Métodos de Análisis en Ciencias de la Salud
Código: 104414 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 2503740 Matemática Computacional y Analítica de Datos | OT | 4 | 1 |
Contacto
- Nombre:
- Jose Barrera Gomez
- Correo electrónico:
- jose.barrera@uab.cat
Idiomas de los grupos
Puede consutarlo a través de este enlace. Para consultar el idioma necesitará introducir el CÓDIGO de la asignatura. Tenga en cuenta que la información es provisional hasta el 30 de noviembre del 2023.
Prerrequisitos
Se asume que el alumnado está familiarizado con las distribuciones binomial y normal, así como con la utilización de R.
Objetivos y contextualización
Los objetivos principales del curso son:
- Conocer los principales tipos de diseños de estudio en el ámbito de la epidemiología.
- Conocer el impacto potencial de los datos faltantes y del error de medida sobre los resultados de un análisis estadístico.
- Conocer los principales indicadores para medir la presencia de una enfermedad o una exposición.
- Conocer los principales indicadores para medir la asociación entre la exposición y la enfermedad, especialmente en el caso de que la exposición y el indicador de salud sean binarios.
- Ser capaz de identificar las herramientas estadísticas adecuadas para la evaluación de la asociación entre una determinada exposición y un determinado indicador de salud, según las características del diseño del estudio, en el contexto de los estudios epidemiológicos.
- Conocer el diseño y la implementación de una prueba exacta según el diseño del estudio.
- Conocer el diseño y la implementación de simulaciones relacionadas con conceptos como el poder empírico o el cálculo del tamaño de la muestra.
- Ser capaz de buscar artículos científicos con PubMed de manera eficiente.
- Familiarizarse con la lectura de artículos científicos.
- Saber aplicar los conceptos estudiados en la asignatura para resolver ejercicios basados en datos epidemiológicos reales.
- Mejorar la eficiencia en la programación en R para resolver las tareas prácticas propuestas durante el curso.
- Ser capaz de escribir informes estadísticos reproducibles mediante LaTeX y el paquete knitr de R.
Competencias
- Diseñar, desarrollar, mantener y evaluar sistemas de software que permitan representar, almacenar y manipular de forma fiable y eficiente grandes volúmenes de datos heterogéneos de acuerdo con los requisitos establecidos.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Formular hipótesis e imaginar estrategias para confirmarlas o refutarlas.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar y resolver problemas.
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
Resultados de aprendizaje
- Analizar datos correspondientes a estudios epidemiológicos o ensayos clínicos.
- Aplicar métodos estadísticos al análisis de datos de expresión génica.
- Conocer software estadístico para programar funciones y procedimientos avanzados.
- Elaborar informes técnicos que expresen claramente los resultados y las conclusiones del estudio utilizando vocabulario propio del ámbito de aplicación.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Extraer conclusiones relevantes de problemas aplicados, mediante la aplicación de métodos estadísticos avanzados.
- Extraer conclusiones relevantes de problemas aplicados, mediante la aplicación de métodos estadísticos.
- Identificar la utilidad de los conocimientos estadísticos en bioinformática y en ciencias de la salud.
- Identificar las características metodológicas especiales en el análisis estadístico según las distintas áreas de aplicación.
- Identificar las técnicas de inferencia estadística más utilizadas en estudios de epidemiología.
- Identificar, emplear e interpretar los criterios para evaluar el grado de cumplimiento de los requisitos necesarios para aplicar cada procedimiento estadístico avanzado.
- Interpretar los resultados estadísticos en contextos aplicados.
- Interpretar resultados con metodologías avanzadas y extraer conclusiones.
- Proponer modelos estadísticos apropiados para estudios epidemiológicos.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Reconocer las bases de datos más utilizadas en el ámbito de ciencias de la salud.
- Reconocer las ventajas e inconvenientes de las distintas metodologías estadísticas cuando se aplican a las diversas disciplinas.
- Redactar el informe técnico a partir de un análisis estadístico avanzado.
- Redactar el informe técnico a partir de un análisis estadístico.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
Contenido
*
1. Introducción a los contenidos. Introducción a la investigación reproducible mediante el paquete knitr de R.
2. PubMed: Buscando artículos científicos. Estructura de un artículo.
3. Clasificación de estudios
(a) Temas de bioestadística
(b) Estudios epidemiológicos
i. Notación
ii. Criterios de clasificación
iii. Tipo de diseño del estudio epidemiológico: ensayos epidemiológicos aleatorios, cohorte, caso-control, case-crossover, transversales, ecológicos
(c) Diagrama de clasificación de estudios
4. Clasificación de variables y modelos de regresión relacionados
(a) Según el tipo de medida
(b) Según el papel en el estudio
(c) Tipo de variables explicativas
(d) Tipo de modelos de regresión según la métrica de la variable respuesta
(e) Variables respuesta de tipo tiempo
5. Tratamiento de datos faltante
(a) Introducción
(b) Tipo de datos faltantes
(c) Tratamiento de datos faltantes
6. Ejemplo de métodos estadísticos en Ciencias de la Salud: Integración de imputación múltiple en análisis de conglomerados
(a) Repaso de análisis de conglomerados
(b) Repaso de imputación múltiple
(c) Integración de imputación múltiple en análisis de conglomerados
(d) Software
7. Medidas de presencia de la enfermedad
(a) Introducción
(b) Prevalencia
i. Definición
ii. Estimación
iii. Comentarios
(c) Incidencia acumulada
y. definición
ii. Comentarios
(d) Tasa de incidencia
i. Definición
ii. Comentarios
iii. Comparación de dos tasas de incidencia
8. Medidas de asociación entre la exposición y la enfermedad
(a) Introducción
(b) El riesgo relativo
i. Definición
ii. Comentarios
(c) El odds ratio
i. El odds
ii. El odds ratio
iii. Comentarios
(d) Intervalos de confianza para OR y RR
(e) El riesgo atribuible
i. Riesgo atribuible a la población
ii. Riesgo atribuible a la exposición
9. Causalidad, confusión e interacción
(a) Introducción
(b) Causalidad
(c) Confusión
(d) Interacción
10. Ejemplo de métodos estadísticos en Ciencias de la Salud: Modelos de regresión con variables transformadas. Interpretación y software
(a) Repaso del modelo de regresión lineal
(b) Transformación logarítmica en el modelo de regresión lineal. ¿Por qué?
(c) Interpretación de resultados en la escala original de las variables
(d) Software
*A menos que las restricciones impuestas por las autoridades sanitarias obliguen a una priorización o reducción de estos contenidos.
Metodología
*
- Sesiones teóricas: en estas sesiones, se presentan los diferentes conceptos del tema, así como ejemplos ilustrativos. Además, se propone resolver algunos ejercicios (que generalmente requieren el uso de R). La metodología se basa en la presentación y discusión de diapositivas, así como en la presentación de algunos materiales adicionales (principalmente noticias publicadas en medios en línea y artículos científicos buscados en PubMed).
- Sesiones prácticas: En estas sesiones, se propondrán varios ejemplos prácticos y ejercicios. Se desarrollarán actividades relacionadas con el uso de R, búsqueda en PubMed, lectura de artículos y análisis estadísticos. Algunos de los ejercicios propuestos serán de entrega obligatoria.
- Asistencia a seminarios: el Departamento de Matemáticas y el Servicio de Estadística de la UAB organizan seminarios de estadística. Los alumnos y el profesor asistirían a algunos de ellos, según el tema y el horario.
*La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Sesiones de teoría | 28 | 1,12 | |
| Tipo: Supervisadas | |||
| Sesiones de prácticas | 28 | 1,12 | |
| Tipo: Autónomas | |||
| Trabajo personal | 94 | 3,76 |
Evaluación
*
- Trabajos en grupo durante el curso. Parte de su evaluación puede incluir preguntas orales a los miembros del grupo.
- Examen presencial.
- Examen compensatorio opcional presencial. Si el estudiante asiste al examen compensatorio, su calificación sustituirá la puntuación en el examen ordinario anterior, independientemente de las puntuaciones obtenidas en ambos exámenes.
- La calificación final del curso sobre 10, Q, será:
Q = mín{T, E}, si T es menor que 4 o E es menor que 3.5,
Q = (T + E) / 2, si T es mayor o igual que 4 y E es mayor o igual que 3.5,
donde T y E son las calificaciones, sobre 10, en los trabajos y en el examen, respectivamente.
- Esta asignatura no ofrece la posibilidad de evaluación única.
*La evaluación propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Ejercicios en grupo | 20% | 0 | 0 | 1, 3, 4, 6, 7, 8, 9, 10, 11, 12, 13, 14, 16, 17, 18, 20, 21, 22, 23, 24 |
| Examen (o examen compensatorio) | 50% | 0 | 0 | 6, 7, 8, 9, 10, 12, 13, 16, 20 |
| Trabajos en grupo | 30% | 0 | 0 | 1, 2, 5, 3, 4, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 20, 19, 21, 22, 23, 24 |
Bibliografía
Básica: todos los conceptos desarrollados en las sesiones de clase se publicarán en Moodle, incluidas las diapositivas que se tratarán en las sesiones de teoría.
Otras lecturas: los estudiantes interesados en ir más lejos pueden explorar los siguientes escritos:
- Agresti, Alan. Categorical Data Analysis. Wiley, 3rd Edition, 2013.
- Breslow, N., N. Day. Statistical methods in cancer research. International Agency for Research on Cancer, 1980.
- Clayton D., Hills, M. Statistical models in epidemiology. Oxford University Press, 1993.
- Dalgaard, P. Introductory Statistics with R. Springer, 3rd Edition, 2002.
- dos Santos, I. Cancer epidemiology: principles and methods. International Agency for Research on Cancer, 1999.
- Gordis, L. Epidemiology. W.B. Saunders, 2004.
- Lachin, J.M. Biostatistical Methods: The Assessment of Relative Risks. Wiley, 2000.
- Motulsky, H.J. Intuitive Biostatistics. Oxford University Press, 1995.
- Rothman, K., Greenland, S. Modern epidemiology. Lippincott Williams & Wilkins, 1998.
- Rothman, K. Epidemiology: an introduction. Oxford University Press, 2002.
- Wassertheil-Smoller, S. Biostatistics and epidemiology: a primer for health and biomedical prefessionals. Springer, 3rd Edition, 2004.
Software
- R
- RStudio
- LaTeX