Syllabus database for doctoral courses
-
Startpage
Syllabus database for doctoral courses
SYLLABI FOR DOCTORAL COURSES
| Swedish title | Forskarskolan i klinisk behandlingsforskning - Medicinsk statistik III |
|---|---|
| English title | Research School in Clinical Therapy Research - Medical Statistics III |
| Course number | 5631 |
| Credits | 2.1 |
| Notes |
The course meets the requirements for a general science course. |
| Responsible KI department | Institutionen för klinisk forskning och utbildning, Södersjukhuset |
| Specific entry requirements | Forskarskola i klinisk behandlingsforskning - Medicinsk statistik II eller motsvarande kurs i statistik |
| Grading | Passed /Not passed |
| Established by | Kommittén för utbildning på forskarnivå |
| Established | 2023-05-12 |
| Purpose of the course | Att möjliggöra för deltagarna att få en överblick och tillämpade färdigheter om vissa avancerade statistiska metoder för att:
- kunna besvara medicinska forskningsfrågor och underlätta samarbete med statistiker. - välja, tillämpa och tolka resultat från mixade modeller med tillämpning inom metaanalys samt få en introduktion till maskininlärning. - öka förmågan att läsa, skriva och kritiskt granska vetenskapliga artiklar avseende ovanstående metoder. |
| Intended learning outcomes | Efter avslutad kurs ska deltagarna kunna:
KUNSKAPER OCH FÖRSTÅELSE: Förklara i vilka sammanhang och för vilka frågeställningar mixade modeller och modeller för maskininlärning är lämpliga samt redogöra för fördelar och nackdelar med dessa metoder. Förklara vad metaanalys är och hur det kan användas för att kombinera resultat från olika studier. FÄRDIGHETER: Konstruera en lämplig mixad modell för longitudinella eller hierarkiska data genom att välja lämplig fördelning för responsvariabeln, vilka variabler som skall vara fixa respektive slumpmässiga, vilka interaktionstermer som bör ingå samt lämplig kovariansstruktur. Tillämpa några av de vanligaste maskininlärningsalgoritmerna för prediktion eller klassificering, såsom neurala nätverk och beslutsträd samt hur dom utvärderas med korsvalidering. Sammanställa resultat för en given frågeställning från publicerade studier och genomföra en metaanalys. Använda statistisk programvara som SPSS och R för att genomföra avancerade statistiska analyser. VÄRDERINGSFÖRMÅGA OCH FÖRHÅLLNINGSSÄTT: Bedöma tillförlitligheten i statistiska resultat genom att kontrollera om grundantaganden bakom en metod är uppfyllda och värdera den statistiska felmarginalen. Kritiskt granska vetenskapliga artiklar som använder avancerade statistiska metoder inom klinisk forskning utifrån modellval, antaganden och osäkerhet i resultaten. |
| Contents of the course | Kursen kommer att ge en överblick över några avancerade statistiska metoder som används inom klinisk forskning; mixade modeller med tillämpning inom metaanalys samt ge en introduktion till maskininlärning. Och hur dessa metoder praktiskt tillämpas i statistikprogram såsom SPSS och R.
Mixade modeller innehåller, till skillnad från klassiska regressionsmodeller, både systematiska och slumpmässiga effekter. Två områden där detta är särskilt användbart är då man har longitudinella eller hierarkiska data. Longitudinella data består ofta av upprepade mätningar i tiden för en och samma observationsenhet, i kliniska tillämpningar oftast patienter. Hierarkiska data uppstår exempelvis vid multicenterstudier där man behöver ta hänsyn till variationen mellan olika center. Vid hantering av stora datamängder med många variabler, exempelvis i registerstudier och genetiska studier, fungerar klassiska regressionsmodeller inte så bra. På senare år har en typ av modeller och algoritmer utvecklats som karaktäriseras av att en modell ”tränas” på en del av data för att sedan utvärderas på resten, så kallad maskininlärning. Kursen kommer att behandla några av de vanligaste metoderna, såsom neurala nätverk, beslutsträd och hur dom utvärderas med korsvalidering, med fokus på tillämpning på kliniska data. En viss klinisk frågeställning kan oftast hittas i många olika studier världen över. Metaanalys är en samling metoder som kombinerar resultat från flera olika studier för att öka styrkan och precisionen i resultaten och därmed ge större tyngd och generaliserbarhet åt de vetenskapliga slutsatserna. |
| Teaching and learning activities | Föreläsningar, datorövningar, gruppdiskussioner och inlämningsuppgifter. |
| Compulsory elements | Obligatorisk närvaro vid föreläsningar, gruppdiskussioner och datorövningar. Frånvaro tas igen genom närvaro vid ett senare undervisningstillfälle och/eller enligt överenskommelse med direktor. |
| Examination | Lärandemålen examineras individuellt både formativt under kursens gång och summativt med inlämningsuppgifter i statistik där deltagarna får analysera ett datamaterial för att besvara givna forskningsfrågor.
|
| Literature and other teaching material | Hulley, S, et al (2013) Designing Clinical Research, (4rd ed), Lippincott Williams & Wilkins.
Vittinger, E et al (2012) Regression Methods in Biostatistics – linear, logistic and repeated measures models. Artiklar och egenproducerat övningsmaterial som kommer delas ut. |
Course responsible |
Hans Pettersson Institutionen för klinisk forskning och utbildning, Södersjukhuset 08-524 875 46 Hans.Pettersson@ki.se |
| Contact person |
Malin Holm Blomquist Institutionen för klinisk forskning och utbildning, Södersjukhuset malin.holm.blomquist@ki.se |
