Course Syllabus
Obiettivi
Il corso si propone di fornire i concetti di base dell'epidemiologia che sono alla base di un adeguato approccio metodologico a un progetto di ricerca nel campo della salute pubblica. Lo studente sarà in grado di gestire i big data nella salute pubblica, 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 registri, ai dati sanitari amministrativi, ai dati clinici ed omici.
- Conoscenza e capacità di comprensione
Al termine del corso lo studente avrà acquisito:
- Concetti core dell’epidemiologia e metodologia della ricerca clinica.
- Logica dei diversi disegni di studio epidemiologici.
- Caratteristiche, strutture e limiti dei Big Data sanitari.
- Conoscenza e capacità di comprensione applicate
Lo studente sarà in grado di applicare le conoscenze statistiche e metodologiche per:
- Progettazione, gestione e analisi statistica di Big Data in sanità pubblica.
- Implementazione di strategie di disegno specifiche per dati amministrativi, clinici e omici.
- Utilizzo dell'ambiente Bioconductor
- Autonomia di giudizio
Lo studente svilupperà la capacità di:
- Scegliere in maniera autonoma modello statistico e disegno di studio più idonei al quesito epidemiologico/clinico.
- Valutare criticamente la qualità dei dati, identificando e correggendo ove possibile bias e confondimenti.
- Abilità comunicative
Lo studente sarà in grado di:
- Tradurre i risultati statistici complessi in report e indicatori chiari per un audience multidisciplinare
- Lavorare e comunicare efficacemente in team multidisciplinari di sanità pubblica.
- Capacità di apprendimento
Lo studente avrà sviluppato abilità di apprendimento autonomo che gli consentiranno di:
- Aggiornarsi autonomamente su modelli statistici avanzati e nuove metodologie di gestione dei dati sanitari.
Contenuti sintetici
Epidemiologia di popolazione. Disegni di studio. Analisi della sopravvivenza. Metodi statistici con applicazione a dati di natura diversa. Integrazione di fonti dati diverse.
Programma esteso
Nozioni di base sull'epidemiologia di popolazione. Disegni di studio per dati provenienti da fonti diverse (dati di registro, biomarcatori, biobanche, sondaggi). Analisi della sopravvivenza: stima della funzione di sopravvivenza e modello di Cox. Utilizzo dell'ambiente Bioconductor.
Prerequisiti
Statistica descrittiva e inferenziale. Uso di R (https://cran.r-project.org/).
Modalità didattica
Lezioni frontali con l'utilizzo di metodologie attive affiancate da laboratori informatici con attività supervisionate in piccoli gruppi. Lettura critica di articoli metodologici riguardanti la salute pubblica.
- 2 lezioni da 2 ore svolte in modalità erogativa in presenza;
- 3 lezioni da 2 ore svolte in modalità erogativa in remoto (asincrona);
- 10 lezioni da 3 ore svolte in modalità erogativa nella parte iniziale che è volta a coinvolgere gli studenti in modo interattivo nella parte successiva.
Materiale didattico
Kenneth J. Rothman Epidemiology: An Introduction Oxford University Press; 2 edition (May 25, 2012)
Eric Vittinghoff, David V. Glidden, Stephen C. Shiboski, Charles E. McCulloch. Regression Methods in Biostatistics Linear, Logistic, Survival, and Repeated Measures Models. Statistics for Biology and Health book series. Springer; 2 edition (March 6, 2012)
Marie Reilly "Beyond classic epidemiological designs" https://www.routledge.com/Controlled-Epidemiological-Studies/Reilly/p/book/9780367186784 Chapman & Hall/CRC Biostatistics Series 2023
Modern Statistics for Modern Biology, by Susan Holmes and Wolfgang Huber, Cambridge University Press (2019). ISBN: 9781108705295.
Periodo di erogazione dell'insegnamento
primo semestre
Modalità di verifica del profitto e valutazione
Questionario di valutazione finale con risposte a scelta multipla (20-30 domande) per valutare la preparazione sul programma complessivo (50% del voto finale).
Progetto riguardante l’analisi di dati per testare la capacità dello studente nell'applicazione della metodologia di ricerca clinica da svoglere autonomamente a casa. In questa prova si valuterà l'appropriatezza delle analisi effettuate e la modalità di presentazione delle stesse (50% del voto finale).
Orario di ricevimento
Martedì 10-12 con appuntamento.
Sustainable Development Goals
Aims
This course aims to provide the basic concepts of epidemiology that are at the basis of a proper methodological approach to a research project in public health. The student will be able to deal with big data in public health particularly focusing on several aspects including design, data managment and analysis. The student will be able to implement optimal design strategies on registries, administrative health data, clinical and omics data.
- Knowledge and Understanding
By the end of the course, students will have acquired:
- Core concepts of epidemiology and clinical research methodology.
- The rationale behind various epidemiological study designs.
- Characteristics, structures, and limitations of health-related Big Data.
- Applied Knowledge and Understanding
Students will be able to apply statistical and methodological knowledge to:
- Design, manage, and perform statistical analysis of Big Data in public health.
- Implement specific design strategies for administrative, clinical, and omics data.
- Use the Bioconductor environment
- Independent Judgment
Students will develop the ability to:
- Independently select the study design and statistical tool that best suit to the epidemiological/clinical question.
- Critically evaluate data quality, identifying and correcting bias and confounders, where possible.
- Communication Skills
Students will be able to:
- Translate complex statistical results into clear reports and indicators for multidisciplinary audience
- Work and communicate effectively in multidisciplinary public health teams.
- Learning Skills
Students will have developed independent learning skills that will enable them to:
- Keep up to date with advanced statistical models and new methods for managing health data.
Contents
Population epidemiology. Study designs. Survival analysis. Statistical methods with application to various types of health data. Integration of different data sources.
Detailed program
Basics in population epidemiology. Advanced study designs to combine data from different sources (registry data, biomarkers, biobanks, surveys). Survival analysis: survival estimate and Cox model regression. Use of the Bioconductor environment.
Prerequisites
Descriptive and inferential statistics. Use of the software R (https://cran.r-project.org/).
Teaching form
Lectures with the use of active methodologies (such as microsimulations) will be interspersed with computer labs in supervised small groups activities. Critical reading of methodological public health papers.
- 2 2-hour lectures conducted in in-person delivery mode;
- 3 2-hour lectures conducted in a remote (asynchronous) delivery mode;
- 10 lectures of 3 hours conducted in delivery mode in the initial part that is aimed at engaging students interactively in the later part.
Textbook and teaching resource
Kenneth J. Rothman Sander Greenland, Timothy L. Lash . Modern Epidemiology. Lippincott Williams & Wilkins; 3 ed.
Eric Vittinghoff, David V. Glidden, Stephen C. Shiboski, Charles E. McCulloch. Regression Methods in Biostatistics Linear, Logistic, Survival, and Repeated Measures Models. Statistics for Biology and Health book series. Springer; 2 edition (March 6, 2012)
Marie Reilly "Beyond classic epidemiological designs" https://www.routledge.com/Controlled-Epidemiological-Studies/Reilly/p/book/9780367186784 Chapman & Hall/CRC Biostatistics Series 2023
Modern Statistics for Modern Biology, by Susan Holmes and Wolfgang Huber, Cambridge University Press (2019). ISBN: 9781108705295.
Semester
first semester
Assessment method
Final questionnaire with closed answer to evaluate the preparation on the overall program (50% of the overall grade).
Final project exercise on data to test the ability of the student in the application of clinical research methodology to be done independently at home. The appropriatness of analyses and their presentation will be evaluated (50% of the overall grade).
Office hours
Tuesday 10-12 with appointment.
