BMAK051 Analýza klinických dat

Lékařská fakulta
jaro 2004
Rozsah
0/0. 1 kr. Ukončení: zk.
Vyučující
prof. RNDr. Ladislav Dušek, Ph.D. (přednášející)
RNDr. Jiří Jarkovský, Ph.D. (přednášející)
RNDr. Jan Mužík, Ph.D. (pomocník)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
Centrum biostatistiky a analýz – Účelová zařízení – Lékařská fakulta
Kontaktní osoba: prof. RNDr. Ladislav Dušek, Ph.D.
Předpoklady
Vzhledem k nedostatečné průpravě většiny posluchačů v základní statistické terminologii je předmět pro období roku 2002 - 2003 orientován spíše do základů biostatistiky, avšak s výraznou aplikací do klinických vědních oborů. Pro další období je plánována postupná změna na kurz pokročilý, spíše rozvíjející základní biostatistické metody. Kurz je určen pro lékaře a vědecké pracovníky ve zdravotnictví, nemá žádné zvláštní předpoklady.
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Předmět je koncipován jako intenzivní kurz pro posluchače postgraduálního studia, lékaře, případně specialisty jiných oborů. Cílem výuky je seznámit posluchače se základními principy analýzy dat, zdokonalit jeho dovednost při běžném zviditelňování informace, v testování statistických hypotéz a v několika specializovaných přednáškách podat základ vícerozměrných analýz, analýzy přežití a prediktivního modelování u klinických dat. Posluchač by v průběhu kurzu měl získat především schopnost rozumět principům statistického testování, vícerozměrných analýz a prediktivních modelů a měla by mu být zpřístupněna četba mezinárodní literatury aplikující tyto techniky. Součástí výuky je demonstrace aplikací v software STATISTICA for Windows.
Osnova
  • Téma 1. Statistika v lékařském výzkumu - základní znalost I.: Úvodní seznámení se základními principy statistické analýzy dat. Pravděpodobnostní prezentace výsledků, principy plánování výzkumů, základy testování hypotéz. Nominální, ordinální a spojitá data v klinickém výzkumu a grafické možnosti jejich znázornění. Specifika klinických dat a jejich důsledky pro analýzu. Popis dat, kvantifikace variability a parametrů středu výběrových rozložení. Pojem distribuční funkce a její využití pro grafickou prezentaci výběrových rozložení. Principy pojmů kalibrace, prognóza, model.
  • Téma 2. Statistika v lékařském výzkumu - základní znalost II.: Modelová rozložení a jejich praktické využití /normální, log-normální, alternativní, binomické, Poissonovo, rozložení statistik t, F a c2). Odhady intervalů spolehlivosti, prezentace odhadů rozptylu, aritmetického a geometrického průměru a dalších modelových rozložení. Odhad mediánu. Sumární statistika spojitých a diskrétních dat. Příklady různých sumárních prezentací.
  • Téma 3. Statistika v lékařském výzkumu - základní znalost III.: Příprava dat k analýze. Grafické nástroje zviditelnění informace v exploratorní analýze /"PP plots, QQ plots, normal probability plots, box-and-whisker plots, scatterplots, stem and leaf display, histograms, 3D histograms, matrix plots - face plots, contour plots, surface plots"/. Transformace dat jako účelový nástroj praktické analýzy dat. Vyhledání odlehlých hodnot. Využitelnost a zneužitelnost počítačové techniky pro analýzu klinických dat. Neparametrické metody jako alternativa v případě nesplnění předpokladů parametrických technik - příklady. Příklady shrnující téma 1 - 3.
  • Téma 4. Jednorozměrné metody - spojitá data: Jednorozměrná analýza spojitých dat. "One-sample" a "two-sample" testy. Nezávislý a párový t test. Základy analýzy rozptylu jednoduchého a vícenásobného třídění, testování kontrastů. Neparametrické analýzy (Mann-Whitney test, Wald-Worowitz test, Kolmogorov-Smirnov two-sample test, Kruskal-Wallis test). Grafické možnosti při vyjadřování výsledku výše uvedených testů.
  • Téma 5. Jednorozměrné metody - diskrétní data: Jednorozměrná analýza diskrétních dat. "One-sample" a "two-sample" testy. Prezentace procent a odhady parametrů procenticky vyjádřených znaků. Binomický test. Fisherův exaktní test. Test dobré shody v klinických aplikacích. Analýza frekvenčních tabulek - další testy.
  • Téma 6. Základy korelační a regresní analýzy: Základy korelační analýzy. Parametrická a neparametrická korelace. Základy regresní analýzy. Analýza rovnice regresní přímky. Praktická využitelnost a grafické možnosti prezentace regrese a korelace. Aplikační příklady a seznámení s principy polynomiální regrese a nelineární regrese.
  • Téma 7. Základy vícerozměrné regrese a logistické regrese: Vícerozměrná regrese a logistická regrese jako prediktivní metody pro klinická data. Seznámení s principy vícerozměrné regrese. Posouzení kvality modelů a možnosti chyb. Vícerozměrná regrese v predikci klinicky relevantních znaků. Aplikační příklady. Modely logistické regrese - individualizace klinických predikcí směrem k pacientovi. Prezentace prediktivních modelů. Aplikační příklady.
  • Téma 8. Analýza přežití: Pravděpodobnost přežití. Kaplan-Meierova analýza přežití /median survival times/. Srovnání dvou a více křivek přežití /Log-rank test, hazard ratio, logrank test pro trendy, intervaly spolehlivosti pro pravděpodobnosti přežití/. "Cohort life tables" a možnosti analýzy přežití. Modelování přežití, Coxovy regresní modely. Praktické aplikace. Plánování studií zaměřených na analýzu přežití - kvalitativní aspekty pro experimentální design, kvantitativní odhad velikosti vzorku. Analýza přežití u stratifikovaných klinických studií. EORTC normativy pro experimentální plány analýz přežití. Služby dostupné na Internetu: konzultace o studiích zaměřených na analýzy přežití, demonstrace dostupného software. Nomogramy pro snadné plánování analýz přežití.
  • Téma 9. Vícerozměrná analýza klinických dat, moderní metody zpracování velkých souborů dat - úvod: Princip vícerozměrných analýz a jejich využití pro klinické aplikace. Vícerozměrná a jednorozměrná analýza dat - vzájemná potenciace nebo rozpor? Průzkum vícerozměrných dat, softwarově dostupné testy o vícerozměrném rozložení. Vícerozměrná vzdálenost /podobnost/ objektů nebo proměnných - přehled významných metrik. Dynamické regresní modely. Neuronové sítě jako využitelná modelovací technika. Data mining, automatické zpracování dat. Optimalizace experimentů, sampling design s užitím vícerozměrných statistických metod.
Literatura
  • Altman D. G. (1991) Practical statistics for medical research. Chapman and Hall. London.
  • HAVRÁNEK, Tomáš. Statistika pro biologické a lékařské vědy. 1. vyd. Praha: Academia, 1993, 476 s. ISBN 8020000801. info
  • HEBÁK, Petr a Jiří HUSTOPECKÝ. Vícerozměrné statistické metody s aplikacemi. 1. vyd. Praha: SNTL - Nakladatelství technické literatury, 1987, 452 s. URL info
  • Flury B. and Riedwyl H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
  • MELOUN, Milan a Jiří MILITKÝ. Statistické zpracování experimentálních dat. [1. vyd.]. Praha: Plus, 1994, 839 s. ISBN 80-85297-56-6. info
  • Snedecor G.W. and Cochran W.G. (1971). Statistical methods. Iowa State University Press.
  • Zar J.H. (1984). Biostatistical analysis. Perntice Hall. New Jersey.
Informace učitele
http://www.cba.muni.cz/vyuka/
Další komentáře
Předmět je vyučován každoročně.
Poznámka k periodicitě výuky: 3 kurzy ročně.
Výuka probíhá blokově.
Poznámka k četnosti výuky: 5 dnů po 4 hod (15:00-19:00).
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích jaro 2000, podzim 2000, jaro 2001, podzim 2001, jaro 2002, podzim 2002, jaro 2003, podzim 2003, podzim 2004, jaro 2005, podzim 2005, jaro 2006, podzim 2006, jaro 2007, podzim 2007, jaro 2008, podzim 2008, jaro 2009, podzim 2009, jaro 2010, podzim 2010, jaro 2011, podzim 2011, jaro 2012, podzim 2012, jaro 2013, podzim 2013, jaro 2014, podzim 2014, jaro 2015, podzim 2015, jaro 2016, podzim 2016, jaro 2017, podzim 2017, jaro 2018, podzim 2018, jaro 2019, podzim 2019, jaro 2020, podzim 2020, jaro 2021, podzim 2021, jaro 2022, podzim 2022, jaro 2023, podzim 2023, jaro 2024, podzim 2024, jaro 2025.