Course Syllabus
Obiettivi formativi
Il corso si propone di fornire le basi teoriche e le conoscenze informatiche necessarie per l’analisi di dati raccolti mediante un disegno sperimentale o osservazionale, e l’interpretazione dei risultati, con particolare attenzione ai disegni adattativi e ai modelli predittivi. Tutti gli argomenti sono completati da esercitazioni pratiche condotte in ambiente SAS.
L'insegnamento consente allo studente di acquisire solide basi nell'applicazione della statistica al contesto biostatistico.
Conoscenza e comprensione
Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente a:
- l'uso dei diversi disegni sperimentali e i principi degli studi predittivi
- l'applicazione delle tecniche statistiche dei modelli misti agli studi sperimentali ed osservazionali
Capacità di applicare conoscenza e comprensione
Alla fine dell'insegnamento gli studenti saranno in grado di:
- analizzare i dati provenienti da uno studio sperimentale o osservazionale con i modelli misti
- interpretare sinteticamente e con linguaggio tecnico le misure ottenute
- valutare un protocollo di ricerca di uno studio sperimentale
Contenuti sintetici
Metodi statistici per l’analisi dei principali disegni sperimentali e di quelli adattivi
Metodi statistici per l’analisi dei modelli predittivi
Programma esteso
Introduzione teorica e pratica (in ambiente SAS) ai modelli statistici per l'analisi dei principali disegni degli esperimenti (completamente casualizzato, a blocchi, fattoriale, crossover)
Disegno e analisi degli studi randomizzati d'intervento (randomizzazione a cluster)
Introduzione agli studi adattativi
Introduzione ai modelli predittivi
Calibrazione e discriminazione nei modelli predittivi
Prerequisiti
Nessuna propedeuticità formale. Si consiglia però la conoscenza dei contenuti degli insegnamenti di Modelli statistici I
Metodi didattici
Lezioni frontali alternate a lezioni pratiche su dati reali erogate in laboratorio informatico.
Solo in caso di emergenza COVID-19, le attività didattiche si svolgeranno anche in videoconferenza streaming.
Modalità di verifica dell'apprendimento
Modalità prova finale per frequentanti
Scritto con orale facoltativo. La prova scritta consta di due momenti. Nella prima parte gli studenti, a gruppo, analizzeranno un piccolo dataset di dati reali relativi a uno studio osservazionale o sperimentale e stileranno un report scienrifico con i principali passaggi delle analisi e dei risultati commentandoli in funzione del quesito clinico richiesto nel tema d'esame. Il software da utilizzare è SAS. Il prodotto dell'analisi (report dei risultati e commenti) verrà inviato al docente, prima della data dell'esame, che verificherà la correttezza dell'impostazione e la valutazione dei risultati ottenuti. Al momento dell'orale il contenuto del lavoro potrà essere presentato da tutti i componenti del gruppo che descriveranno e difenderanno il loro operato. Il voto attribuito alla prova di laboratorio sintetizzerà le capacità organizzativa di un lavoro di analisi oltre alla correttezza delle metodologie statistiche utilizzate e delle conclusioni. La seconda poarte della prova scritta consiste nella stesura di una tesina per ciscun studente in cui si approfondirà, da un punto di vista teorico,un argomento a scelta tra quelli presentati nel corso . Anche la tesina produrrà un voto. Il voto finale attribuito allo studente sarà una media del voto della prova di laboratorio e della tesina purchè entrambe siano sufficienti.
Modalità prova finale per non frequentanti
La prova finale sarà identica a quella dei frequentanti tranne per il fatto che la prova di laboratorio sarà individuale e si svolgerà durante la sessione d'esame. La durata sarà di circa un ora e mezza.
In caso di protrarsi dell'emergenza COVID-19, le attività di verifica dell’apprendimento si svolgeranno da remoto secondo le modalità indicate sulla piattaforma e-learning.
Testi di riferimento
Davies CS. Statistical Methods for the Analysis of Repeated Measurements. Springer, 2002
Chang M. Adaptive design theory and implementation using SAS and R. Chapman and Hall, 2008
Harrell F. Regression Modeling Strategies With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. Springer, 2015
Slide delle lezioni e materiale integrativo disponibili sulla piattaforma della didattica online http://elearning.unimib.it/.
Il materiale è identico per frequentanti e non frequentanti
Periodo di erogazione dell'insegnamento
II semestre, IV periodo (approssimativamente maggio-giugno).
Lingua di insegnamento
L'insegnamento è completamente erogato in italiano. La maggior parte del materiale su cui gli studenti dovranno lavorare per la preparazione della tesina (ricerca bibliografica di articoli scientifici e testi) è in inglese. La tesina può essere scritta in inglese.
Sustainable Development Goals
Learning objectives
The course aims to provide the theoretical basis and the computer skills necessary for the analysis of experimental and observational data and the interpretation of results, with a focus on adaptive designs and predictive models. All subjects are complemented by practical exercises conducted with language SAS.
The course will allow the student to acquire solid foundations in the application of biostatistic model.
Knowledge and understanding
This course will provide knowledge and understanding in relation to:
- the rationale of different experimental designs and the principles of predictive studies
- the application of mixed models to experimental and observational studies
Ability to apply knowledge and understanding
At the end of the course the students will be able to:
- analyze data from an experimental or observational study with mixed models
- to interpret the obtained measurements
- evaluate a research protocol for an experimental study
Contents
Statistical methods for classical and adaptive experimental design
Statistical methods for predictive models
Detailed program
Theoretical and practical Introduction to statistical models for the analysis of the main designs of experiments (completely randomized, block, factorial, crossover (with language SAS)
Design and analysis of randomized intervention studies (cluster randomization)
Introduction to adaptive studies
Introduction to predictive models
Discrimination and calibration for predictive models
Prerequisites
No formal prerequisites. It is reccommended, however, the knowledge of the content of the following courses: Statistical models I
Teaching methods
Lectures and computer lab classes
Only if COVID-19 emergency will continue the activities will take place also in videoconference streaming.
Assessment methods
Final test mode for attending students
Written exam with optional oral. The written test consists of two moments. In the first part the students, organised in groups, will analyze a small dataset of real data relating to an observational or experimental study and will draw up a scientific report with the main steps of the analysis and the resulte and the comment of the latter based on the clinical question required in the examination topic. The software to be used is SAS. The product of the analysis (results report and comments) will be sent to the teacher, before the exam date, who will verify the correctness of the analysis and the evaluation of the results obtained. At the time of the oral exam all the members of the group can describe and defend their actions. The vote awarded to the laboratory test will summarize the organizational skills of an analysis work in addition to the correctness of the statistical methodologies used and conclusions. The second apoart of the written test consists in the writing of a paper for each student in which he will deepen, from a theoretical point of view, a topic to be chosen from those presented in the course . The essay will also produce a vote. The final voto awarded to the student will be an average of the mark of the laboratory test and the thesis provided that both are sufficient.
Final test mode for non-attending students
The final test will be identical to that of the attending students except that the laboratory test will be individual and will take place during the examination session. The duration will be about an hour and a half.
If COVID-19 emergency will continue the exam will take place remotely following the rules reported on the e-learning platform.
Textbooks and Reading Materials
Slides from http://elearning.unimib.it/. Other material will be provided by the teacher
Davies CS. Statistical Methods for the Analysis of Repeated Measurements. Springer, 2002
Chang M. Adaptive design theory and implementation using SAS and R. Chapman and Hall, 2008
Harrell F. Regression Modeling Strategies With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. Springer, 2015
Semester
II semester, IV period (from May to June).
Teaching language
The language of the course is the Italian. Scientific articles needed to bibliographic research for essay are in English language. The essay can be written in English
Sustainable Development Goals
Key information
Staff
-
Antonella Zambon