ID:
500026
Durata (ore):
40
CFU:
5
SSD:
STATISTICA MEDICA
Anno:
2024
Dati Generali
Periodo di attività
Secondo Semestre (03/03/2025 - 06/06/2025)
Syllabus
Obiettivi Formativi
Il corso, strutturato in lezioni frontali ed esercitazioni al computer, ha come obiettivo principale quello di fornire le conoscenze teoriche, le competenze operative e le abilità pratiche indispensabili per rilevare e analizzare dati statistici in ambito medico.
Il corso si propone innanzitutto di introdurre gli studenti al disegno di studio, fornendo una solida comprensione dei diversi tipi di disegni utilizzati nella ricerca medica. Successivamente, gli studenti apprenderanno come calcolare e interpretare le distribuzioni di frequenza per diverse variabili, una competenza fondamentale per l'analisi dei dati.
Un altro obiettivo chiave del corso è quello di insegnare agli studenti a calcolare le misure di posizione (come mediana, media e moda) e di variabilità (come range e deviazione standard). Queste competenze sono essenziali per descrivere e comprendere i dati raccolti.
Inoltre, il corso fornirà le basi per calcolare e interpretare le misure di occorrenza (come prevalenza e incidenza) e di effetto (come rischio relativo e odds ratio), che sono cruciali per valutare l'impatto di variabili specifiche sulla salute.
Una parte significativa del corso sarà dedicata all'apprendimento dell'ambiente R, il software open source ampiamente utilizzato per la manipolazione, l'analisi e la rappresentazione grafica dei dati. Gli studenti impareranno a conoscere gli oggetti e la sintassi di base di R, il che faciliterà il loro utilizzo del software per le analisi.
Il corso coprirà anche i test di significatività statistica, fornendo agli studenti le abilità per condurre e interpretare test come il t-test e il chi-square test. Saranno inoltre insegnate le tecniche per costruire e interpretare gli intervalli di confidenza, utili per stimare l'incertezza delle misure.
Un altro aspetto importante del corso sarà la determinazione della dimensione del campione, che è fondamentale per garantire che i risultati delle ricerche siano significativi. Gli studenti impareranno a calcolare la dimensione del campione necessaria per vari tipi di studi.
Nel corso sarà anche trattato l'uso dei modelli di regressione (lineare e logistica), strumenti essenziali per analizzare le relazioni tra variabili. Inoltre, gli studenti acquisiranno competenze nell'analisi della sopravvivenza, che include l'analisi di curve di sopravvivenza e modelli di rischio proporzionale di Cox.
Infine, il corso coprirà l'implementazione di modelli multivariati, permettendo agli studenti di analizzare dati complessi che coinvolgono più variabili simultaneamente.
Il corso si propone innanzitutto di introdurre gli studenti al disegno di studio, fornendo una solida comprensione dei diversi tipi di disegni utilizzati nella ricerca medica. Successivamente, gli studenti apprenderanno come calcolare e interpretare le distribuzioni di frequenza per diverse variabili, una competenza fondamentale per l'analisi dei dati.
Un altro obiettivo chiave del corso è quello di insegnare agli studenti a calcolare le misure di posizione (come mediana, media e moda) e di variabilità (come range e deviazione standard). Queste competenze sono essenziali per descrivere e comprendere i dati raccolti.
Inoltre, il corso fornirà le basi per calcolare e interpretare le misure di occorrenza (come prevalenza e incidenza) e di effetto (come rischio relativo e odds ratio), che sono cruciali per valutare l'impatto di variabili specifiche sulla salute.
Una parte significativa del corso sarà dedicata all'apprendimento dell'ambiente R, il software open source ampiamente utilizzato per la manipolazione, l'analisi e la rappresentazione grafica dei dati. Gli studenti impareranno a conoscere gli oggetti e la sintassi di base di R, il che faciliterà il loro utilizzo del software per le analisi.
Il corso coprirà anche i test di significatività statistica, fornendo agli studenti le abilità per condurre e interpretare test come il t-test e il chi-square test. Saranno inoltre insegnate le tecniche per costruire e interpretare gli intervalli di confidenza, utili per stimare l'incertezza delle misure.
Un altro aspetto importante del corso sarà la determinazione della dimensione del campione, che è fondamentale per garantire che i risultati delle ricerche siano significativi. Gli studenti impareranno a calcolare la dimensione del campione necessaria per vari tipi di studi.
Nel corso sarà anche trattato l'uso dei modelli di regressione (lineare e logistica), strumenti essenziali per analizzare le relazioni tra variabili. Inoltre, gli studenti acquisiranno competenze nell'analisi della sopravvivenza, che include l'analisi di curve di sopravvivenza e modelli di rischio proporzionale di Cox.
Infine, il corso coprirà l'implementazione di modelli multivariati, permettendo agli studenti di analizzare dati complessi che coinvolgono più variabili simultaneamente.
Prerequisiti
Non sono necessari prerequisiti per il corso. La parte teorica, la parte pratica e l'impiego di software sono pensati per discenti privi di background in analisi dei dati
Metodi didattici
L’attività didattica comprende lezioni frontali con approccio problem solving ed esercitazioni/laboratori con applicazioni in R a set di dati, per
rispondere a specifiche questions research così da aiutare lo studente ad
acquisire le competenze necessarie per la pianificazione di studi e analisi
biostatistiche, sviluppandone il senso critico.
rispondere a specifiche questions research così da aiutare lo studente ad
acquisire le competenze necessarie per la pianificazione di studi e analisi
biostatistiche, sviluppandone il senso critico.
Verifica Apprendimento
L'esame si terrà in aula informatica e consisterà in una prova che comprende le parti di epidemiologia, statistica e storia della medicina. La parte di statistica include 24 domande Vero/Falso, che riguardano sia problemi da risolvere sia domande teoriche dirette. Inoltre, ci sono 8 domande Vero/Falso della parte di epidemiologia. Il punteggio finale sarà determinato dalla somma delle risposte corrette, con una detrazione di 0,5 punti per ogni risposta sbagliata
Testi
1- Bland M. Statistica Medica, Ed. Apogeo 2009
2- Whitlock M.C., Schluter D. Analisi statistica per dati biologici, Ed. Zanichelli 2010
3- La metodologia statistica nelle applicazioni biomediche , Rossi C., Serio G., Sprinter, Berlino, 1990.
In aggiunta ai libri di testo, il materiale didattico include presentazioni, articoli e tutorial messi a disposizione dal docente sul sito https://labstat.wixsite.com/mms-golgi (password per l'accesso: statistica).
Sul sito è inoltre disponibile una sezione forum con decine di esercizi svolti e spiegati, che possono essere utilizzati dagli studenti per approfondire i temi trattati nel corso. Gli studenti hanno la possibilità di interagire ponendo delle domande sul forum in diretta.
2- Whitlock M.C., Schluter D. Analisi statistica per dati biologici, Ed. Zanichelli 2010
3- La metodologia statistica nelle applicazioni biomediche , Rossi C., Serio G., Sprinter, Berlino, 1990.
In aggiunta ai libri di testo, il materiale didattico include presentazioni, articoli e tutorial messi a disposizione dal docente sul sito https://labstat.wixsite.com/mms-golgi (password per l'accesso: statistica).
Sul sito è inoltre disponibile una sezione forum con decine di esercizi svolti e spiegati, che possono essere utilizzati dagli studenti per approfondire i temi trattati nel corso. Gli studenti hanno la possibilità di interagire ponendo delle domande sul forum in diretta.
Contenuti
1. Disegno di studio
Introduzione ai disegni di studio: studi osservazionali vs. sperimentali
Tipi di studi osservazionali: trasversali, coorte, caso-controllo
Tipi di studi sperimentali: trial controllati randomizzati, quasi-sperimentali
Bias e confondimento nel disegno di studio
Considerazioni etiche nella ricerca medica
2. Distribuzioni di frequenza
Comprensione e costruzione di tabelle di frequenza
Rappresentazioni grafiche: istogrammi, grafici a barre, diagrammi a torta
Frequenza relativa, frequenza cumulativa e loro importanza
Identificazione e interpretazione di schemi e valori anomali nei dati
3. Misure di posizione/variabilità
Calcolo delle misure di posizione: media, mediana, moda
Calcolo delle misure di variabilità: intervallo, intervallo interquartile, varianza, deviazione standard
Applicazioni e limitazioni di ciascuna misura
Comprensione dell'importanza della dispersione e della forma della distribuzione
4. Misure di occorrenza/effetto
Misure di occorrenza: prevalenza, incidenza, incidenza cumulativa
Misure di effetto: rischio relativo, odds ratio, rischio attribuibile
Calcolo e interpretazione di queste misure negli studi medici
Applicazioni in sanità pubblica e ricerca clinica
5. L’ambiente R: Oggetti e Sintassi
Introduzione a R e all'interfaccia di RStudio
Oggetti di base in R: vettori, matrici, data frame, liste
Scrittura ed esecuzione di script in R
Manipolazione e pulizia dei dati in R
Visualizzazione in R: funzioni di base per la creazione di grafici
6. Test di significatività
Introduzione ai test di ipotesi
Comprensione dei p-value e della significatività statistica
I test statistici più comuni
Interpretazione dei risultati dei test e delle assunzioni
7. Intervalli di confidenza
Concetto di intervalli di confidenza e loro interpretazione
Calcolo degli intervalli di confidenza per medie, proporzioni e differenze
Comprensione della relazione tra intervalli di confidenza e test di ipotesi
Applicazioni pratiche e esempi
8. Dimensione dello studio
Importanza della dimensione del campione negli studi di ricerca
Calcolo della dimensione del campione per vari disegni di studio: trasversali, coorte, trial clinici
Fattori che influenzano la dimensione del campione: dimensione dell'effetto, potenza, livello di significatività
Strumenti e software pratici per il calcolo della dimensione del campione
9. Modelli di regressione
Introduzione all'analisi di regressione: scopi e tipi
Regressione lineare semplice: assunzioni, interpretazione, diagnostica
Regressione lineare multipla: gestione di più predittori, termini di interazione
Regressione logistica: risultati binari, odds ratio, adattamento del modello
Applicazioni pratiche nella ricerca medica
10. Analisi della sopravvivenza
Introduzione ai dati di sopravvivenza e censura
Estimatore di Kaplan-Meier e curve di sopravvivenza
Test log-rank per il confronto delle curve di sopravvivenza
Modello di rischi proporzionali di Cox: assunzioni, interpretazione, diagnostica del modello
Applicazioni negli studi clinici e in epidemiologia
11. Modelli Multivariati
Introduzione all'analisi multivariata: scopi e tipi
Analisi delle componenti principali (PCA): riduzione della dimensionalità
Modelli di regressione trivariati
Applicazioni pratiche ed esempi nella ricerca medica
Ogni modulo includerà lezioni teoriche, esempi pratici e esercizi pratici utilizzando set di dati medici reali. L'uso dell'ambiente R sarà integrato durante tutto il corso per garantire che gli studenti acquisiscano esperienza pratica nell'analisi e nella visualizzazione dei dati.
Introduzione ai disegni di studio: studi osservazionali vs. sperimentali
Tipi di studi osservazionali: trasversali, coorte, caso-controllo
Tipi di studi sperimentali: trial controllati randomizzati, quasi-sperimentali
Bias e confondimento nel disegno di studio
Considerazioni etiche nella ricerca medica
2. Distribuzioni di frequenza
Comprensione e costruzione di tabelle di frequenza
Rappresentazioni grafiche: istogrammi, grafici a barre, diagrammi a torta
Frequenza relativa, frequenza cumulativa e loro importanza
Identificazione e interpretazione di schemi e valori anomali nei dati
3. Misure di posizione/variabilità
Calcolo delle misure di posizione: media, mediana, moda
Calcolo delle misure di variabilità: intervallo, intervallo interquartile, varianza, deviazione standard
Applicazioni e limitazioni di ciascuna misura
Comprensione dell'importanza della dispersione e della forma della distribuzione
4. Misure di occorrenza/effetto
Misure di occorrenza: prevalenza, incidenza, incidenza cumulativa
Misure di effetto: rischio relativo, odds ratio, rischio attribuibile
Calcolo e interpretazione di queste misure negli studi medici
Applicazioni in sanità pubblica e ricerca clinica
5. L’ambiente R: Oggetti e Sintassi
Introduzione a R e all'interfaccia di RStudio
Oggetti di base in R: vettori, matrici, data frame, liste
Scrittura ed esecuzione di script in R
Manipolazione e pulizia dei dati in R
Visualizzazione in R: funzioni di base per la creazione di grafici
6. Test di significatività
Introduzione ai test di ipotesi
Comprensione dei p-value e della significatività statistica
I test statistici più comuni
Interpretazione dei risultati dei test e delle assunzioni
7. Intervalli di confidenza
Concetto di intervalli di confidenza e loro interpretazione
Calcolo degli intervalli di confidenza per medie, proporzioni e differenze
Comprensione della relazione tra intervalli di confidenza e test di ipotesi
Applicazioni pratiche e esempi
8. Dimensione dello studio
Importanza della dimensione del campione negli studi di ricerca
Calcolo della dimensione del campione per vari disegni di studio: trasversali, coorte, trial clinici
Fattori che influenzano la dimensione del campione: dimensione dell'effetto, potenza, livello di significatività
Strumenti e software pratici per il calcolo della dimensione del campione
9. Modelli di regressione
Introduzione all'analisi di regressione: scopi e tipi
Regressione lineare semplice: assunzioni, interpretazione, diagnostica
Regressione lineare multipla: gestione di più predittori, termini di interazione
Regressione logistica: risultati binari, odds ratio, adattamento del modello
Applicazioni pratiche nella ricerca medica
10. Analisi della sopravvivenza
Introduzione ai dati di sopravvivenza e censura
Estimatore di Kaplan-Meier e curve di sopravvivenza
Test log-rank per il confronto delle curve di sopravvivenza
Modello di rischi proporzionali di Cox: assunzioni, interpretazione, diagnostica del modello
Applicazioni negli studi clinici e in epidemiologia
11. Modelli Multivariati
Introduzione all'analisi multivariata: scopi e tipi
Analisi delle componenti principali (PCA): riduzione della dimensionalità
Modelli di regressione trivariati
Applicazioni pratiche ed esempi nella ricerca medica
Ogni modulo includerà lezioni teoriche, esempi pratici e esercizi pratici utilizzando set di dati medici reali. L'uso dell'ambiente R sarà integrato durante tutto il corso per garantire che gli studenti acquisiscano esperienza pratica nell'analisi e nella visualizzazione dei dati.
Lingua Insegnamento
ITALIANO
Altre informazioni
Agli studenti che seguiranno il corso è chiesto di avere a disposizione un
laptop per le esercitazioni in R.
Il docente riceve gli studenti solo su appunto, previo invio di una mail
all'indirizzo: davide.gentilini@unipv.it
laptop per le esercitazioni in R.
Il docente riceve gli studenti solo su appunto, previo invio di una mail
all'indirizzo: davide.gentilini@unipv.it
Corsi
Corsi
MEDICINA E CHIRURGIA
Laurea Magistrale Ciclo Unico 6 Anni
6 anni
No Results Found