O MNIE
Prof. dr hab. Dariusz Świetlik – biostatystyka, metodologia badań i analiza danych medycznych
Łączę doświadczenie akademickie i naukowe z praktycznym wsparciem badań medycznych i klinicznych — od metodologii badań i biostatystyki, przez analizę danych medycznych, po evidence synthesis i przygotowanie wyników do publikacji.
Kierownictwo naukowe
prof. dr hab. Dariusz Świetlik
Naukowiec, dydaktyk i biostatystyk specjalizujący się w analizie danych medycznych, metodologii badań, modelowaniu statystycznym oraz zastosowaniach AI w nauce.
Od ponad 20 lat zajmuję się działalnością naukową, dydaktyką oraz analizą danych w badaniach medycznych. Łączę doświadczenie akademickie z praktycznym wsparciem projektów badawczych — od metodologii i biostatystyki po evidence synthesis i zastosowania AI.
Założyciel Dariusz Świetlik BIO-STAT – Studio Badań i Analiz Biostatystycznych.
Od 2011 roku rozwijam Dariusz Świetlik BIO-STAT – Studio Badań i Analiz Biostatystycznych, wspierając naukowców, lekarzy i zespoły badawcze na kolejnych etapach realizacji badań.
20+ latdoświadczenia naukowego
700+wykonanych analiz statystycznych
50+przeprowadzonych kursów i szkoleń
od 2011 rokuDariusz Świetlik BIO-STAT – Studio Badań i Analiz Biostatystycznych
Doświadczenie budowane w pracy naukowej, dydaktycznej oraz we współpracy z lekarzami, naukowcami i zespołami badawczymi.
Moja praca opiera się wokół jednej zasady: analiza statystyczna ma odpowiadać na dobrze postawione pytanie badawcze, a nie być katalogiem testów wykonywanych po zebraniu danych.
Obszary ekspertyzy
Evidence synthesis
Metodologia badań
AI i analiza danych w nauce
Wiarygodność naukowa
Dorobek naukowy.
Moja działalność naukowa obejmuje biostatystykę, modelowanie, analizę danych medycznych, zastosowania sztucznej inteligencji oraz metodologię badań.
Profil naukowyGdański Uniwersytet MedycznyZakład Biostatystyki i Sieci Neuronowych
Wybrane publikacje
Przykłady prac naukowych.
Wybrane publikacje pokazujące zakres zainteresowań: badania kliniczne, biostatystyka, modelowanie i zastosowania AI w medycynie.
Application of Conversational AI Models in Decision Making for Clinical Periodontology: Analysis and Predictive Modeling
Artificial intelligence, periodontology, predictive modeling.
DOI 10.3390/ai6010003 ↗Advances in Periodontal Diagnostics: Application of Multimodal Language Models in Visual Interpretation of Panoramic Radiographs
Multimodal language models and medical image interpretation.
DOI 10.3390/diagnostics15151851 ↗Mechanisms Underlying Hyperexcitability: Combining Mossy Fiber Sprouting and Mossy Cell Loss in Neural Network Model of the Dentate Gyrus
Neural network modeling and computational neuroscience.
DOI 10.3390/biomedicines13061416 ↗Active Helicobacter pylori Infection Does Not Influence Outcomes After Sleeve Gastrectomy — Observational Cohort Study
Clinical data analysis in an observational cohort study.
DOI 10.3390/jcm14010109 ↗Application of Artificial Neural Networks to Identify Alzheimer’s Disease Using Cerebral Perfusion SPECT Data
Artificial neural networks, SPECT and diagnostic modeling.
DOI 10.3390/ijerph16071303 ↗Pełny wykaz publikacji i aktualne dane bibliometryczne są dostępne w profilach naukowych powyżej.
Wartości
Rzetelność
Metody dopasowane do pytania i danych, z jasnym opisem założeń i ograniczeń.
Odtwarzalność
Przejrzysty proces analityczny i możliwość odtworzenia kluczowych etapów analizy.
Partnerstwo
Wsparcie badacza i zespołu na całej ścieżce projektu — od pytania badawczego po publikację.
Masz projekt?
Porozmawiajmy o pytaniu badawczym.
Krótka wiadomość wystarczy, żeby ustalić właściwy kolejny krok.