DSAN01 Analýza dat pro Neurovědy

Lékařská fakulta
jaro 2020
Rozsah
2/0/0. 5 kr. Ukončení: k.
Vyučující
prof. RNDr. Ladislav Dušek, Ph.D. (přednášející)
RNDr. Eva Koriťáková, Ph.D. (přednášející)
RNDr. Simona Littnerová, Ph.D. (cvičící)
RNDr. Tereza Nečasová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
Institut biostatistiky a analýz – Jiná pracoviště pro vzdělávací a vědecko-výzkumnou činnost – Lékařská fakulta
Kontaktní osoba: prof. RNDr. Ladislav Dušek, Ph.D.
Dodavatelské pracoviště: Institut biostatistiky a analýz – Jiná pracoviště pro vzdělávací a vědecko-výzkumnou činnost – Lékařská fakulta
Předpoklady
Bazální znalosti principů biostatistiky a analýzy dat. Výhodou je předchozí absolvování více teoreticky zaměřeného kurzu Analýza klinických dat.
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.

Předmět si smí zapsat nejvýše 20 stud.
Momentální stav registrace a zápisu: zapsáno: 2/20, pouze zareg.: 0/20
Mateřské obory/plány
předmět má 224 mateřských oborů, zobrazit
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 SPSS, 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. Předzpracování dat. Popisná sumarizace dat – průměr, medián, kvantily, rozptyl, směrodatná odchylka.
  • 2. Jak medicínská data správně testovat: Vybraná modelování rozdělení - normální rozdělení, Studentovo t rozdělení, Chí-kvadrát rozdělení atd. Transformace dat – normalizace, standardizace, kategorizace. Intervaly spolehlivosti. Formulování hypotéz nad medicínskými daty – nulová a alternativní hypotéza. Hladina významnosti a síla testu, power analýza. p-hodnota.
  • 3. Jak a kdy použít parametrické a neparametrické testy I.: Vhodná volba typu testu v různých situacích. Jednovýběrové testy – z-test, jednovýběrový t-test, párový t-test. Dvouvýběrový t-test. Neparametrické testy – Wilcoxonův test, Mannův-Whitneyův test atd. 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.
  • HAVRÁNEK, Tomáš. Statistika pro biologické a lékařské vědy. 1. vyd. Praha: Academia, 1993, 476 s. ISBN 8020000801. 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 bude probíhat v osmi blocích ve čtvrtek od 15:00 do 18:00 od 20. 2. 2020 do 9. 4. 2020 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
Studijní materiály
Předmět je vyučován každoročně.
Výuka probíhá blokově.
Poznámka k četnosti výuky: 8 dnů po 3 hod.
Předmět je zařazen také v obdobích jaro 2012, jaro 2013, jaro 2014, jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2022.