Channel
@viva_academi
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
158subscribers
-2 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003036130894 |
|---|---|
| Type | Channel |
| Username | @viva_academi |
| Created | Between 1 August 2025 and 31 October 2025— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 14 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 14 August 2026 |
| On Telegram | t.me/viva_academi |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 14 Aug 2026, 16:08 | 158 | -2 |
| 8 Aug 2026, 17:15 | 160 | no change |
| 7 Aug 2026, 06:16 | 160 | first reading |
20 posts held, back to 26 June 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 15 July 2026. An engagement rate over an empty window would be a number about nothing.
6 reactions across 2 posts, in 1 kind.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 6 | 100.0% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 2 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 6reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 26 June 2026 to 15 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
برای اینکه این دو تا مفهوم رو برای همیشه تو ذهنتون هک کنید، معروفترین مثال دنیای پزشکی رو با هم مرور میکنیم: 🔴 خطای نوع اول (خطای alpha): مثبت کاذب • تعریف ساده: داروی جدید شما در واقعیت هیچ اثری نداره، اما تست آماری شما اشتباهاً میگه «جواب داد! دارو موثره!» (رد کردن اشتباه فرض صفر). • مثال: پزشکی که به یک مرد نگاه میکنه و میگه: «تبریک میگم، شما باردار هستید!» 🫃 • نکته: این همون خطایی هست که با alpha یا P-valu…
❤4
🚨 خطای alpha و beta تو دنیای پژوهش علوم پزشکی، ما هیچوقت ۱۰۰٪ از چیزی مطمئن نیستیم؛ ما همیشه در حال قضاوت بر اساس «احتمالات» و «نمونهها» هستیم. و همینجاست که پای دو تا از ترسناکترین تلههای آماری به مقالات ما باز میشه: خطای نوع اول (alpha) و خطای نوع دوم (beta). 📍پست بعدی... https://t.me/viva_academi
برای اینکه بهتر درکش کنیم، بیاید بریم سراغ یک مثال ملموس: فرض کنید میخوایم شیوع افسردگی رو تو رزیدنتهای یک بیمارستان بررسی کنیم. تصمیم میگیریم پرسشنامهها رو ساعت ۷ صبح روز جمعه تو پاویون پخش کنیم. چه اتفاقی میافته؟ شما فقط رزیدنتهایی رو میبینید که اون روز شیفت هستن یا انرژی بیدار شدن داشتن! رزیدنتی که به خاطر افسردگی شدید اصلاً از تخت بیرون نیومده یا مرخصی استعلاجی گرفته، تو مطالعه شما نیست. پس در نتیجه آمار ا…
❤2
🚨 سوگیری انتخاب یکی از خطرناکترین قاتلهای خاموش مقالات علوم پزشکی رو میشناسید؟ شما میتونید بهترین نرمافزارهای آماری رو داشته باشید و دقیقترین تستها رو بگیرید، اما اگر خشت اول (یعنی انتخاب بیماران) کج باشه، تا ثریا میرود دیوار کج! به این پدیده تو دنیای پژوهش میگیم سوگیری انتخاب یا Selection Bias. یعنی نمونههایی که برای مطالعه انتخاب کردید، نماینده واقعی جامعه هدف شما نیستند. 📍پست بعدی... https://t.me/viva…
❌ بزرگترین اشتباه رایج: خیلیا دقیقاً همون کلماتی که تو عنوان مقاله هست رو کپی میکنن تو بخش کلمات کلیدی! موتورهای جستجو عنوان شما رو به هر حال ایندکس میکنن. کلمات کلیدی در واقع شانس دوبارهی شما برای دادن «آدرسهای جدید و مترادف» به موتور جستجو هستن. این فرصت رو نسوزونید! ✅ راهحل طلایی: ورود به دنیای MeSH در علوم پزشکی، ما یک دیکشنری استاندارد و قدرتمند داریم به نام MeSH (مخفف Medical Subject Headings). پابمد از …
🔍 جادوی MeSH بدترین اتفاق برای یک پژوهشگر اینه که ماهها زحمت بکشه، مقاله تو یه ژورنال خوب چاپ بشه، اما تو سرچهای پابمد بالا نیاد! دلیل اصلی این فاجعه، انتخاب اشتباه و سرسری کلمات کلیدی (Keywords) هست. 📍پست بعدی... https://t.me/viva_academi
📈 ۱. رگرسیون خطی: پیشبینی یک «مقدار دقیق» وقتی خروجی یا نتیجهای که دنبالشیم یه «عدد پیوسته» باشه، میریم سراغ رگرسیون خطی. 💉 مثال بالینی: میخوایم پیشبینی کنیم که بر اساس سن و شاخص توده بدنی (BMI) بیمار، میزان دقیق قند خون ناشتا (FBS) چند میلیگرم بر دسیلیتر خواهد بود. خروجی یه عدده (مثلاً 105). ⚖️ ۲. رگرسیون لجستیک: پیشبینی «صفر و یک» وقتی خروجی ما حالت دستهای یا دوگانه داره (مثل Yes/No یا Success/Failure)، پا…
🔮 پیشگویی به کمک علم آمار رگرسیون تو دنیای آمار مثل یه گوی پیشگو عمل میکنه و به ما کمک میکنه بر اساس دیتای زمان حال، اتفاقات آینده رو پیشبینی کنیم. اما بین دو مدل اصلی رگرسیون، یعنی خطی و لجستیک، یه تفاوت خیلی مهم وجود داره. 📍پست بعدی... https://t.me/viva_academi
🎯 ۱. مقدمه (Introduction): 👈 بیشتر معلوم اینجا باید قلاب رو بندازید. وقتی میخواید هدف مطالعه رو بگید، محکم و با اعتماد به نفس بنویسید. ✅ درست: We investigated the effect of Drug X. ❌ نادرست (ضعیف): The effect of Drug X was investigated. 🧪 ۲. مواد و روشها (Methods): 👈 مطلقاً مجهول اینجا ستارهی داستان «شما» نیستید، بلکه «پروسه آزمایش و بیماران» هستن! داور اصلاً براش مهم نیست «شما» خون گرفتید، مهم اینه که خون «گ…
✍️ قانون نانوشتهی ژورنالها برای هر بخش مقاله سالها به ما گفتن متن علمی باید خشک، رسمی و کاملاً «مجهول» (Passive) باشه. اما ژورنالهای مدرن علوم پزشکی (حتی غولهایی مثل نیچر و لنست) الان عاشق جملات «معلوم» (Active) هستن چون خواناتر و کوبندهتره! اما راز تایید شدن مقاله اینه: هر بخش مقاله، ساختار خودش رو میطلبه! بریم ببینیم کجای مقاله باید از کدوم لحن استفاده کنیم. 📍پست بعدی... https://t.me/viva_academi
بیاید نمودار کاپلان-مایر رو به زبان ساده بررسی کنیم: 🎯 ۱. مفهوم زمان تا رویداد کاپلان-مایر فقط با یک سوال کار داره: «چقدر طول میکشه تا یک اتفاق خاص بیفته؟» این «اتفاق» لزوماً مرگ نیست. میتونه اتفاقات زیر باشه: • چقدر طول میکشه تا بیمار بعد از جراحی مرخص بشه؟ (اتفاق مثبت) • چقدر طول میکشه تا تومور دوباره عود کنه؟ • چقدر طول میکشه تا داروی مسکن اثر کنه؟ 📉 ۲. چرا نمودارش پلهایه؟ هر بار که اون «اتفاق» برای یکی از بیما…
⏳ نمودار Kaplan-Meier چیو نشون میده؟ وقتی اسم «تحلیل بقا» میاد، همه ناخودآگاه یاد سرطان و مرگومیر میفتن. اما نمودار معروف و پلهایِ کاپلان-مایر کاربردی خیلی وسیعتر از این حرفها تو مقالات علوم پزشکی داره! 📍پست بعدی... https://t.me/viva_academi
Showing the 12 most recent of 20 posts we hold for @viva_academi. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 750,853 of 1,549,376entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 14 August 2026 — this entry's latest reading, not the date you are reading this.
“Viva_academy” (@viva_academi), 158 subscribers as measured 14 August 2026. Telegram Register, tgregister.com/channel/viva_academi.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.