Debian-Med: Medicinsk forskning

PyEPL är ett stimuli-leverans- och -svarsregistreringsverktyg som kan användas gör att skapa psykologiexperiment (samt även neurovetenskap, marknadsföringsforskning, med mera).

Det innehåller

• presentation: audiovisuella stimuli
• registrering av svar: både manuell (tangentbord/styrspak) och ljud (mikrofon), tidsregistrerad
• synkpulsning: synkronisera ditt beteendeuppdrag med extern inhämtningsmaskinvara
• flexibilitet med kodning av olika experiment genom att använda Python som ett deskriptivt språk
• snabb exekvering av kritiska punkter på grund av anrop till länkade kodbibliotek

Denna verktygslåda är tänkt som ett alternativ till den ofta använda kommersiella produkten E' (E-Prime).

Arbetet med att lagra alla bildstudier digitalt tillsammans med radiologens rapport gav en omfattande databas över sjukdomar och hur de ser ut på bild så väl som normal anatomi. Denna databas är, naturligtvis, en extremt värdefull utbildningsresurs. Projektet Den virtuella medicinskolan startades med målsättningen att omvandla denna bilddatabas till en kunskapsbas. Denna kunskapsbas kommer bilda grunden i ett digitalt nätverksbaserat inlärningssystem för alla medicinska områden på grundläggande nivå: den ”Virtuella medicinskolan”. Den baseras mycket på fri programvara (Apache-Cocoon).

Det finns två besläktade klassifikationer av sjukdomar med liknande namn. Den internationella klassificeringen av sjukdomar (ICD) är den indelning som används för att koda och klassificera dödlighetsdata från dödsattester. Den internationella klassificeringen av sjukdomar, klinisk modifiering (ICD-CM) används för att koda och klassificera sjuklighetsdata från sjukhus- och polikliniska journaler, läkarmottagningar och de flesta NCHS-undersökningar.

Fritt tillgängliga numeriska verktyg och metoder för epidemiologi. Den huvudsakliga målgruppen är den epidemiologer och dataanalyserare inom hälsoväsendet. Med R, en programmeringsspråksmiljö i öppen källkod för statistk och grfik, finns det numeriska verktyg och programmeringslösningar som har använts och testats i verkliga epidemiologiska tillämpningar.

Många praktiska problem med analys av data från hälsovården kräver programmering eller speciell programvara, och forskare på olika platser kan duplicera programmeringsarbete som gjorts på andra platser. Ofta görs inte enkla analyser, som upprättande av konfidensintervall, och därför görs det svårare att få fram statistiska inferenser inom små geografiska områden. Det finns många exempel på enkel och verkningsfulla numeriska verktyg som kunde förbättra epidemiologers arbete inom lokal hälsovård och som inte är lätt tillgängliga för det problem de sitter med (t.ex exakta konfidensintervall för små mängder incidenter, statistiska poolningsmetoder för metaanalys, livstidsriskberäkningar, osv.). Genom att dessa verktyg blir tillgängliga kommer det att uppmuntra till bredare användning av lämpliga metodere och främja bevisbaserad praktik inom lokal hälsovård.