Statystyka w badaniach biomedycznych WMCM-LE-SwBB
Przedmiot odbywa się w semestrze letnim. Obejmuje 40h dydaktycznych wykładów, prowadzonych trybie stacjonarnym oraz 20h dydaktycznych ćwiczeń, prowadzonych zdalnie, za pośrednictwem platformy MS Teams.
W ramach ćwiczeń wykorzystywane będą następujące narzędzia: pakiet MS Excel, oprogramowanie SPSS (lub Prism).
Program wykładów:
- Podstawy EBM 1: formułowanie pytania badawczego (metoda PICO); rodzaje badań klinicznych; fazy badań klinicznych;
- Podstawy EBM 2: Istotność kliniczna
- Podstawy EBM 3: Parametry trafności diagnostycznej; krzywa ROC
- Podstawy EBM 4: analiza krytyczna publikacji (wybrane schematy badawcze); badania oryginalne, przeglądy systematyczne i metaanalizy; obsługa baz artykułów medycznych na przykładzie PubMeda; klasy zaleceń i poziomy wiarygodności danych; piramida EBM; błędy systematyczne; NOWE: narzędzia pomocne w przeglądach literatury wykorzystujące algorytmy sztucznej inteligencji na przykładzie OpenEvidence; odpowiedzialne korzystanie z narzędzi sztucznej inteligencji w pracy naukowej.
- Podstawy statystyki 1: Czym zajmuje się statystyka?; Populacja a próba; Pojęcie parametru, statystyki i estymatora; podstawowe statystyki opisowe;
- Podstawy statystyki 2: Prawdopodobieństwo – przypomnienie; zmienna losowa i jej rozkład; rodzaje i typy zmiennych; sposoby prezentacji rozkładu jednej zmiennej; rozkład normalny
- Podstawy statystyki 3: Klasyfikacja Rola-Typ; sposoby prezentacji rozkładu 2 zmiennych
- Podstawy statystyki 4: Próbkowanie; parametry a statystyki; estymacja punktowa: przykłady estymatorów – średnia z próby i p z daszkiem; statystyka jako zmienna losowa; estymacja przedziałowa; przedziały ufności
- Podstawy statystyki 5: Testowanie hipotez statystycznych; błędy I i II rodzaju; poziom istotności statystycznej; moc testu; p-wartość; testy dla pojedynczych prób: testy zgodności z rozkładem normalnym; test proporcji, test t-Studenta
- Podstawy statystyki 6: Testy dla 2 lub więcej prób: testy parametryczne i nieparametryczne (t-Student, ANOVA, UMW, K-W, chi2), korelacje; NOWE: Moc testu
Program ćwiczeń:
- Ocena istotności klinicznej – zadania obliczeniowe
Bezwzględne/względne zmniejszenie/zwiększenie ryzyka (ARI/ARR, RRI/RRR), ryzyko względne (RR), iloraz szans (OR), liczba konieczna do leczenia/”skrzywdzenia”(NNT/NNH)
- Parametry trafności testów diagnostycznych – zadania obliczeniowe
Wyniki fałszywie/prawdziwie negatywne/pozytywne (F/T N/P), czułość, swoistość, dodatnia/ujemna wartość predykcyjna
- Techniki efektywnego przeszukiwania baz artykułów biomedycznych, na przykładzie PubMeda
- Przelotne spotkanie z arkuszem kalkulacyjnym Microsoft Excel
Wczytywanie plików .xlsx i .csv, dodawanie, usuwanie kolumn, tworzenie nowych kolumn na podstawie istniejących, liczenie podstawowych statystyk opisowych, rysowanie wykresów, przydatne skróty klawiszowe
- Wprowadzenie do programu SPSS (lub Prism)
Instalacja i uruchomienie programu, wczytywanie i przygotowanie plików, omówienie podstawowych funkcjonalności programu, statystyka opisowa w SPSS (lub Prism)
- Identyfikacja zmiennych w problemach badawczych. Metody wizualizacji pojedynczych zmiennych oraz par zmiennych w programie SPSS. Korelacja
- Metody badania zgodności z rozkładem normalnym przy użyciu programu SPSS (lub Prism). Dobór testów parametrycznych/nieparametrycznych w przypadku zmiennych ilościowych.
- Porównywanie proporcji i średnich (median) z ustaloną wartością oraz między grupami niepowiązanymi – testy t-Studenta, Manna-Whitneya, Kruskala-Wallisa i ANOVA
- Porównywanie proporcji i średnich między grupami powiązanymi. Moc testu
- Test niezależności chi-kwadrat
ENG:
The course takes place in the summer semester. It includes 40 hours of in-person lectures and 20 hours of remote exercises conducted via the MS Teams platform.
The following tools will be used during the exercises: MS Excel, SPSS software (or Prism).
Lecture Program:
- Fundamentals of EBM 1: Formulating research questions (PICO method); types of clinical studies; phases of clinical trials.
- Fundamentals of EBM 2: Clinical significance.
- Fundamentals of EBM 3: Parameters of diagnostic validity; ROC curve.
- Fundamentals of EBM 4: Critical analysis of publications (selected study designs); original studies, systematic reviews, and meta-analyses; navigating medical article databases using PubMed as an example; classes of recommendations and levels of data reliability; EBM pyramid; systematic errors; NEW: tools for literature reviews utilizing artificial intelligence algorithms, exemplified by OpenEvidence; responsible use of AI tools in scientific work.
- Fundamentals of Statistics 1: What does statistics deal with? Population vs. sample; concepts of parameter, statistic, and estimator; basic descriptive statistics.
- Fundamentals of Statistics 2: Probability – a refresher; random variables and their distributions; types of variables; methods of presenting the distribution of a single variable; normal distribution.
- Fundamentals of Statistics 3: Classification Role-Type; methods of presenting the distribution of two variables.
- Fundamentals of Statistics 4: Sampling; parameters vs. statistics; point estimation: examples of estimators – sample mean and p-hat; statistics as a random variable; interval estimation; confidence intervals.
- Fundamentals of Statistics 5: Hypothesis testing; Type I and Type II errors; level of statistical significance; test power; p-value; tests for single samples: tests for normality; proportion tests, t-tests.
- Fundamentals of Statistics 6: Tests for two or more samples: parametric and nonparametric tests (t-tests, ANOVA, Mann-Whitney, Kruskal-Wallis, chi-square), correlations; NEW: Test power.
Exercises Program:
- Assessing clinical significance – computational tasks.
Absolute/relative risk reduction/increase (ARI/ARR, RRI/RRR), relative risk (RR), odds ratio (OR), number needed to treat/harm (NNT/NNH).
- Parameters of diagnostic test validity – computational tasks.
False/true negative/positive results (F/T N/P), sensitivity, specificity, positive/negative predictive value.
- Techniques for effective searching of biomedical article databases, using PubMed as an example.
- Brief introduction to Microsoft Excel.
Importing .xlsx and .csv files, adding and deleting columns, creating new columns based on existing ones, calculating basic descriptive statistics, creating charts, useful keyboard shortcuts.
- Introduction to SPSS (or Prism).
Installation and launching of the software, importing and preparing files, discussion of basic functionalities, descriptive statistics in SPSS (or Prism).
- Identifying variables in research problems. Methods for visualizing single variables and pairs of variables in SPSS. Correlation.
- Methods for testing normality using SPSS (or Prism). Selecting parametric/nonparametric tests for quantitative variables.
- Comparing proportions and means (medians) against a fixed value and between unrelated groups – t-tests, Mann-Whitney, Kruskal-Wallis, and ANOVA.
- Comparing proportions and means between related groups. Power analysis
- Chi-square test of independence.
|
W cyklu 2023/24_L:
Program wykładów: Program ćwiczeń: |
Dyscyplina naukowa, do której odnoszą się efekty uczenia się
E-Learning
Grupa przedmiotów ogólnouczenianych
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
W cyklu 2025/26_L: | W cyklu 2024/25_L: | W cyklu 2023/24_L: |
Efekty kształcenia
Student zna i rozumie pojęcia i zagadnienia wymienione w opisie przedmiotu.
ENG:
The student knows and understands the concepts and topics mentioned in the course description.
Kryteria oceniania
Do zaliczenia przedmiotu konieczne jest zaliczenie zarówno części wykładowej, jak i ćwiczeniowej. Obecność na wykładach jest obowiążkowa. Usprawiedliwione nieobecności można odrabiać. Każdy przypadek jest rozpatrywany indywidualnie.
Zaliczenie części wykładowej polega na wykonaniu w kilkuosobowej grupie projektu, a następnie jego indywidualnej "obronie", w formie odpowiedzi na kilka pytań wykładowcy. Maksymalna liczba punktów do zdobycia za projekt wynosi 40. Szczegółowe wymagania dotyczące projektu zostaną opublikowane w zespole przedmiotu na MS Teams.
Zaliczenie części ćwiczeniowej polega na wykonywaniu punktowanych zestawów zadań. W ramach ćwiczeń zostanie udostępnionych 6 zestawów punktowanych, każdy po 5 pkt. Termin oddania zadań wyznacza osoba prowadząca ćwiczenia w danej grupie.
Warunkiem zaliczenia części wykładowej jest zdobycie min. 21/40 pkt z projektu, a ćwiczeń - min. 18/30 pkt z punktowanych zestawów zadań.
Suma punktów uzyskanych z części wykładowej i ćwiczeniowej zostanie przeliczona na ocenę z przedmiotu wg. poniższych kryteriów:
>=64 pkt - ocena bardzo dobra (5.0)
[59-64) pkt - ocena dobra plus (4.5)
[55,59) pkt - ocena dobra (4.0)
[49,55) pkt - ocena dostateczna plus (3.5)
[39,49) pkt - ocena dostateczna (3.0)
<39 pkt - ocena niedostateczna (2.0)
ENG:
To pass the course, it is necessary to complete both the lecture and exercise components. Attendance at lectures is mandatory. Justified absences can be made up for, and each case will be considered individually.
Passing the lecture component involves completing a project in a small group, followed by an individual "defense" in the form of answering several questions from the instructor. The maximum number of points that can be earned for the project is 40. Detailed requirements for the project will be published in the course team on MS Teams.
Passing the exercise component involves completing a series of graded tasks. A total of 6 graded task sets will be provided, each worth 5 points. The deadline for submitting tasks will be determined by the instructor leading the exercises for each group.
To pass the lecture component, students must achieve a minimum of 21 out of 40 points on the project, and to pass the exercise component, a minimum of 18 out of 30 points on the graded task sets is required.
The total points obtained from both the lecture and exercise components will be converted into a course grade according to the following criteria:
>= 64 points - Very Good (5.0)
[59-64) points - Good Plus (4.5)
[55-59) points - Good (4.0)
[49-55) points - Satisfactory Plus (3.5)
[39-49) points - Satisfactory (3.0)
< 39 points - Unsatisfactory (2.0)
Literatura
1. M. Zalewska, W. Niemiro, Biostatystyka od podstaw do zaawansowanych metod, PZWL Wydawnictwo Lekarskie, Warszawa 2022
Uwagi
|
W cyklu 2024/25_L:
W roku akademickim 2024/2025 wykłady prowadzi prof. Antoni Grzanka, a ćwiczenia Antonina Ślubowska. |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: