Syllabus del corso
Obiettivi
Il corso si prefigge di fornire allo/alla studente/studentessa conoscenze e competenze di base per organizzare e gestire correttamente i dati nella ricerca sanitaria, con particolare attenzione alla struttura dei dataset, alla qualità dei dati e ai principi di tracciabilità e riproducibilità.
Contenuti sintetici
Elementi teorici e pratici per strutturare, documentare e controllare dati di ricerca. Variabili e codifiche, identificativi, valori mancanti, data dictionary, qualità dei dati e uso appropriato di strumenti informatici per la loro gestione.
Programma esteso
Principi informatici per la gestione dei dati di ricerca. Struttura e organizzazione di dataset, tipi e formati dei dati, codifica e documentazione delle variabili. Qualità, validazione e data cleaning. Tracciabilità e riproducibilità delle trasformazioni. Esercitazioni pratiche con strumenti software.
Prerequisiti
Definiti dal Regolamento Didattico.
Modalità didattica
Lezioni interattive ed esercitazioni pratiche su casi e dataset.
Materiale didattico
Materiali, dataset ed esercitazioni forniti dal docente di riferimento.
Periodo di erogazione dell'insegnamento
Primo anno, primo semestre.
Modalità di verifica del profitto e valutazione
La modalità sarà comunicata nel dettaglio dal docente di riferimento.
Orario di ricevimento
Concordato con il docente via e-mail.
Sustainable Development Goals
Aims
The course aims to provide students with basic knowledge and skills for the appropriate organization and management of healthcare research data, with particular attention to dataset structure, data quality, traceability, and reproducibility.
Contents
Theoretical and practical principles for structuring, documenting, and checking research data. Variables and coding, identifiers, missing values, data dictionaries, data quality, and appropriate use of software tools for data management.
Detailed program
Fundamental principles of research data management. Dataset structure and organization, data types and formats, variable coding and documentation. Data quality, validation, and data cleaning. Traceability and reproducibility of data transformations. Practical exercises using software tools.
Prerequisites
As defined by the Academic Regulations.
Teaching form
Interactive lectures and practical exercises based on cases and datasets.
Textbook and teaching resource
Materials, datasets, and exercises provided by the teacher.
Semester
First year, first semester.
Assessment method
The assessment method will be communicated in detail by the teacher.
Office hours
By appointment, arranged via email with the teacher.
Sustainable Development Goals
Staff
-
Daniele Ramazzotti
