- Big Data in Health Care
- Summary
Course Syllabus
Obiettivi
Il corso si propone di fornire i concetti di base di epidemiologia clinica che sono alla base di un adeguato approccio metodologico a un progetto di ricerca nel campo clinico. Lo studente sarà in grado di gestire i big data nella ricerca medica, concentrandosi in particolare su diversi aspetti tra cui la progettazione, la gestione e l'analisi dei dati. Lo studente sarà in grado di implementare strategie di disegno adeguate ai trial clinici e studi osservazionali. Lo studente sarà in grado di applicare modelli di regressione per l’analisi di dati di sopravvivenza e longitudinali e di utilizzare questi modelli per la predizione del rischio e la valutazione di relazioni causali tra le variabili. Lo studente sarà in grado di usare metodologie statistiche adeguate allo studio di dati genetici.
Contenuti sintetici
Epidemiologia clinica. Disegni di trial clinici e studi osservazionali. Metodi statistici per l’analisi di dati di sopravvivenza, dati con misure ripetute, modelli di predizione del rischio e inferenza causale. Metodi statistici per l’analisi di dati "omici".
Programma esteso
Nozioni di base sull'epidemiologia clinica.
Disegni di studio: cross-sectional, caso-controllo, trial randomizzati, disegni per la validazione di biomarkers.
Metodi statistici per l'analisi della sopravvivenza, dati con misure ripetute, modelli predittivi di rischio (stima e validazione), inferenza causale.
Metodi di regressione penalizzata per l'analisi della sopravvivenza su dati di "omica".
Prerequisiti
Statistica descrittiva e inferenziale.
Modalità didattica
Lezioni frontali con l'utilizzo di metodologie attive affiancate da laboratori informatici con attività supervisionate in piccolo gruppi usando il software R. Lettura critica di articoli metodologici riguardanti la ricerca clinica.
Nel caso in cui la situazione di criticità dovuta alla pandemia da Covid-19 dovesse persistere anche nel secondo semestre, le lezioni saranno erogate in modalità remota asincrona (caricamento di videolezioni sulla pagina e-learning) con eventi in videoconferenza sincrona tramite piattaforma WebEx.
Materiale didattico
Slides proiettate a lezione.
Si segnalano i seguenti testi per approfondimento:
Machin D., Campbell M.J. (2005). Design of studies for medical research, Chichester: John Wiley & Sons.
E. Marubini, M.G. Valsecchi (1995). Analysing survival data from clinical trials and observational studies, Chichester: John Wiley & Sons.
Vittinghoff, E., Glidden, D. V., Shiboski, S. C., McCulloch, C. E. (2005). Statistics for biology and health. Regression methods in biostatistics: Linear, logistic, survival, and repeated measures models. New York, NY, US: Springer Publishing Co.
Laird N.M., Lange C. (2011). The fundamentals of modern statistical genetics. New York, NY, US: Springer Publishing Co.
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
Questionario di valutazione finale con risposte a scelta multipla per valutare la preparazione sul programma complessivo. Il voto peserà per il 40% sul giudizio finale.
Progetto individuale riguardante l’analisi di big data per testare la capacità dello studente nell'applicazione della metodologia di ricerca negli studi clinici. Il voto peserà per il 60% sul giudizio finale.
Orario di ricevimento
Si riceve su appuntamento da concordare via e-mail.
Aims
This course aims to provide the basic concepts of clinical epidemiology that are at the basis of a proper methodological approach to a research project in medicine. The student will be able to deal with big data in health care particularly focusing on several aspects including design, data management and analysis. The student will be able to implement optimal design strategies for clinical trials and observational studies. The student will be able to apply regression models for the analysis of time to event and longitudinal data and to use these models for risk prediction and for the assessment of causal relations between variables. The student will be able to use proper statistical methods for the analysis of genetic data.
Contents
Clinical epidemiology. Designs of clinical trials and observational studies. Statistical methods for time to event data, repeated measures data, risk prediction models, causal analysis. Statistical methods for the analysis of omics data.
Detailed program
Basics in clinical epidemiology.
Study design in medicine: cross-sectional, case-control, case-cohort, randomized trials, biomarker driven designs.
Statistical methods for time-to-event data, repeated measures data, risk prediction models (building and validation), causal analysis.
Penalized regression methods for the analysis of time-to-event data in omics.
Prerequisites
Descriptive and inferential statistics.
Teaching form
In case the emergency situation due to the Covid-19 pandemic will persist until the second semester, lectures will be supplied in asynchronous modality, through videos available from the e-learning course page, and by synchronous videoconferences on the WebEx platform.
Textbook and teaching resource
Teaching slides.
The following textbooks are suggested:
Machin D., Campbell M.J. (2005). Design of studies for medical research, Chichester: John Wiley & Sons.
E. Marubini, M.G. Valsecchi (1995). Analysing survival data from clinical trials and observational studies, Chichester: John Wiley & Sons.
Vittinghoff, E., Glidden, D. V., Shiboski, S. C., McCulloch, C. E. (2005). Statistics for biology and health. Regression methods in biostatistics: Linear, logistic, survival, and repeated measures models. New York, NY, US: Springer Publishing Co.
Laird N.M., Lange C. (2011). The fundamentals of modern statistical genetics. New York, NY, US: Springer Publishing Co.
Semester
Second semester
Assessment method
Final questionnaire with closed answer to evaluate the preparation on the overall program. This mark will contribute for the 40% of the final judgement.
Final individual project exercise on big data to test the ability of the student in the application of research methodology in health care. This mark will contribute for the 60% of the final judgement.