Bioestadística 2
Lengua de impartición principal: catalán
Otras lenguas de impartición: inglés, castellano
Responsable
Dr. Adrián GONZÁLEZ - agonzalezm@uic.es
Horario de atención
Responsable: Adrián González Marrón (agonzalezm@uic.es)
Esta asignatura está orientada a capacitar a los alumnos con las herramientas de bioestadística necesarias para valorar de manera crítica la metodología de los artículos de investigación en Ciencias de la Salud. Así como, proporcionar a los alumnos las técnicas de bioestadística para que puedan elaborar y llevar a cabo proyectos de investigación en Ciencias de la Salud.
En el área de las Ciencias de la Salud, las poblaciones humanas son heterogéneas respecto a ciertas características que las pueden predisponer a desarrollar una determinada enfermedad. En este sentido, el estudio de esta variabilidad mediante modelos de regresión se ha convertido en una herramienta de gran utilidad para estudiar la relación entre la enfermedad y características de la población. El propósito de esta asignatura es presentar los modelos de regresión más utilizados en la investigación en Ciencias de la Salud.
Haber cursado y superado la asignatura Bioestadística I.
El alumno será capaz de determinar los métodos estadísticos necesarios para contestar a la pregunta científica que se plantee cuando lleve a cabo un estudio de investigación. Aprenderá a formular hipótesis estadísticas a partir de una pregunta científica y a contestarla desde un punto de vista estadístico. Aprenderá a formular los modelos de regresión lineal múltiple, regresión logística y regresión de Cox así como ha seleccionar el modelo de regresión según el objetivo del estudio y los datos disponibles. Desarrollará habilidades para leer de forma crítica la metodología estadística y los resultados de un artículo científico.
El alumno también será capaz de interpretar y comunicar los resultados de los modelos de regresión. Además, el alumno estará familiarizado con el uso de un software estadístico que le permita realizar el análisis de los datos que se generen en su investigación, sabiendo estimar, construir y validar los modelos de regresión utilizando dicho software estadístico.
Bloque 1. Revisión estadística I
Bloque 2. Introducción al modelo de regresión lineal y ANOVA
Bloque 3. Modelo de regresión logística
Bloque 4. Introducción al análisis de supervivencia
Se realizarán actividades en el aula y fuera del aula. En el aula se impartirán clases teóricas y se realizarán ejercicios prácticos tutorizados. Fuera del aula se realizarán trabajos individuales.
La metodología empleada en esta asignatura consistirá en presentaciones teóricas (30%) y métodos del caso y prácticas con ordenador (70%).
Se realizará una evaluación mixta que tendrá dos componentes:
1. Evaluación continuada (25%), basada en la entrega de ejercicios cortos y tests durante el curso.
2. Examen final (75%), basada en un caso práctico a resolver por ordenador con un programa estadístico.
Referencias generales
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.OxfordUniversityPress, 2002.
Martin Bland. An Introduction to medical statistics.OxfordUniversityPress, 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.
ClevesM, 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.
Artículos recomendados
Regresión 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,DaileyAB,KearneyG, Talbott EO, Cook RL. Potential health impacts of heavy metals on HIV-infected population inUSA. PLoS One. 2013; 8(9): e74288.
Regresión 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.
Análisis de supervivencia
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.
ClarkTG, 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.