Ferenci Tamás bejegyzései

A Klinikai Biostatisztikai Társaság 2026. júliusi, rendes havi ülésének témája: A korstruktúra mint a népességváltozás rejtett mozgatórugója

Írta: | | ,
Vélemény?

A Klinikai Biostatisztikai Társaság 2026. júliusi rendes havi ülésén fog sor kerülni a 2025. év fiatal biostatisztikusa cím átadására; ennek eredményéről külön posztban fogunk beszámolni!

Az ezt követő ülés témája: A korstruktúra mint a népességváltozás rejtett mozgatórugója.

A témában Tóth G. Csaba (KRTK Közgazdaságtudományi Intézet) fog előadni.

Az előadó felvezetője: A népességváltozást a demográfiai elemzések hagyományosan a termékenység, a halandóság és a vándorlás együttes hatására vezetik vissza, miközben a korstruktúrát ezeknek a folyamatoknak a következményének tekintik. Előadásunkban amellett érvelünk, hogy a korösszetétel nem csupán eredménye, hanem alakító tényezője is a népességdinamikának. A stacioner népesség modelljéből kiindulva egy forgatókönyv-alapú Shapley-dekompozíció segítségével külön-külön számszerűsítjük a termékenység, a halandóság, a nettó vándorlás és a kezdeti korstruktúra népességváltozásra gyakorolt hatását. A módszert a visegrádi országok – Csehország, Magyarország, Lengyelország és Szlovákia – 37 NUTS–2 régiójára alkalmazva azt találjuk, hogy 2001 és 2023 között a tartósan alacsony termékenység valamennyi térségben a népességszám csökkenése irányába hatott, míg a halandóság javulása viszonylag mérsékelt és egyenletes pozitív hatást gyakorolt. A regionális különbség egy részét a vándorlás magyarázza, ugyanakkor a kiinduló korstruktúra szerepe is jelentős. Az induló népesség százalékában a kezdeti korszerkezet hozzájárulása a 2023-as népességhez regionális szinten -7 és +12 százalék között szóródott. A fiatalabb korösszetételű lengyel és szlovák régiókban a kedvező korstruktúra átmenetileg mérsékelte a népességfogyást, míg az idősebb korösszetételű térségekben – különösen Budapesten és több magyar régióban – tovább erősítette azt.

Az előadás után szokásosan a témával kapcsolatban eszmecserére, kötetlen diszkusszióra kerül sor.

Az ülés kezdetének időpontja: 2026. július 10. (péntek) 14:00, helyszíne – a szokásostól eltérően! – 1094 Budapest, Tűzoltó u. 37-47., Elméleti Orvostudományi Központ (EOK); I. emelet B fésű (Tűzoltó u. felől a 2. folyosó) 1.207-es terem. Az ülés online is követhető, minden kedves tagtársat és érdeklődőt örömmel látunk! (A külső érdeklődőket kérjük, hogy a részvételhez írjanak emailt a klin.biostat@gmail.com címre.)

A Klinikai Biostatisztikai Társaság 2026. májusi, rendes havi ülésének témája: az Év fiatal biostatisztikusa cím pályázati előadásai

Írta: | | , ,
Vélemény?

A Klinikai Biostatisztikai Társaság 2026. májusi rendes havi ülésén fog sor kerülni az Év fiatal biostatisztikusa címre pályázók előadásaira. Idén 3 pályázat érkezett a címre.

Varga Lívia: Multipopulációs halandósági modellek illesztése magyar adatokon főbb halálokok szerint

Absztrakt: A kutatás keretében többféle halandóság-előrejelző modellt vizsgáltunk: a Lee–Carter modellt és annak módosított, kétfaktoros verzióját, továbbá a Cairns–Blake–Dowd modellt, valamint a redukált Plat modell kétféle változatát. A mortalitási modelleket nemek és főbb halálokok szerint bontott adatokon illesztettük. A legalább 60 éves népesség 1970 és 2021 közötti adatait vizsgáltuk. A koréves halálozási arányszámokat 2050-ig jeleztük előre. Az időtől függő paraméterek, vagyis a mortalitás trendjét leíró indexek klaszterezése révén elemeztük, hogy melyek azok a főbb halálokok, amelyek esetében közös múltbeli trend figyelhető meg. Így az említett modellek számát tovább növeltük azok multipopulációs változatainak illesztésével. A kutatás egyik fontos eredménye annak bemutatása, hogy melyek azok az elsődleges halálokok, amelyek esetében a halandóság további javulására vagy éppen romlására számíthatunk.

Mátrai Péter (PTE ÁOK Bioanalitikai Intézet): A predikciós intervallum tulajdonságai a frekventista random hatásos meta-analízis modellben

Absztrakt: Az előadás során bemutatom a predikciós intervallum (PI) helyes értelmezését, először általánosságban, majd a random hatásos meta-analízis (RE MA) modell keretein belül. A random hatásos meta-analízis modellben a predikciós intervallumot először Higgins és mt. definiálták 2009-ben, használata azóta széles körben elterjedt a heterogenitás számszerűsítésére, bekerült a leggyakrabban használt meta-analízis szoftverekbe is. A PI pontos és helyes értelmezéséből kiindulva választ adok arra a kérdésre, hogy mennyiben és milyen körülmények között alkalmas ez az intervallum az RE MA-beli heterogenitás leírására, számszerűsítésére. Az előzőekre építve bemutatom az irodalomban található félreértelmezéseket és túlegyszerűsítéseket.

Fodor Gergely (SZTE SZAOK Orvosi Fizikai és Orvosi Informatikai Intézet): Klinikailag is releváns légzőrendszeri normálértékek meghatározása patkányokban

Absztrakt: Az állatkísérletes modellek alapvetőek a légzésélettan és a betegségek megértéséhez, azonban transzlációs hatásuk korlátozott a standardizált referencia-keretrendszerek hiánya miatt. Míg a klinikai gyakorlatban már évtizedek óta a tüdőfunkciót predikciós egyenletek és z-score-ok segítségével értelmezik, a preklinikai vizsgálatok abszolút értékeket közölnek, ami rontja az összehasonlíthatóságot. Referenciaegyenleteket állítottunk fel a légúti ellenállásra, a szöveti csillapításra, a szöveti elasztanciára és a kilégzés végi tüdőtérfogatra 182 egészséges Sprague-Dawley és Wistar patkány esetében. Generalizált additív modellekkel (GAMLSS) modelleztük az átlagot és a variabilitást a testtömeg, a nem, a törzs és a pozitív kilégzésvégi nyomás függvényében. A modellek kiváló illeszkedést és keresztvalidációs teljesítményt mutattak, lehetővé téve az egyéni szintű z-score-ok pontos meghatározását. A nem és a törzs szignifikáns hatást gyakorolt az eredményekre. Ez a keretrendszer klinikai jellegű referenciaegyenleteket vezet be a preklinikai légzéskutatásba, javítva a reprodukálhatóságot és közelítve az állatkísérletes méréseket a klinikai standardokhoz, ami hatással van a számítógépes modellekre, a vizsgálattervezésre és a transzlációs kutatásra.

Az ülés kezdetének időpontja: 2026. május 22. (péntek) 14:00, helyszíne az Állatorvostudományi Egyetem, G épület, földszint, Számítógépterem 1. (1078 Budapest, István u. 2.). Az ülés online is követhető, minden kedves tagtársat és érdeklődőt örömmel látunk! (A külső érdeklődőket kérjük, hogy a részvételhez írjanak emailt a klin.biostat@gmail.com címre.)

A 2026. márciusi előadás diasora és felvétele

Írta: | | ,
Vélemény?

A 2026. márciusi előadás (Kémiai vegyületek kromatográfiás elválasztásának sztochasztikus elmélete és implementálása R alatt) diasora:

KBT 2026-03-13Letöltés

Az előadásban említett animáció elérhető a következő címen: https://github.com/mirzahosseini-arash-semmelweis/chrom_anim/tree/main.

Az előadás felvétele elérhető a következő címen: https://kaltura.semmelweis.hu/media/KBT_20260313_arash_kromatografia/1_fwy8s2r5.

XII. Biostatisztikai Konferencia

Írta: | | ,
Vélemény?

Június 12-én kerül sor a Magyar Biostatisztikai (korábban Biometriai) Konferencia megrendezésére, melynek célja, hogy fórumot teremtsen a biostatisztikai módszerekkel dolgozó kutatók, oktatók és fejlesztők számára, valamint bemutassa a hazai biostatisztikai műhelyeket, adatforrásokat és oktatási kezdeményezéseket.

A szervezők szeretettel várnak minden előadással, poszterrel jelentkezőt, érdeklődőt!

Részletek megtalálhatóak a rendezvény honlapján, illetve az alábbi felhívásban:

BIOT_felhivas_temakLetöltés

A Klinikai Biostatisztikai Társaság 2026. márciusi, rendes havi ülésének témája: Kémiai vegyületek kromatográfiás elválasztásának sztochasztikus elmélete és implementálása R alatt

Írta: | | ,
1 Comment

A Klinikai Biostatisztikai Társaság 2026. márciusi rendes havi ülésének témája: Kémiai vegyületek kromatográfiás elválasztásának sztochasztikus elmélete és implementálása R alatt.

A témában Mirzahosseini Arash (SE Gyógyszerészi Kémiai Intézet) fog előadni.

Az előadó felvezetője: Az előadás a kromatográfiás folyamatok statisztikai szemléletű modellezését és gyakorlati adatfeldolgozását mutatja be. A kémiai, és különösen a gyógyszerkutatási területeken alapvető követelmény a vegyületek reprodukálható, megfelelő tisztaságú elválasztása. A nagy hatékonyságú folyadékkromatográfia (HPLC – high performance liquid chromatography) napjaink egyik legelterjedtebb és sokoldalú módszere, amelynek fejlesztésében az alkalmazási kutatások mellett jelentős szerepet játszanak az elméleti modellek kiterjesztései is. Eyring és Giddings (1955) munkáihoz köthető átmenetiállapot- és sztochasztikus elmélet új perspektívát nyitott a kémiai folyamatok statisztikus és kvantummechanikai értelmezésében. Saját kutatásaim során a kromatográfiás viselkedés modellezését véletlen bolyongásokkal, összetett Poisson-folyamatokkal, folytonos idejű Markov-láncokkal, valamint a sztochasztikus folyamatok Lévy–Hincsin-reprezentációjával vizsgáltam. Az előadás célja ezen keretrendszerek legfontosabb alapjainak áttekintése, továbbá egy automatizált R-alapú munkafolyamat bemutatása, amely lehetővé teszi több száz kísérleti kromatogram gyors és megbízható elemzését, kiváltva a korábban időigényes manuális feldolgozást. Emellett egy új eredményt is ismertetek, amely szerint megfelelő kísérleti elrendezés és bayesi modellezés segítségével lehetővé vált eddig nem megfigyelhetőnek tekintett „rejtett” mikroszkopikus paraméterek meghatározása, amelyek kulcsszerepet játszanak a kromatográfiás folyamatok egy speciális esetének tekinthető „BATMAN” csúcsok kialakulásában.

Az előadások után szokásosan a témával kapcsolatban eszmecserére, kötetlen diszkusszióra kerül sor.

Az ülés kezdetének időpontja: 2026. március 13. (péntek) 16:00, helyszíne az Állatorvostudományi Egyetem, G épület, földszint, Számítógépterem 1. (1078 Budapest, István u. 2.). Az ülés online is követhető, minden kedves tagtársat és érdeklődőt örömmel látunk! (A külső érdeklődőket kérjük, hogy a részvételhez írjanak emailt a klin.biostat@gmail.com címre.)

Kromatográfiás elválasztás vizsgálatának eredményei.

A „2025. év fiatal biostatisztikusa” pályázat kiírása

Írta: | | ,
Vélemény?

A Klinikai Biostatisztikai Társaság és az Alapítvány a klinikai biostatisztika színvonalának emeléséért pályázatot hirdet a „2025. év fiatal biostatisztikusa” címre.

A cím kiadásának célja a biostatisztikusi pálya népszerűsítése és az e téren kiemelkedő tevékenységet folytató fiatalok támogatása. A nyertes pályázó 2026. évi kutatómunkáját az alapítvány 100 000 forint ösztöndíjjal támogatja.

Várjuk 40 év alatti, az élettudományok területén alkalmazott statisztikai tevékenységet, illetve az élettudományok számára releváns matematikai statisztikai tevékenységet végző kutatók pályázatát (hallgatókét is), e-mailben, a klin.biostat@gmail.com címen, 2026. március 15. éjfélig.

Kérjük, ha van a biostatisztika területén dolgozó, a címre Ön szerint érdemes ismerőse, hívja fel figyelmét a pályázatra!

Az Alapítvány célja a klinikai kísérletek tervezésével és kiértékelésével kapcsolatos kutatások előmozdítása, a biostatisztikával foglalkozó szakemberek szakmai konferenciákon való részvételének támogatása, valamint továbbképző tanfolyamok szervezése. Ilyen tárgyú pályázatokat, támogatási kérelmeket a klin.biostat@gmail.com címre kérjük e-mailben elküldeni.

A részletes pályázati feltételek megtalálhatók a kiírásban:

ev-fiatal-biostatisztikusa-2025Letöltés

A 2026. februári előadás diasora és olvasmánylistája

Írta: | |
Vélemény?

A 2026. februári előadás (Kuruzslás vagy hasznos gyakorlat a szórás (és átlag / átlaggal és) kvartilisekkel való becslése?) diasora:

eloadasfebruar13Letöltés

Az előadáshoz kapcsolódó olvasmánylista:

  • Mrakhan, Mediya Bawakhan, Tamás Kói. „Estimating standard deviation via sample mean extended quantile estimation.” BMC Medical Research Methodology (2025). Link.
  • McGrath, Sean, et al. „Standard error estimation in meta-analysis of studies reporting medians.” Statistical methods in medical research 32.2 (2023): 373-388. Link.
  • Harrer, Mathias, et al. Doing Meta-Analysis with R: A Hands-On Guide. CRC Press, 2021. Link.
  • Collett, David. Modelling Survival Data in Medical Research. CRC Press, 2023. Link.
  • Walker, A. M. (1968). A note on the asymptotic distribution of sample quantiles. Journal of the Royal Statistical Society Series B: Statistical Methodology, 30(3), 570-575. Link.
  • Embrechts, Paul, et al. Modelling Extremal Events: For Insurance and Finance. Springer Berlin Heidelberg, 2013. Link.
  • Finney, D. J. (1941). On the distribution of a variate whose logarithm is normally distributed. Supplement to the Journal of the Royal Statistical Society, 7(2), 155-161. Link.

A Klinikai Biostatisztikai Társaság (KBT) 2026. februári, rendes havi ülésének témája: Kuruzslás vagy hasznos gyakorlat a szórás (és átlag / átlaggal és) kvartilisekkel való becslése?

Írta: | | ,
1 Comment

A Klinikai Biostatisztikai Társaság (KBT) 2026. februári rendes havi ülésének témája: Kuruzslás vagy hasznos gyakorlat a szórás (és átlag / átlaggal és) kvartilisekkel való becslése?

A témában Kói Tamás (BME Matematika Intézet, SE TMK) fog előadni.

Az előadó felvezetője: Az átlag és medián nem szimmetrikus esetben eltérő okok miatt lehetnek fontosak a döntéshozók számára. Sajnálatos, hogy a statisztikát használó cikkek túlnyomó többsége úgy spórol a karakterszámon, hogy a normálisnak tekinthető minta esetén csak átlagot és szórást, egyéb esetekben pedig csak mediánt és kvartiliseket publikál. Sokszor egy cikken belüli kimenetelek esetén is igaz ez a dichotómia. A különböző cikkek eredményeit egyesíteni törekvő meta-analízisben ez komoly kihívás. Nagyon meglepődtem és az eloszlástól való függés miatt hitetlenkedtem, amikor a TMK statisztikusi csapatában közösen felfedeztük, hogy alapvető meta-analízist végző R függvényekbe be vannak építve olyan eljárások, amikkel az átlag és a szórás becsülhető a medián és a kvartilisek segítségével. Nem elhanyagolható hosszúságú hitetlenkedő időszak után beláttam, hogy nevezetes eloszlások esetén nem olyan rossz a módszerek teljesítménye. Az elkövetett becslési hibák okozta hátrányt felülmúlhatja a több cikk meta-analízisben szerepeltetéséből származó előny. A sok elvégzett meta-analízis közben feltűnt, hogy egyes cikkekben a doboz diagramon a medián mellett az átlag is be van jelölve. Ekkor csak a szórás becslésére van szükség. Hiányoltam, hogy nincs olyan eljárás, amivel az ismert átlagot figyelembe lehet venni a szórás becsléséhez. A probléma önmagában nem annyira jelentős, mindenesetre a hitetlenkedéssel együtt már elég motivációt szolgáltatott ahhoz, hogy Mediya Bawakhan Mrakhan PhD hallgatóval elkezdjünk a témában kutatni és megírjuk ezt a nemrég megjelent cikket: https://link.springer.com/article/10.1186/s12874-025-02711-1. Az angol szakirodalomban „Quantile Estimation” nevű eljárásba viszonylag egyszerűen be tudtuk építeni az ismert átlag felhasználásának lehetőségét, és viszonylag könnyen tudtunk nagyobb volumenű szimulációs vizsgálatokat végezni. Az előadásban be fogom mutatni az eredeti és az átlagot is figyelembe vevő “Quantile Estimation” eljárásokat, illetve prezentálni fogok szimulációs eredményeket. Ezekből ki fog derülni, hogy még a szimulációs környezetben is a maximum használata gyakran rontja a becslés pontosságát. Végül vázolni fogok egy extrém-érték elméleten alapuló lehetséges elméleti magyarázatot. Ha az előadás végén a hallgatóság a “vissza” szót háromszor elismétli, akkor ráadásként mutatok egy kis jelentőségű, de annál érdekesebb eredményt is rövid elméleti magyarázattal.

Az előadások után szokásosan a témával kapcsolatban eszmecserére, kötetlen diszkusszióra kerül sor.

Az ülés kezdetének időpontja: 2026. február 13. (péntek) 15:00, helyszíne az Állatorvostudományi Egyetem, G épület, földszint, Számítógépterem 1. (1078 Budapest, István u. 2.). Az ülés online is követhető, minden kedves tagtársat és érdeklődőt örömmel látunk! (A külső érdeklődőket kérjük, hogy a részvételhez írjanak emailt a klin.biostat@gmail.com címre.)