Lékařská fakulta Masarykovy univerzity

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

1. 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.
2. 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.
3. Jak a kdy použít parametrické a neparametrické testy I.: Dvouvýběrový t-test. Neparametrické testy – Wilcoxonův test, Mannův-Whitneyův test aj. F-test.
4. 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.
5. 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.
6. 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.
7. 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.
8. 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 v týdnech od 7. 3. do 2. 5. 2013 (kromě 4. 4. 2013) vždy od 16:00 do 19:00 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.
Výuka probíhá blokově.
Poznámka k četnosti výuky: 8 dnů po 3 hod.