Universitat Internacional de Catalunya
Bioestadística 2
Altres llengües d'impartició: anglès, castellà
Professorat
Responsable: Adrián González Marrón (agonzalezm@uic.es)
Presentació
Aquesta assignatura està orientada a capacitar als alumnes amb les eines de bioestadística necessàries per valorar de manera crítica la metodologia dels articles de recerca en Ciències de la Salut. Així com, proporcionar als alumnes les tècniques de bioestadística perquè puguin elaborar i dur a terme projectes de recerca en Ciències de la Salut.
A l'àrea de les Ciències de la Salut, les poblacions humanes són heterogènies respecte a certes característiques que les poden predisposar a desenvolupar una determinada malaltia. En aquest sentit, l'estudi d'aquesta variabilitat mitjançant models de regressió s'ha convertit en una eina de gran utilitat per estudiar la relació entre la malaltia i característiques de la població. El propòsit d'aquesta assignatura és presentar els models de regressió més utilitzats en la recerca en Ciències de la Salut.
Requisits previs
Cap
Objectius
- Presentar els models de regressió més útils segons l’objectiu de l’estudi i la variable d’interès
- Estimar, construir i validar els models de regressió clàssics amb programes estadístics
- Interpretar els resultats dels models de regressió proporcionats pels programes informàtics
- Fomentar la lectura crítica de literatura científica en la qual s’apliquin models de regressió
Competències/Resultats d’aprenentatge de la titulació
- CB10 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom
- CB6 - Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context de recerca
- CB7 - Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi
- CB8 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
- CB9 - Que els estudiants sàpiguen comunicar les seves conclusions -i els coneixements i raons últimes que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats
- CE1 - Saber aplicar el mètode científic, el disseny experimental i la bioestadística per resoldre una pregunta o contrastar una hipòtesi en l'àmbit clínic
- CE10 - Saber aplicar els fonaments ètics, legislatius i humanitaris en l'exercici de la recerca i en la difusió dels resultats
- CE2 - Saber dissenyar un projecte de recerca en l'àmbit clínic dins d'un context específic
- CE3 - Saber descriure els dissenys metodològics utilitzats en les recerques en salut, tant quantitatives com a qualitatives de l'entorn sanitari
- CE4 - Saber emprar instruments d'avaluació crítica d'articles de recerca qualitatius i quantitatius
- CE5 - Aplicar el llenguatge d'escriptura científica en la comunicació de resultats de salut
- CE6 - Saber descriure i aplicar les tècniques més habituals per explorar i analitzar les dades, les relacions entre variables o categories i/o el contrast d'hipòtesi tant en recerca quantitativa com a qualitativa
- CE7 - Saber identificar problemes de salut susceptibles de ser investigats i aplicar tècniques específiques per a la seva anàlisi i avaluació
- CE9 - Saber aplicar els coneixements específics teòrics i pràctics de la recerca en ciències de la salut
- CG1 - Habilitat per integrar els nous coneixements adquirits a través de la recerca i l'estudi, i fer front a la complexitat
- CG2 - Capacitat crítica d'anàlisi i discussió dels resultats de recerca, així com d'emetre els resultats corresponents
- CG3 - Capacitat de formular preguntes de recerca i operacionalizarlas en forma de projecte de recerca i formular hipòtesi de recerca basades en l'evidència
- CG4 - Capacitat d'argumentar i defensar idees científiques pròpies de forma ètica en relació al procés de recerca
- CT1 - Capacitat d'integració en un equip de treball establert, multidisciplinari i multicultural
Resultats d’aprenentatge de l’assignatura
L'alumne serà capaç de determinar els mètodes estadístics necessaris per contestar a la pregunta científica que es plantegi quan dugui a terme un estudi de recerca. Aprendrà a formular hipòtesis estadístiques a partir d'una pregunta científica i a contestar-la des d'un punt de vista estadístic. Aprendrà a formular els models de regressió lineal múltiple, regressió logística i regressió de Cox així com ha seleccionar el model de regressió segons l'objectiu de l'estudi i les dades disponibles. Desenvoluparà habilitats per llegir de forma crítica la metodologia estadística i els resultats d'un article científic.
L'alumne també serà capaç d'interpretar i comunicar els resultats dels models de regressió. A més, l'alumne estarà familiaritzat amb l'ús d'un software estadístic que li permeti realitzar l'anàlisi de les dades que es generin en la seva recerca, sabent estimar, construir i validar els models de regressió utilitzant aquest software estadístic.
Continguts
Bloc 1. Revisió Bioestadística I
Bloc 2. Introducció al model de regressió lineal i ANOVA
Bloc 3. Model de regressió logística
- Revisió epidemiologia: Mesures de freqüència i mesures d’associació
Bloc 4. Introducció a l’anàlisi de supervivència
- Kaplan-Meier i log-rank
- Model de regressió de Cox
- Conceptes avançats en anàlisis de supervivència
Metodologia i activitats formatives
Modalitat semipresencial (blended)
Es realitzaran activitats a l'aula i fora de l'aula. A l'aula s'impartiran classes teòriques i es realitzaran exercicis pràctics tutoritzats amb un programa estadístic i podran seguir-se de manera remota en Moodle a través de la plataforma Collaborate. Fora de l'aula es realitzaran treballs individuals.
Sistemes i criteris d'avaluació
Modalitat semipresencial (blended)
Es realitzarà una avaluació mixta que tindrà dos components:
1. Avaluació continuada (25%), basada en el lliurament d'exercicis curts i tests durant el curs.
2. Examen final (75%), basada en un cas pràctic a resoldre per ordinador amb un programa estadístic.
Bibliografia i recursos
Referències generals
Martínez-González MA, Sánchez-Villegas, Faulín Fajardos FJ. Bioestadística amigable. 2ª Edición. Ediciones Díaz de Santos, 2006.
Katz MH. Multivariable Analysis: A Practical Guide for Clinicians. Cambridge University Press, 2006.
Szklo M, Nieto J (traducción Luis Carlos Silva y Rosa Jiménez). Epidemiologia intermedia. Diaz de Santos. 2003.
Alan Grafen, Rosie Hails. Modern statistics for the life sciences. Oxford University Press, 2002.
Martin Bland. An Introduction to medical statistics. Oxford University Press, 1990.
Hosmer, DW, Lemeshow S. Applied logistic regression. New York. John Wiley & Sons. 2000.
Hosmer, DW, Lemeshow S. Applied survival analysis: regression modeling of time to event data. New York. John Wiley & Sons. 1999.
Rabe-Hesketh S. Everitt B. A Handbook of Statistical Analyses Using Stata, 4th Edition. Chapman & Hall/CRC. 2007.
Hilbe JM. Logistic Regression Models. Boca Raton : Chapman & Hall/CRC, 2009.
Cleves M, Gould WW, Gutierrez RB, Marchenko Y. An Introduction to survival analysis using stata. College Station, Texas : Stata Press, 2010.
Silva LC. Excursión a la regresión logística en ciencias de la salud. Madrid: Díaz de Santos, cop.1995.
Articles recomanats
Regressió lineal
Cozzi-Lepri A, Prosperi MC, Kjær J, Dunn D, Paredes R, Sabin CA et al. Can linear regression modeling help clinicians in the interpretation of genotypic resistance data? An application to derive a lopinavir-score. PLoS One. 2011; 6(11): e25665.
Hart J. Association between heart rate variability and manual pulse rate. J Can Chiropr Assoc. 2013; 57(3):243-50.
Marconi VC, Grandits G, Okulicz JF, Wortmann G, Ganesan A, Crum-Cianflone N et al. Cumulative viral load and virologic decay patterns after antiretroviral therapy in HIV-infected subjects influence CD4 recovery and AIDS. PLoS One. 2011; 6(5): e17956.
Phillips AN, Sabin CA, Elford J, Bofill M, Janossy G, Lee CA. Use of CD4 lymphocyte count to predict long-term survival free of AIDS after HIV infection. BMJ. 1994; 309(6950): 309-13.
Perrier E et al. Relation between urinary hydration biomarkers and total fluid intake in healthy adults. Eur J Clin Nutr. 2013; 67(9):939-43.
Rudge MV. et al. The safe motherhood referral system to reduce cesarean sections and perinatal mortality - a cross-sectional study [1995-2006]. Reprod Health. 2011; 8:34.
Silva LC, Barroso IM. Selección algorítmica de modelos en las aplicaciones biomédicas de la regresión múltiple. Med Clin (Barc) 2001; 116(19): 741-745.
Taylor R. Interpretation of the correlation coefficient: a basic review. J Diagn Med Sonogr 1990; 1:35-39.
Thorsteinsson K, Ladelund S, Jensen-Fangel S, Johansen IS, Katzenstein TL, Pedersen G et al. Impact of gender on response to highly active antiretroviral therapy in HIV-1 infected patients: a nationwide population-based cohort study. BMC Infect Dis. 2012; 12: 293.
Xu X, Hu H, Dailey AB, Kearney G, Talbott EO, Cook RL. Potential health impacts of heavy metals on HIV-infected population in USA. PLoS One. 2013; 8(9): e74288.
Regressió logística
Bland JM, Altman DG. The odds ratio. BMJ. 2000; 320 (7247): 1468.
Cortès I, et al. Desigualdades en la salud mental de la población ocupada. Gac Sanit. 2004: 18 (5): 351-9.
Silva LC. Una ceremonia estadística para identificar factores de riesgo. Salud Colect. 2005; 1(3): 309-22.
Anàlisi de supervivència
Bland JM, Altman DG. Survival probabilities (the Kaplan-Meier method). BMJ. 1998; 317(7172): 1572.
Bland JM, Altman DG. The logrank test. BMJ. 2004; 328(7447): 1073.
Bull K, Spiegelhalter DJ. Survival analysis in observational studies: tutorial in biostatistics. Statistics in Medicine. 1997; 16(9): 1041-74.
Clark TG, Bradburn MJ, Love SB, Altman DG. Survival analysis Part I: Basic concepts and first analyses. Br J Cancer 2003; 89(2): 232-8.
Cologne J, Hsu WL, Abbott RD, Ohishi W, Grant EJ, Fujiwara S et al. Proportional hazards regression in epidemiologic follow-up studies : an intuitive consideration of primary time scale. Epidemiology. 2012; 23(4): 565-73.
Fisher LD, Lin DY. Time-dependent covariates in the Cox proportional-hazards regression model. Annu. Rev. Public Health. 1999. 20:145-57.
Holmes MD, Chen WY, Feskanich D, Korenke CH, Coldits GA. Physical activity and survival after breast cancer diagnosis. JAMA. 2005; 293: 2479-86.
Lee WS, Yun SH, Chun HK, Lee WY, Yun HR, Kim J et al. Pulmonary resection for metastases from colorectal cancer: prognostic factors and survival. Int J Colorectal Dis. 2007; 22(6):699-704.