Bioestadística 2
Llengua d'impartició principal: català
Altres llengües d'impartició: anglès, castellà
Responsable
Dr. Adrián GONZÁLEZ - agonzalezm@uic.es
Horari d'atenció
Responsable: Adrián González Marrón (agonzalezm@uic.es)
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.
Haver cursat i superat l'assignatura Bioestadística I.
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.
Bloc 1. Revisió estadística I
Bloc 2. Introducció al model de regressió lineal i ANOVA
Bloc 3. Model de regressió logística
Bloc 4. Introducció a l’anàlisi de supervivència
Es realitzaran activitats a l'aula i fora de l'aula. A l'aula s'impartiran classes teòriques i es realitzaran exercicis pràctics tutoritzats. Fora de l'aula es realitzaran treballs individuals.
La metodologia emprada en aquesta assignatura consistirà en presentacions teòriques (30%) i mètodes del cas i pràctiques amb ordinador (70%).
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.
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.