Analýza dat pro Neurovědy - DSAN01
Cíle předmětu
V průběhu kurzu budou účastníci seznámeni s principy základních metod analýzy medicínských dat s ohledem na specifika datových souborů a výpočtů z oblasti neurovědního výzkumu. Důraz bude kladen především na správnou aplikaci těchto metod v praxi a na interpretaci dosažených výsledků. Probíraná teorie bude vždy následována praktickými příklady v systému STATISTICA, případně v jiných nástrojích, které jsou na Masarykově univerzitě volně dostupné.
Osnova
- Jak medicínská data správně popsat a vizualizovat: Typy medicínských dat a jejich vizualizace. Popisná sumarizace dat – průměr, medián, kvantily, rozptyl, směrodatná odchylka, intervaly spolehlivosti. Normální rozdělení a rozdělení od něj odvozená – Chí-kvadrát rozdělení, Studentovo t rozdělení, aj. Transformace dat – normalizace, standardizace, kategorizace.
- Jak medicínská data správně testovat: Formulování hypotéz nad medicínskými daty – nulová a alternativní hypotéza. Hladina významnosti a síla testu, power analýza. p-hodnota. Vhodná volba typu testu v různých situacích. Jednovýběrové testy – z-test, jednovýběrový t-test, párový t-test.
- Jak a kdy použít parametrické a neparametrické testy I.: Dvouvýběrový t-test. Neparametrické testy – Wilcoxonův test, Mannův-Whitneyův test aj. F-test.
- Jak a kdy použít parametrické a neparametrické testy II.: Analýza rozptylu (ANOVA) a její předpoklady. Problém násobného testování hypotéz a použití korekčních procedur – Bonferonniho korekce, FDR. Správná aplikace těchto korekcí. Kruskalův-Wallisův test.
- Jak analyzovat kategoriální a binární data I.: Analýza kontingenčních tabulek – Pearsonův chí-kvadrát test, Fisherův test, McNemarův test. Relativní riziko (relative risk) a poměr šancí (odds ratio). Binomické a Poissonovo rozdělení.
- Jak analyzovat kategoriální a binární data II.: Hodnocení diagnostických testů – senzitivita, specificita, pozitivní a negativní prediktivní hodnota, věrohodnostní poměr. Příklady správného a nesprávného hodnocení diagnostické síly testu. Hledání diagnostického cut-off pomocí ROC křivek.
- Jak hodnotit vztah spojitých proměnných a základy regresního modelování: Základy korelační analýzy – Pearsonův a Spearmanův korelační koeficient. Základy regresní analýzy – lineární regrese, odstranění vlivu kovariát.
- Jak analyzovat přežití pacientů: Analýza přežití. Coxova regrese.
Literatura
- Zar, J.H. (1998) Biostatistical analysis. London: Prentice Hall, 4th ed.
- Statistika pro biologické a lékařské vědy. Edited by Tomáš Havránek. 1. vyd. Praha: Academia, 1993. 478 s. ISBN 80-200-0080-1. info
- Benedík, J., Dušek, L. (1993) Sbírka příkladů z biostatistiky. Brno: Konvoj.
Výukové metody
Výuka je interaktivní, přímo založená na řešení konkrétních problémů a příkladů. Řešené příklady i teoretické podklady budou účastníkům k dispozici předem. Účastníci kurzu budou během prvního dne instruováni, aby si připravili k řešení své vlastní problémy s analýzou dat (PhD práce, SVOČ, výzkumné práce). Tyto vstupy budou postupně každý výukový blok rozebírány a případně i přímo řešeny.
Metody hodnocení
Předmět je ukončen kolokviem sestávajícím se z analýzy praktických příkladů na počítači.
Informace učitele
Kurz Analýza dat pro Neurovědy proběhne každý čtvrtek od 28. 2. 2019 do 25. 4. 2019, kromě 7.3., vždy od 15.00 do 18.00 hod. v počítačové učebně IBA LF MU na Kamenici 126/3. Studijní materiály budou před každým blokem vystaveny v IS.MUNI a v průběhu výuky budou k dispozici i v tištěné podobě.
Další komentáře
Předmět je vyučován každoročně v jarním semestru.
Výuka probíhá blokově.
Poznámka k četnosti výuky: 8 dnů po 3 hod.
