Statystyka w medycynie
1000-AD-StatMed
1. Zasady zbierania danych medycznych i przeprowadzania badań statystycznych w medycynie. Rodzaje badań statystycznych.
2. Planowanie badań statystycznych, schematy pobierania próbek.
3. Metody statystyczne używane do analizy danych medycznych. Testowanie hipotez statystycznych, testy t-Studenta, testy proporcji, tablice 2× 2 (czteropolowe), testy chi-kwadrat. Ryzyko względne i iloraz szans. Metoda Mantela - Haenszela, test McNemara, kappa Cohena.
4. Analiza mocy, wyznaczanie liczebności próby.
5. Analiza obserwacji odstających i braków danych.
6. Metody Monte Carlo i symulacje stochastyczne w statystyce. Metody walidacji krzyżowej i rozszczepiania próbki. Bootstrap. Bootstrapowe przedziały ufności. Testy permutacyjne.
7. Nieparametryczna estymacja gęstości i funkcji regresji.
8. Medycyna poparta dowodami. Przegląd systematyczny i metanaliza.
Całkowity nakład pracy studenta
Wykład – 30 godz.
Ćwiczenia – 30 godz.
Samodzielne studiowanie tematyki zajęć, konsultacje z prowadzącymi zajęcia – 35 godz.
Rozwiązywanie zadań domowych – 25 godz.
Przygotowanie do egzaminu – 30 godz.
Razem 150 godz. (6 pkt. ECTS.)
Efekty uczenia się - wiedza
W1: Rozumie zasady zbierania danych medycznych i przeprowadzania badań statystycznych w medycynie (badania prospektywne i retrospektywne) (K_W02, K_W03).
W2: Zna metody statystyczne używane do analizy danych medycznych (K_W04, K_W06).
W3: Zna narzędzia pozwalające na przeprowadzanie analizy danych medycznych i prezentację wyników w formie zrozumiałej dla lekarzy i osób prowadzących badania naukowe w dziedzinie medycyny (K_W07).
W4: Zna i rozumie schematy pobierania próbek i planowania badań statystycznych (K_W02).
W5: Rozumie metody walidacji krzyżowej (K_W01, K_W03).
W6: Zna zasady obliczeń Monte Carlo w statystyce (K_W06, K_W07).
W7: Zna nieparametryczne metody estymacji funkcji gęstości i funkcji regresji nieliniowej (K_W06).
W8: Rozumie podstawowe cele meta analizy i zna odpowiednie metody statystyczne (K_W06).
W9: Zna proste modele epidemiologii (K_W07, K_W06).
Efekty uczenia się - umiejętności
U1: Umie powiązać podstawowe rodzaje badań statystycznych w medycynie z odpowiednimi metodami analizy danych i wnioskowania (K_U01).
U2: Umie dobrać odpowiednie metody statystyczne do analizy danych medycznych (K_U05, K_U06, K_U16).
U3: Umie używać przynajmniej jednego pakietu statystycznego do analizy danych medycznych i prezentacji wyników w formie zrozumiałej dla lekarzy i osoby prowadzące badania naukowe w dziedzinie medycyny (K_U19, J_U04).
U4: Umie zastosować różne schematy pobierania próbek i planowania badań statystycznych (losowanie warstwowe, zespołowe, wyznaczanie potrzebnej liczebności próbki) (K_U03).
U5: Umie zastosować metody walidacji krzyżowej (K_U17).
U6: Umie przeprowadzić symulacje dotyczące własności metod statystycznych (K_U16).
U7: Umie wykorzystać nieparametryczne estymatory gęstości i regresji (K_U16).
U8: Potrafi wykorzystać dane zaczerpnięte z literatury, używając metody meta analizy (K_U02, K_U03, K_U21).
U9: Potrafi budować proste modele epidemiologiczne (K_U06).
U10: Potrafi współpracować z lekarzami i przeprowadzić badania w zakresie analizy statystycznej danych medycznych (K_U20).
Efekty uczenia się - kompetencje społeczne
K1: Potrafi wyjaśnić lekarzom zasady zbierania danych medycznych i specyfikę danych statystycznych (K_K02).
K2: Potrafi przekazać w sposób zrozumiały dla nie-statystyka wyniki analizy danych (K_K02).
K3: Ma świadomość etycznych i prawnych aspektów zbierania i analizy danych medycznych. (K_K01).
Metody dydaktyczne
Wykład – wykład konwencjonalny (informacyjny)
Ćwiczenia – metoda ćwiczeniowa
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące
- laboratoryjna
- ćwiczeniowa
- projektu
Wymagania wstępne
Zaliczenie przedmiotu Biostatystyka.
Koordynatorzy przedmiotu
Kryteria oceniania
Egzamin (pisemny i ustny) – W1- W9
Kolokwium – U1-U9.
Projekt - U1-U3, U10, K1-K3.
Aktywność – K1, K2, K3 – tylko kompetencje.
Praktyki zawodowe
Literatura
Literatura podstawowa:
- A. Petrie, C. Sabin (2006) „Statystyka medyczna w zarysie”, PZWL Warszawa.
- J. Koronacki i J. Mielniczuk (2009), „Statystyka” , Warszawa WNT.
- J. Koronacki i J. Ćwik (2008) „Statystyczne systemy uczące się”, Wydawnictwo Exit.
Literatura uzupełniająca:
- D.G. Altman (1991) „Practical statistics for medical research”, Chapman & Hall.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i
terminach zajęć) mogą być dostępne w serwisie USOSweb: