Syllabus database for doctoral courses

    Startpage
  • Syllabus database for doctoral courses

SYLLABI FOR DOCTORAL COURSES

Print
Swedish title Forskarskolan i klinisk behandlingsforskning - Medicinsk statistik II
English title Research School in Clinical Therapy Research - Medical Statistics II
Course number 5630
Credits 1.8
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 I eller motsvarande baskurs i statistik
Grading Passed /Not passed
Established by Kommittén för utbildning på forskarnivå
Established 2022-11-25
Purpose of the course Att möjliggöra för deltagarna att tillägna sig grundläggande färdigheter i medicinsk statistik för att:
- kunna besvara medicinska forskningsfrågor och underlätta samarbete med statistiker.
- Välja, tillämpa och tolka resultat från regressionsmodeller (linjär, logistisk, och Coxregression) för att besvara enklare medicinska frågeställningar.
- läsa, skriva och kritiskt granska vetenskapliga artiklar avseende ovanstående statistiska metoder
Intended learning outcomes Efter avslutad kurs ska deltagarna kunna:

KUNSKAPER OCH FÖRSTÅELSE:
Förklara grundläggande teorier och principer för olika regressionsmodeller (linjär, logistisk, och Coxregression) och tillämpningar såsom justeringar för confounders, effektmodifiering genom interaktioner på ett icke-matematiskt sätt.
Förklara i vilka situationer dessa modeller är lämpliga och vilka antaganden som är nödvändiga för att dra rätt slutsatser från modellerna, samt hur dessa antaganden testas. Förklara när interaktionseffekter är nödvändiga för att testa hypoteser.
Förklara för- och nackdelar med de olika regressionsmodellerna och motivera val av regressionsmodell utifrån en specifik forskningsfråga.
Förklara när analyser för att justera för kända confounders fungerar och när de inte är lämpliga.
Förstå att alla regressionsmodeller kräver complete cases.


FÄRDIGHETER:
Med hjälp av ett statistikprogram estimera koefficienter för olika regressionsmodeller och kunna tolka resultaten från modellerna med hjälp av medelvärde och skillnader i medelvärden samt lämpliga mått såsom odds/risk, oddskvot, hazard.
Jämföra alternativa modeller och tillhörande begrepp för att avgöra om en modell är bra anpassad till data.
Argumentera för en modell med styrkor och svagheter i vetenskapliga artiklar utifrån studiedesign, statistisk metod, samt hur data har analyserats och presenterats.
Kunna tillämpa modellerna i syfte att göra prediktioner. Kunna tolka resultat på ett icke-tekniskt sätt och kunna presentera resultat från analysen skriftligt, via tabeller och i grafisk form.
Kunna genomföra modellkontroller genom att testa antaganden som är specifika för varje modell. Beräkna inflytelserika observationer för att identifiera observationer som kan ha stor påverkan på resultatet och därmed slutsatserna.

VÄRDERINGSFÖRMÅGA OCH FÖRHÅLLNINGSSÄTT:
Ökad förmåga att kritiskt kunna granska vetenskapliga artiklar avseende resultat, metod, slutsats som härrör ifrån regressionsmodeller.
Förhålla sig kritisk till forskningsresultat och slutsatser som baseras på regressionsmodeller, samt hur resultaten har analyserats och presenterats.
Contents of the course I fokus för kursen står att möjliggöra för deltagarna att få förståelse för hur medicinska forskningsfrågor kan besvaras med regressionsmodeller och hur valet av regressionsmodell kommer påverka svaret på den medicinska frågan.
Grundläggande strategier för att statistiskt justera för confounders med regressionsmodeller (linjär, logistisk, Coxregression) och under vilka antaganden som dessa fungerar behandlas.
Hur valet av klinisk studiedesign (RCT, kohort, fall-kontroll, deskriptiv) och utfallsvariabelns mätnivå (nominal, ordinal, kvot) påverkar valet av statistisk analys vilket i sin tur påverkar vilken regressionsmodell som är lämplig för en given frågeställning.
Deltagarna får med hjälp av statistisk programvara öva på att välja modell, estimera modellkoefficienter, hypotesprövning och tolka resultaten från olika modeller. I nästa steg kommer deltagarna få öva på situationer såsom att använda confounders för att justera för individernas skillnader i baslinjevariabler.
Vad en inflytelserik observation är och hur man identifierar sådana observationer kommer behandlas.
Vidare behandlas metoder för att studera associationer mellan variabler såsom korrelation. Olika associationsmått för kategoriska variabler såsom risk, odds, riskkvot och oddskvot behandlas. Dessutom kommer effektmodifiering med hjälp av interaktionstermer att behandlas.
Teaching and learning activities Föreläsningar, datorövningar, gruppdiskussioner och hemuppgifter (inlämning).
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 enligt nedan:
1. Hemtentamen med inlämning.
2. Inlämningsuppgifter i statistik - deltagarna får analysera ett datamaterial för att besvara en given forskningsfråga.
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