بیش از ۴ ساعت از هندزفری استفاده می‌کنند و گروه دوم کسانی که استفاده نمی‌کنند) برای بررسی و مقایسه میزان افت شنوایی آن‌ها در آینده.
🔹 مزیت بزرگ: قوی‌ترین طراحی مشاهداتی برای اثبات این است که فاکتور خطر حتماً «قبل» از بیماری وجود داشته است (اثبات تقدم زمانی).
محدودیت اصلی: بسیار هزینه‌بر و طولانی‌مدت است و خطر ریزش نمونه‌ها (مثلاً مهاجرت یا انصراف داوطلبان از مطالعه) در طول سال‌ها بالاست.

📢 در پیام بعدی (Section C)، از قلمروی مطالعات مشاهداتی خارج می‌شویم و وارد استاندارد طلایی شواهد انسانی و آزمایشگاهی یعنی RCT و مطالعات علوم پایه می‌شویم.

#Research_Education
تلگرام

لینکدین
3
IUMS SRC
📘 Research Education | Part 5 - Section B وقتی می‌خواهیم در مقالات اصیل (Original) دقیق‌تر بررسی کنیم که آیا یک فاکتور خطر خاص واقعاً باعث بروز یک بیماری می‌شود یا خیر، باید از زمان کمک بگیریم. در این بخش، دو طراحی مطالعه مشاهداتیِ زمان‌محور را بررسی می‌کنیم.…
📘 Research Education | Part 5 - Section C

تا اینجا پژوهشگر فقط یک ناظر بی‌طرف بود که پدیده‌ها را ثبت می‌کرد. اما در این پارت وارد قلمروی مطالعات مداخله‌ای و تجربی (Experimental Studies) می‌شویم؛ جایی که شما فعالانه یک دارو، تکنیک یا روش جدید را وارد کار می‌کنید تا اثرگذاری آن را بسنجید. 🛠💊

۳. کارآزمایی بالینی تصادفی‌سازی شده (Randomized Controlled Trial - RCT):

این متد، استاندارد طلایی (Gold Standard) برای اثبات رابطه علت و معلولی در مطالعات انسانی است. اگر می‌خواهید ثابت کنید یک داروی جدید یا یک روش جراحی واقعاً اثربخش است، باید از RCT استفاده کنید. در این طرح، بیماران به صورت کاملاً تصادفی (Randomization) به دو گروه تقسیم می‌شوند: گروه اول مداخله جدید را دریافت می‌کند و گروه دوم درمان استاندارد قبلی یا دارونما (Placebo) را می‌گیرد.

🔹 تکنیک کورسازی (Blinding) چیست؟ برای اینکه نتایج تحت تاثیر تلقین یا پیش‌داوری قرار نگیرد، فرآیند کورسازی انجام می‌شود. در مطالعه دوکورکورانه (Double-blind)، نه بیمار می‌داند چه چیزی مصرف می‌کند و نه پزشک معالجی که علائم را ثبت می‌کند؛ این کار سوگیری را به حداقل ممکن می‌رساند.

🔹 مثال ملموس:
بررسی اثر یک خمیردندان نانو-هیدروکسی آپاتیت جدید بر حساسیت دندانی؛ که در آن بیماران به صورت تصادفی خمیردندان جدید یا خمیردندان معمولی را بدون اینکه خودشان یا پزشک بدانند، دریافت می‌کنند. 🦷

۴. مطالعات آزمایشگاهی و علوم پایه (In Vitro / In Vivo Studies):

این متدولوژی، خشت اول و بازوی اصلی تحقیقات در رشته‌های داروسازی، علوم آزمایشگاهی، ژنتیک و بیوشیمی است. این تحقیقات یا در محیط لوله‌های آزمایش و کشت‌های سلولی انجام می‌شوند (In Vitro) یا روی مدل‌های حیوانی مانند موش، رت یا خرگوش صورت می‌گیرند (In Vivo). 🧫🧪

🔹 مثال ملموس: بررسی اثر سیتوتوکسیک (سلول‌کشی) یک عصاره گیاهی جدید بر روی رده سلولی سرطان پستان در آزمایشگاه، یا بررسی اثر آن بر حجم تومور در موش‌های آزمایشگاهی.

🔹 مزیت بزرگ: پژوهشگر کنترل ۱۰۰ درصدی بر تمام متغیرهای محیطی (دما، نور، دوز دقیق ماده و ژنتیک همسان نمونه‌ها) دارد؛ مزیتی که در مطالعات انسانی به دلیل تفاوت‌های فردی هرگز ممکن نیست.

📢 در پیام پایانی (Section D)، هرم شواهد علمی، مفاهیم فوق‌حیاتی سوگیری و مخدوش‌کننده، و اکشن‌پلان کاربردی این هفته را جمع‌بندی می‌کنیم.


#Research_Education
تلگرام

لینکدین
2
IUMS SRC
📘 Research Education | Part 5 - Section C تا اینجا پژوهشگر فقط یک ناظر بی‌طرف بود که پدیده‌ها را ثبت می‌کرد. اما در این پارت وارد قلمروی مطالعات مداخله‌ای و تجربی (Experimental Studies) می‌شویم؛ جایی که شما فعالانه یک دارو، تکنیک یا روش جدید را وارد کار می‌کنید…
📘 Research Education | Part 5 - Section D

در بخش پایانی از این پست جامع، یاد می‌گیریم که چگونه ارزش علمی مقالات اصیل را رتبه‌بندی کنیم و جلوی خطاهای پنهان در متدولوژی را بگیریم. 🏛🔺

📊 هرم شواهد علمی (Hierarchy of Evidence) چیست؟

تمام طراحی‌های مطالعه‌ای که در این سه پارت معرفی کردیم، از نظر قدرت علمی ارزش یکسانی ندارند. در دنیای علوم سلامت، مقالات اصیل در یک هرم بر اساس میزان قابل اعتماد بودن نتایجشان رتبه‌بندی می‌شوند:
۱. قاعده هرم: مطالعات آزمایشگاهی (In Vitro) و گزارش‌های موردی (Case Reports) در پایین‌ترین سطح قرار دارند، چون نتایج آن‌ها را نمی‌توان فوراً به کل جامعه تعمیم داد.
۲. بدنه هرم: مطالعات مشاهداتی (مقطعی، مورد-شاهدی و کوهورت) در رده‌های میانی هستند.
۳. راس هرم: کارآزمایی‌های بالینی (RCT) در بالاترین جایگاه مطالعات اصیل انسانی قرار می‌گیرند.

⚠️ دو مفهوم فوق‌حیاتی: سوگیری (Bias) و مخدوش‌کننده (Confounding)

تفاوت اصلی رده‌های این هرم در این است که چقدر می‌توانند جلوی دو خطای بزرگ زیر را بگیرند:

🔹 سوگیری (Bias): یک خطای سیستماتیک در طراحی، جمع‌آوری داده‌ها یا تحلیل مقاله است که نتایج را به انحراف میکشاند؛ مثل سوگیری یادآوری در مطالعات گذشته‌نگر، یا سوگیری انتخاب نمونه‌ها.
🔹 متغیر مخدوش‌کننده (Confounding Variable): یک متغیر مزاحم و پنهان است که به طور هم‌زمان با فاکتور خطر و پیامد در ارتباط است و ارتباط واقعی میان آن‌ها را مخدوش می‌کند.
💥 یک مثال کلاسیک و بسیار ملموس: فرض کنید یک مطالعه مقطعی نشان می‌دهد افرادی که قهوه زیاد می‌نوشند، بیشتر دچار بیماری‌های قلبی می‌شوند. آیا قهوه علت بیماری قلبی است؟ خیر! در اینجا «سیگار کشیدن» یک مخدوش‌کننده بزرگ است؛ چون اولاً بیشتر افرادی که قهوه می‌خورند سیگار هم می‌کشند، و ثانیاً خود سیگار علت اصلی بیماری قلبی است. مطالعات قوی‌تر مثل RCT یا کوهورت، این مخدوش‌کننده‌ها را کنترل می‌کنند.

🛠 اکشن‌پلان و قدم کاربردی این هفته:
برای اینکه این مفاهیم کاملاً در ذهنتان تثبیت شوند، این تمرین ساده را انجام دهید: 💻
💥 وارد سایت PubMed شوید. نام یک بیماری یا دارو را سرچ کنید. از فیلترهای سمت چپ، یک‌بار گزینه Cohort Study و یک‌بار گزینه Randomized Controlled Trial را فعال کنید. به بخش Methods یا روش کار هر دو مقاله نگاهی بیندازید تا تفاوت چیدمان این دو سطح از علم را به وضوح لمس کنید.

شناخت طراحی‌های مطالعه مقالات اصیل، بزرگ‌ترین برگ برنده شما برای نگارش یک پروپوزال بی‌نقص است...

🔥 در فاز بعدی مسیر، به سراغ بخش نهایی از فاز دوم یعنی مقالات فوق‌پیشرفته و قانون‌مند مرور سیستماتیک (Systematic Review) و متاآنالیز (Meta-analysis) خواهیم رفت.

#Research_Education
تلگرام

لینکدین
2
📣 کمیته تحقیقات و فناوری دانشجویی دانشکده توانبخشی علوم پزشکی ایران و مرکز رشد فناوری سلامت دانشگاه علوم پزشکی سمنان برگزار می کنند:

⭕️ دوره جامع "صفر تا صد استخراج مقاله ISI از پایان نامه با کمک هوش مصنوعی"

🚀 به منظور:
1⃣ آموزش عملی تبدیل پایان نامه های دانشجویی و بین المللی به مقالات معتبر ژورنالی و افزایش امتیاز علمی

2⃣ تسریع و تسهیل مسیر انتشار با بهره‌گیری هدفمند از ابزارهای AI

‼️ ویژه تمامی پژوهشگران از جمله:
📚 دانشجویان علاقه‌مند به انتشار اولین مقاله اورجینال و ارتقاء رزومه
👨🏻‍🎓 فارغ‌التحصیلانی که قصد دارند داده‌های پژوهشی پایان نامه خود را به خروجی ژورنالی تبدیل کنند.


🗓 برگزاری در ۴ و ۵ تیرماه به صورت مجازی در اسکای روم

🎓 ثبت نام دانشجویان با تخفیف ویژه صورت می گیرد (ارائه کارت دانشجویی)

‼️ اطلاعات بیشتر و ثبت نام👇🏻
🆔
@Enroll_Admin

📍کانال تلگرام👇
↪️
@IUMS_SRC
↪️
@IUMS_SRCR
4
IUMS SRC
📘 Research Education | Part 5 Read below 👇🏻
📘 Research Education | Part 6
Read below 👇🏻
2
IUMS SRC
📘 Research Education | Part 6 Read below 👇🏻
📘 Research Education | Part 6 - Section A

در پارت‌های گذشته مسیر، ابتدا به سراغ نامه به سردبیر (Letter to the Editor) رفتیم که یک نوع نقد علمی سریع روی کار بقیه بود. سپس وارد قلمروی مقالات اصیل (Original) شدیم؛ ابتدا گزارش موردی (Case Report) را بررسی کردیم که گزارش دیتای یک بیمار نادر بود و بعد به سراغ اصلی‌ترین بخش یعنی مقاله اصیل پژوهشی (Original Article) رفتیم و در یک پکیج جامع، تمام انواع طراحی‌های مطالعه آن (مقطعی، مورد-شاهدی، کوهورت، RCT و آزمایشگاهی) را یاد گرفتیم که در همه‌ی آن‌ها خودمان داده‌ی خام تولید می‌کردیم.

حالا زمان آن رسیده که از قلمروی مقالات اصیل خارج شویم و به سراغ دسته دوم مقالات علمی یعنی مقالات مروری (Review Articles) برویم. در این مقالات شما دیگر بیمار نمی‌بینید و آزمایش نمی‌کنید، بلکه داده‌های مقالات چاپ‌شده‌ی بقیه در دنیا را جمع‌آوری و تحلیل می‌کنید. در این پارت، به سراغ اولین، در دسترس‌ترین و محبوب‌ترین مدل آن برای دانشجوویان می‌رویم
مرور نقلی یا همان Narrative (Traditional) Review 📚

مقاله Narrative Review دقیقاً چیست؟ (نگاه کلان به اقیانوس مقالات)

وقتی درباره یک موضوع علمی (مثلاً یک داروی جدید یا یک روش جراحی نوین) صدها مقاله اصیل در دنیا چاپ می‌شود، جامعه‌ی پزشکی دچار سردرگمی می‌شود. وظیفه شما در یک Narrative Review این است که نقش یک «مفسر و ناظر ارشد» را بازی کنید. شما یک سؤالِ پژوهشیِ کلان و خلاقانه انتخاب می‌کنید، تمام ادبیات تحقیق (Literature) چند سال اخیر را شخم می‌زنید و به جای اینکه فقط آن‌ها را کپی-پیست کنید، آن‌ها را در ذهن خود ذوب کرده و یک «ساختار روایی منظم و به‌روز» از دل آن‌ها بیرون می‌کشید.

💥 آناتومی و لایه‌های نگارش بدنه مقاله (چگونه متن را مهندسی کنیم؟)

برخلاف مقالات اصیل که ساختار صلب IMRAD (مقدمه، متد، نتایج، بحث) دارند، در Narrative Review شما بخش Methods یا محاسبات آماری ندارید. اسکلت مقاله شما را ساب‌تیترهای علمی که خودتان هوشمندانه طراحی می‌کنید، می‌سازند:

🔸 ۱. مقدمه (Introduction): اینجا باید ادیتور را متقاعد کنید که چرا موضوع شما ترند است، چه چالش بالینی پنهانی وجود دارد و چرا در این لحظه، دنیا به این مقاله مروری نیاز دارد.
🔸 ۲. سناریوی بدنه (Main Body): این بخش قلب مقاله است. شما باید موضوع را به صورت زنجیره‌وار به چند ساب‌تیتر تقسیم کنید. مثلاً اگر موضوع شما "کاربرد هوش مصنوعی در تشخیص تومورهای مغزی" است، بدنه را این‌طور می‌چینید:
🔻سیر تحول الگوریتم‌ها از گذشته تا امروز
🔻دقت تشخیصی هوش مصنوعی در مقایسه با رادیولوژیست‌ها (بر اساس مقالات اصیل قبلی)
🔻چالش‌های اخلاقی و محدودیت‌های فنی در محیط بالین
🔸 ۳. نتیجه‌گیری و افق آینده (Conclusion & Future Perspectives): این بخش نباید تکرار مقدمه باشد. شما باید جمع‌بندی کنید که علم تا این لحظه به کجا رسیده و قطار تحقیقات در سال‌های آینده باید به کدام سمت حرکت کند.

📢 در پیام بعدی (که زیر همین پست ریپلای شده است)، تکنیک‌های طلایی برای جلوگیری از ریجکت شدن و اکشن‌پلان کاربردی این هفته را بررسی می‌کنیم

#Research_Education
تلگرام

لینکدین
2
IUMS SRC
📘 Research Education | Part 6 - Section A در پارت‌های گذشته مسیر، ابتدا به سراغ نامه به سردبیر (Letter to the Editor) رفتیم که یک نوع نقد علمی سریع روی کار بقیه بود. سپس وارد قلمروی مقالات اصیل (Original) شدیم؛ ابتدا گزارش موردی (Case Report) را بررسی کردیم…
📘 Research Education | Part 6 - Section B

بسیاری از دانشجوویان فکر می‌کنند نگارش Narrative Review ساده است چون نیازی به بیمارستان، آزمایشگاه یا کد اخلاق ندارد؛ اما اتفاقاً مجلات معتبر دنیا به شدت روی پذیرش آن سخت‌گیر هستند، چون مرز میان یک «مقاله مروری علمی» با یک «انشای دانشجویی یا متن کپی‌شده از ChatGPT» بسیار باریک است. 🛠🧬

⚠️ ۱. غول پیش‌رو: سوگیری در انتخاب منابع (Selection Bias)

در مقالات مروری نقلی، شما متدولوژی سرچ رسمی گزارش نمی‌کنید؛ به همین دلیل ادیتورها نگران هستند که شما سلیقه‌ای عمل کرده باشید! یعنی فقط مقالاتی را آورده باشید که فرضیه شما را تایید می‌کنند و مطالعاتی که نتایج متناقض داشته‌اند را سانسور کرده باشید. برای اینکه کارتان ریجکت نشود، باید کاملاً بی‌طرف باشید؛ اگر دکتری در آمریکا موافق این درمان است و دانشمندی در ژاپن مخالف آن، باید دیدگاه هر دو را با ذکر منابع معتبر بنویسید و آن‌ها را به چالش بکشید.

۲. مفهوم حیاتی ارزش افزوده (Value Added) چیست؟

یک ژورنال معتبر هرگز مقاله‌ای را که فقط می‌گوید "فلانی این را گفت و بهمانی آن را گفت" چاپ نمی‌کند! ادیتور از شما «تحلیل شخصی (Critical Analysis)» می‌خواهد. ارزش افزوده یعنی شما بعد از مرور مطالعات بقیه، بتوانید:
🔹 تناقض‌های میان مقالات قبلی را هایلایت کنید و دلیل این تناقض‌ها را حدس بزنید.
🔹 گپ‌های اطلاعاتی (Knowledge Gaps) یعنی جاهایی که هنوز دانشمندان روی آن کار نکرده‌اند را کشف و معرفی کنید.
🔹 با ترکیب کردن نتایج چندین مقاله، یک جدول مقایسه‌ای یا یک فلوچارت خلاصه اختصاصی طراحی کنید که تا به حال در هیچ کتابی چاپ نشده است.

🛠 اکشن‌پلان و قدم کاربردی این هفته برای تمام دانشجوویان:
برای اینکه لحن و معماری یک Narrative Review قوی را به چشم ببینید: 💻
💥 قدم اول: وارد دیتابیس PubMed شوید.
💥 قدم دوم: یک موضوع جذاب سرچ کنید و از فیلترهای سمت چپ، گزینه Review را فعال کنید (دقت کنید که گزینه Systematic Review را فعال نکنید).
💥 قدم سوم: یکی از مقالات جدید و رایگان را دانلود کنید؛ مستقیم به بخش‌های بدنه بروید و ببینید نویسنده چطور داده‌های بیش از ۵۰ مقاله مختلف را در قالب چند تیتر منظم با هم ترکیب کرده و در انتهای هر بخش، نقد خودش را اضافه کرده است.

تسلط بر مرور متون و تفکر انتقادی، پیش‌نیاز اصلی برای ورود به دنیای شواهد سیستماتیک است...

🔥 در پارت بعدی (Part 7)، به سراغ بالاترین لایه از اعتبار علمی در هرم شواهد خواهیم رفت:
بررسی مقالات فوق‌پیشرفته و قانون‌مند مرور سیستماتیک (Systematic Review) و متاآنالیز (Meta-analysis). 🏆📊

#Research_Education
تلگرام

لینکدین
5
دوره آموزشي جامع صفر تا صد مقاله نویسی ISI

🔖صدور گواهي حضور معتبر به زبان انگليسي

📚سر‌فصل دوره مقاله نویسی ISI
1️⃣آموزش گام به گام مقاله نویسی
2️⃣آموزش روش تحقیق و موتورهای جست‌وجوگر پژوهشی
3️⃣تدریس تخصصی مباحث ویرایشی، نگارشی و ساختاری مقاله
4️⃣شاخص‌های کیفی مجلات
5️⃣اصطلاحات رایج در چاپ مقاله
6️⃣فرایند ارسال مقاله تا پذیرش نهایی
7️⃣نحوه پاسخ‌گویی به سوالات و پیشنهادهای داوران

👨‍🏫مدرس دوره
👤دکتر علی زین العابدین بیگی
✔️داور مجلات معتبر ISI
✔️مدرس دانشگاه و نگارنده بیش از 30 مقاله داخلی و خارجی
✔️کارشناس نشریه علمی-پژوهشی مهندسی ساخت و تولید ایران

🎯 مخاطبین دوره
دانشجویان و فارغ التحصیلان مقاطع کارشناسی و تحصیلات تکمیلی و دکترا تمامی رشته ها

📆تاريخ: 15, 16 مرداد ماه

زمان: 18 الي 21

🎥به همراه ضبط جلسات دوره

🚫ظرفیت محدود🚫

🔗 لینک ثبت نام👇

🆔@Workshops_Admin
@graduates_qut
3
IUMS SRC
📘 Research Education | Part 6 Read below 👇🏻
📘 Research Education | Part 7
Read below 👇🏻
2
IUMS SRC
📘 Research Education | Part 7 Read below 👇🏻
📘 Research Education | Part 7 - Section A

در پارت‌های گذشته مسیر، ابتدا به سراغ Letter to the Editor رفتیم که یک نوع نقد علمی سریع روی کار بقیه بود. سپس وارد دنیای مقالات اصیل شدیم؛ ابتدا Case Report را بررسی کردیم که گزارش دیتای یک بیمار نادر بود و بعد به سراغ خودِ Original Article رفتیم و انواع طراحی‌های مطالعه آن (مقطعی، مورد-شاهدی، کوهورت، RCT و آزمایشگاهی) را به طور کامل یاد گرفتیم. در پارت قبل هم وارد دنیای مقالات مروری شدیم و Narrative Review را کالبدشکافی کردیم.

حالا زمان آن رسیده که به سراغ بالاترین، مقتدرترین و معتبرترین لایه از شواهد علمی در جهانِ پزشکی مبتنی بر شواهد برويم: Systematic Review & Meta-analysis 🏆

فرآیند نگارش یک مرور سیستماتیک، دقیقاً مثل یک دستور پخت گام‌به‌گام و مهندسی‌شده است. در این پارت، فاز اول یعنی «طراحی و اجرای جست‌وجو» را در دو قدم کلیدی باز می‌کنیم:

📌 قدم اول: فرموله کردن دقیق سؤال پژوهش با ساختار PICO
در مرور سیستماتیک شما حق ندارید یک سؤال کلی بپرسید. سؤال شما باید با خط‌کش PICO اندازه گیری شود تا تمام ابعاد آن مشخص باشد:

🔹 P یا Population (جمعیت هدف):
دقیقاً چه کسانی بررسی می‌شوند؟ (مثال: بیماران بزرگسال مبتلا به دیابت نوع ۲ که دچار چاقی مفرط هستند)
🔹 I یا Intervention (مداخله):
چه دارو، تکنیک یا روش جدیدی روی آن‌ها تست می‌شود؟ (مثال: داروی جدید X یا روش جراحی جدید)
🔹 C یا Comparison (گروه مقایسه):
این مداخله با چه چیزی مقایسه می‌شود؟ (مثال: با درمان استاندارد قدیمی یا یک دارونما)
🔹 O یا Outcome (پیامد نهایی):
چه فاکتوری در نهایت اندازه‌گیری می‌شود؟ (مثال: میزان کاهش درصد HbA1c در خون)

📌 قدم دوم: طراحی استراتژی جست‌وجو (Search Strategy)
وقتی سؤال مشخص شد، شما باید یک شبکه جست‌وجوی بزرگ پهن کنید تا تمام مقالات مرتبط دنیا را صید کنید. این قدم خود شامل سه جزئیات فوق‌حیاتی است:
۱. انتخاب دیتابیس‌ها: شما باید حداقل ۴ دیتابیس اصلی علوم سلامت شامل PubMed، Scopus، Web of Science و Embase را به همراه Cochrane Library شخم بزنید.🧠
۲. استفاده از واژگان استاندارد MeSH: برای اینکه سیستم دیتابیس‌ها منظور شما را دقیق بفهمد، باید از واژگان کلیدی استاندارد بین‌المللی یا همان MeSH Terms استفاده کنید.
۳. ترکیب با عملگرهای منطقی (Boolean Operators): کلمات کلیدی را با دستورهای AND و OR و NOT به هم متصل می‌کنید تا یک فرمول سرچ ریاضی‌وار خلق شود.🧩
🔹 مثال ساختاریافته:
("Type 2 Diabetes"[Mesh] OR "Diabetes Mellitus") AND ("Drug X") AND ("HbA1c" OR "Glycated Hemoglobin")

🎯 چرا این فاز تا این حد اهمیت دارد؟
متدولوژی سرچ شما باید به قدری دقیق و تکرارپذیر (Reproducible) گزارش شود که اگر یک محقق در کشور دیگر همین فرمول را در همین دیتابیس‌ها سرچ کند، دقیقاً به همان تعداد مقاله و نتایجی برسد که شما رسیده‌اید.

📢 در پیام بعدی (Section B)، وارد فاز دوم یعنی غربالگری دوکورکورانه مقالات، استخراج اطلاعات و مچ‌گیری از خطاهای متدولوژی مطالعات می‌شویم.


#Research_Education
تلگرام

لینکدین
2
IUMS SRC
📘 Research Education | Part 7 - Section A در پارت‌های گذشته مسیر، ابتدا به سراغ Letter to the Editor رفتیم که یک نوع نقد علمی سریع روی کار بقیه بود. سپس وارد دنیای مقالات اصیل شدیم؛ ابتدا Case Report را بررسی کردیم که گزارش دیتای یک بیمار نادر بود و بعد به…
📘 Research Education | Part 7 - Section B

وقتی فرمول سرچ پارت قبل را در دیتابیس‌ها اجرا می‌کنید، ممکن است با چندهزار مقاله اولیه روبرو شوید. حالا زمان اجرای فاز عملیاتی است که به طور بین‌المللی بر اساس یک پروتکل و گایدلاین استاندارد به نام PRISMA مدیریت می‌شود. این فاز را در ۳ قدم کاملاً شفاف جلو می‌بریم:

📌 قدم سوم: غربالگری شیشه‌ای مقالات (Blinded Screening)
برای اینکه سلیقه شخصی، پیش‌داوری یا خطای انسانی نتایج کار را خراب نکند، این مرحله طبق یک قانون سفت‌وجخت به صورت «حداقل دو داور مستقل» انجام می‌شود:
🔸 مرحله اول (Title/Abstract Screening): دو پژوهشگر به صورت کاملاً جداگانه و بدون اینکه از رای هم باخبر باشند، فقط عنوان و چکیده مقالات را می‌خوانند و مواردی که با سؤال PICO همخوانی ندارد را حذف می‌کنند.
🔸 مرحله دوم (Full-Text Screening): برای مقالات باقی‌مانده، متن کامل مقاله دانلود و خط به خط خوانده می‌شود تا مطمئن شوند مطالعه شرایط ورود را دارد.
⚠️ حل اختلاف با Senior Author: اگر بین دو داور بر سر حذف یا ورود یک مقاله توافق حاصل نشود، یک پژوهشگر ارشد به عنوان داور سوم وارد عمل می‌شود و رای نهایی را صادر می‌کند.

📌 قدم چهارم: استخراج سیستماتیک داده‌ها (Data Extraction)
در این مرحله، مقالاتی که از فیلترهای بالا به سلامتی عبور کرده‌اند (مثلاً ۱۵ مقاله نهایی) وارد فاز استخراج می‌شوند. شما یک چک‌لیست یا فرم اختصاصی طراحی می‌کنید و دیتای خام عددی و متنی هر مقاله را استخراج می‌کنید: نام نویسنده، سال انتشار، حجم نمونه، ویژگی‌های دموگرافیک بیماران، دوز دقیق مداخله و در نهایت اعداد مربوط به پیامدها.

📌 قدم پنجم: ارزیابی کیفیت مطالعات (Risk of Bias Assessment)
هر مقاله‌ای که چاپ شده لزوماً بدون عیب و نقص نیست! این بخش عیار و سواد ریسرچ شما را نشان می‌دهد. شما باید کیفیت متدولوژی تک‌تک آن ۱۵ مقاله را با ابزارهای استاندارد بین‌المللی چک کنید تا ببینید چقدر احتمال خطا در آن‌ها وجود دارد:
🔹 اگر مقالات وارد شده از نوع کارآزمایی بالینی باشند، کیفیت آن‌ها را با ابزار سخت‌گیرانه Cochrane RoB 2 ارزیابی می‌کنید.
🔹 اگر مقالات از نوع مطالعات مشاهداتی (مثل کوهورت یا مورد-شاهدی) باشند، از ابزار Newcastle-Ottawa Scale استفاده می‌کنید.
در نهایت، مقالات را بر اساس میزان خطاهایشان به سه دسته Low Risk و Some Concerns و High Risk رتبه‌بندی می‌کنید.

📢 در پیام پایانی (Section C)، وارد فاز تحلیل آماری می‌شویم و یاد می‌گیریم که چطور داده‌های دنیا را در نرم‌افزار ذوب کنیم و نمودار سرنوشت‌ساز Forest Plot را رمزگشایی کنیم.

#Research_Education
تلگرام

لینکدین
2
IUMS SRC
📘 Research Education | Part 7 - Section B وقتی فرمول سرچ پارت قبل را در دیتابیس‌ها اجرا می‌کنید، ممکن است با چندهزار مقاله اولیه روبرو شوید. حالا زمان اجرای فاز عملیاتی است که به طور بین‌المللی بر اساس یک پروتکل و گایدلاین استاندارد به نام PRISMA مدیریت می‌شود.…
📘 Research Education | Part 7 - Section C

تا اینجای کار شما شواهد جهان را جمع‌آوری، غربالگری و کیفیت‌سنجی کردید و یک Systematic Review بی‌نقص نوشتید. اما جادوی واقعی زمانی رخ می‌دهد که داده‌های عددی استخراج‌شده از این مقالات، قابلیت ترکیب ریاضی داشته باشند؛ اینجاست که وارد فاز سوم یعنی Meta-analysis می‌شویم. 📊 ریاضی

📌 قدم ششم: سنتز و تجمع آماری داده‌ها (Statistical Pooling)
تصور کنید در فاز قبل، ۱۰ مقاله RCT پیدا کرده‌اید که هر کدام فقط روی ۵۰ بیمار کار کرده‌اند و پیامدهای متناقضی گرفته‌اند. حجم نمونه هرکدام به تنهایی برای تصمیم‌گیری کلان پزشکی بسیار کم است.
متاآنالیز چه می‌کند؟ شما داده‌های آماری این ۱۰ مقاله را وارد نرم‌افزارهای تخصصی ریسرچ مثل RevMan یا STATA می‌کنید. نرم‌افزار با فرمول‌های پیچیده، وزن هر مقاله را محاسبه کرده و داده‌های این ۵۰۰ بیمار را با هم ترکیب می‌کند؛ انگار که شما یک ابر-پروژه ۵۰۰ نفره در سطح بین‌المللی انجام داده‌اید تا به یک پاسخ قطعی و مقتدر برسید.

📌 قدم هفتم: ترسیم و تحلیل نمودار Forest Plot
خروجی آن محاسبات آماری، یک نمودار بسیار معروف به نام Forest Plot است که به عنوان شناسنامه یک مقاله متاآنالیز شناخته می‌شود. برای اینکه بتوانید مثل یک دانشمند این نمودار را بخوانید، باید ۴ بخش آن را بلد باشید:
۱. خط عمودی وسط (Line of No Effect): این خط مرز بی‌اثری است. اگر نتایج مقاله‌ای با این خط برخورد کند، یعنی آن درمان هیچ فرقی با دارونما نداشته است.
۲. مربع‌های کوچک: هر مربع نشان‌دهنده یک مقاله است. هرچه مربع بزرگ‌تر باشد، یعنی آن مطالعه حجم نمونه بیشتر و وزن بالاتری در تحلیل شما داشته است.
۳. خطوط افقی متصل به مربع: این خطوط نشان‌دهنده Confidence Interval یا همان فاصله اطمینان داده‌های آن مقاله است.
۴. لوزی نهایی (The Diamond): این الماس نهایی کار شماست! لوزی یعنی برآیند و ترکیب کل دیتای جهان درباره آن موضوع. اگر این لوزی کاملاً به یک سمت خط عمودی متمایل باشد و به هیچ وجه با خط وسط برخورد نکند، یعنی داروی جدید رسماً اثربخش است و از فردا گایدلاین‌های پزشکی دنیا را تغییر می‌دهد! 💎

🛠 اکشن‌پلان و قدم کاربردی این هفته برای تمام دانشجوویان:

بالاترین سطح از مستندات علمی دنیا را لمس کنید:
💥 قدم اول: وارد سایت PubMed شوید.
💥 قدم دوم: عبارت Meta-analysis را همراه با نام یک بیماری (مثلاً Migraine treatment) سرچ کنید.
💥 قدم سوم: یکی از مقالات رایگان را باز کرده و مستقیم به بخش Results بروید. نمودار Forest Plot را پیدا کنید و وضعیت لوزی نهایی را بسنجید. شما در حال تماشای چکیده تمام دانش بشر هستید!

با پایان این پارت، پرونده فاز دوم مسیر (شناخت انواع مقالات علمی) با موفقیت و به طور کامل بسته شد. 🏁🎉

🔥 در فاز بعدی مسیر (فاز ۳ - آغاز عملی پروژه پژوهشی)، یاد می‌گیریم که ایده‌های تحقیقاتی از کجا می‌آیند، چطور یک سؤال ریسرچ استاندارد بنویسیم و فرمول FINER چطور به ما کمک می‌کند. 📝🎯

#Research_Education
تلگرام

لینکدین
2