Рабочая программа составлена в соответствии с
1. Приказ министерства образования и науки РФ от 16 марта 2011 г. N 1365 "Об
утверждении Федеральных государственных требований к структуре основной
профессиональной образовательной программы послевузовского
профессионального образования (аспирантура)"
2. Паспорта научных специальностей, разработанные экспертными советами
Высшей аттестационной комиссии Министерства в связи с утверждением
приказом Минобрнауки России от 25 февраля 2009 г. N 59 Номенклатуры специальностей научных работников Рецензенты:
Козлова Наталья Михайловна – заведующий кафедрой факультетской терапии ГБОУ ВПО ИГМУ Минздравсоцразвития России, профессор, доктор медицинских наук;
Орлова Галина Михайловна – заведующий кафедрой госпитальной терапии ГБОУ ВПО ИГМУ Минздравсоцразвития России, профессор, доктор медицинских наук.
В рабочую программу внесены изменения и дополнения на заседании кафедры пропедевтики внутренних болезней _ 20_ г. протокол № Зав. кафедрой А.Н.
Калягин В рабочую программу внесены изменения и дополнения на заседании кафедры пропедевтики внутренних болезней _ 20_ г. протокол № Зав. кафедрой А.Н.
Калягин
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
Современные научные исследования требуют обязательных хороших знаний современных методов и технологий исследования, в том числе медико-биологической статистики.Медико-биологическая статистика – это комплекс методов статистического исследования, имеющих прикладное применение в медицинских и биологических исследованиях.
Знание медико-биологической статистики позволяет спланировать научное исследование, обработать его результаты, оценить полученные данные, сделать правильные выводы и представить в виде научной публикации (тезисов, статьи, монографии или диссертации). В современной ревматологии умение оценивать статистические данные играет существенную роль, т.к. позволяет доказать возможности использования тех или иных методов диагностики, лечения, профилактики, прогнозирования состояния больных.
По современным определениям ВОЗ исследование, включающее любое воздействие на человека как пациента, является клиническим исследованием и должно проводиться по правилам определенным для клинических испытаний. Одним из этих требований является качественное выполнение анализа данных с применением рекомендованных международными регулирующими органами современными статистическими методами. Как показал ряд работ по клинической эпидемиологии, изучению научных публикаций, врачи и научные сотрудники слабо разбираются в современных принципах статистического анализа результатов и применении современных статистических пакетов.
Данная элективная дисциплина предназначена для аспирантов, научных сотрудников и всех желающих. Она призвана научить пользователей создавать базы данных и проводить анализ биомедицинских данных с применением современных статистических методов. Также в процессе обучения разбираются основные этапы и методология научного поиска, дается представление об источниках научных данных, а также об основах планирования собственных клинических исследований, даются основные понятия о принципах сбора, хранения научных результатов, создания баз данных и современных подходах к обработке полученных результатов. Также предполагается обучение общим принципам представления результатов исследований, и их подготовке к публикации и презентации. По окончании курса слушатель должен уметь составлять план исследовательской работы, выбирать и описывать показатели, проводить рандомизацию, расчет выборки и составить план статистического анализа результатов и провести анализ используя основные статистические методы.
Цель изучения дисциплины: получить основные представления об использовании статистических методов при анализе медицинских и биологических данных.
Задачи изучения дисциплины:
Познакомиться с ключевыми понятиями медико-биологической 1.
статистики.
Освоить методику организации исследования в биологии и медицине.
2.
Изучить основные методы представления данных статистического 3.
исследования, а также обработки этих данных.
Научиться использовать ключевые программные продукты для подготовки 4.
базы данных и статистической обработки результатов исследования.
Результаты освоения дисциплины:
Аспирант (научный работник) должен приобрести компетенции планирования научного исследования, сбора данных, выбора статистических критериев для обработки полученных данных, правильного представления результатов исследования и использования программных продуктов (Statistica, SPSS, Biostatistics и др.) для облегчения расчтов и графического представления данных.
Аспирант должен знать:
Ключевые понятия биомедицинской статистики.
1.
Методику планирования исследования.
2.
Понятие о выборке, распределении данных, средней, моде, медиане, 3.
дисперсии.
Методы сравнения данных двух выборок, установления связи между признаками, анализа выживаемости, многофакторного анализа.
Программные продукты, которые можно использовать для анализа Составить план и программу научного исследования.
Разработать карту для сбора данных.
Использовать прикладную статистическую программу для формирования базы данных.
Выбрать методы статистического исследования для анализа полученных Правильно представить полученные результаты в научной публикации.
Сделать выводы, основанные на полученных результатах.
УЧЕБНЫЙ ПЛАН ЭЛЕКТИВНОЙ ДИСЦИПЛИНЫ
МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА В МЕДИЦИНЕ И БИОЛОГИИ
1 статистические основы доказательной медицины 2 экспериментальных и клинических исследований 3 биостатистики, Разведочный, дискриптивный анализ.Статистические гипотезы и Дисперсионный Анализ многофакторный), методы множественных сравнений Непараметрические методы 7 Корреляция и регрессия 9 Анализ выживаемости Задачи классификации, 10 понятие о многомерной Способы представления и визуализации результатов.
11 Основные статистические
УЧЕБНО-ТЕМАТИЧЕСКИЙ ПЛАН
Вводное занятие, статистические основы доказательной медицины Общий обзор курса, этапы научного Планирование экспериментальных и клинических исследований Основные понятия биостатистики, Разведочный, дискриптивный анализ.графическое представление Статистические гипотезы и их проверка, методы сравнения 2-х выборок Статистические гипотезы и их распределения Критерий Стьюдента, тесты на равенство дисперсий Дисперсионный Анализ (однофакторный и многофакторный), методы множественных сравнений Непараметрические методы анализа Описательная статистика для не связи для двух переменных Корреляция и регрессия параметрическая Анализ качественных данных Анализ выживаемости Задачи классификации, понятие о многомерной статистике Контроль Анализ выживаемости Капланазадание Мейера, регрессия Кокса Логистическая регрессия, понятие о многомерной статистик 10. Задачи классификации, понятие о многомерной статистике Задачи классификации, понятие о многомерной статистике Способы представления и визуализации результатов. Основные статистические 11. пакеты программ и их характеристика 11.1 Способы представления и визуализации результатов 11.2 Основные статистические пакеты программ и их характеристика
ТЕОРЕТИЧЕСКИЕ РАЗДЕЛЫ КУРСА
п/п Введение, статистические основы доказательной медицины. Общий обзор Этапы научного поиска. Система контроля и управления качеством в научных исследований. Уровень доказательности информации.Планирование экспериментальных и клинических исследований. Виды исследований. Дизайн проведения исследования. Методы, повышающие объективность (контрольные группы, рандомизация, слепой метод).
Значимость результатов клинических исследований.
Основные понятия биостатистики, Разведочный, дискриптивный анализ.
Выборки и генеральная совокупность. Шкалы измерения. Независимые и зависимые переменные. Меры положения распределения. Меры разброса.
Доверительный интервал для среднего. Виды статистических ошибок.
Статистическая значимость и практическая важность.
Статистические гипотезы и их проверка, методы сравнения 2-х выборок Дисперсионный анализ (однофакторный и многофакторный), методы множественных сравнений.
Непараметрические методы анализа. Методы выбора критерия для анализа.
Корреляция и регрессия.
Анализ качественных данных. Анализ выживаемости.
Задачи классификации, понятие о многомерной статистике.
Важнейшие статистические пакеты (Statistica, SPSS и др.)
ПРАКТИЧЕСКИЕ РАЗДЕЛЫ КУРСА
п/п Введение, статистические основы доказательной медицины. Поиск научной информации, интернет-базы данных, работа с литературными источниками Принципы сбора и хранения информации. Основные принципы создания базы данных. Основные подходы к обработке и анализу научных данных Планирование экспериментальных и клинических исследований.Планирование эксперимента. Разработка дизайна клинического исследования.
Основные понятия биостатистики, Разведочный, дискриптивный анализ.
Форма распределения. Диаграмма «ствол и листья». Ящичная диаграмма.
Виды статистических ошибок. Статистическая значимость и практическая важность. Объем выборки и точность оценок. Точность оценок средних значений. Определение необходимого объема выборки Статистические гипотезы и их проверка, методы сравнения 2-х выборок.
Статистические гипотезы и их проверка. Тесты на нормальность распределения. Тесты на равенство дисперсий. Критерий Стьдента для для 2х непарных выборок. Критерий Стьдента для для 2-х парных выборок.
Однофакторный дисперсионный анализ.Логика тестирования (проверки гипотез) на наличие средних различий. Факторы. Выполнение однофакторного дисперсионного анализа. Результаты однофакторного дисперсионного анализа. Отсутствие однородности дисперсии.
Двухфакторный дисперсионный анализ. Логика тестирования и предположения. Число факторов. Взаимодействия. Двухфакторный дисперсионный анализ Апостериорные критерии Непараметрические методы анализа. Описательная статистика для не параметрических данных. Критерии сравнения для 2-х непарных выборок.
Критерии сравнения для 3-х и более непарных выборок. Критерии сравнения для 2-х парных выборок. Критерии сравнения для 3-х и более непарных выборок. Непараметрические меры связи для двух переменных Корреляция. Диаграммы рассеяния и статистики. Диаграммы рассеяния.
Корреляции.
Регрессия. Введение и основные понятия. Уравнение регрессии и меры согласия. Остатки и выбросы, предположения. Простая регрессия.
Множественная регрессия. Пошаговая регрессия.
Задачи классификации, понятие о многомерной статистике. Логистическая регрессия. Дискриминантный анализ. Деревья решений. Кластерный анализ Способы представления и визуализации результатов и основные статистические пакеты программ и их характеристика. Основные требования к визуализации данных. Типы графиков. Ошибки графического представления результатов. Обзор графических пакетов. Обзор валидизированных графических пакетов Курсанты представляют результаты самостоятельной работы – план исследовательской работы, описание показателей, рандомизации, расчет выборки и план статистического анализа для своей научной работы.
САМОСТОЯТЕЛЬНАЯ РАБОТА
п/п Введение, статистические основы доказательной медицины. Поиск научной информации, интернет-базы данных, работа с литературными источниками Принципы сбора и хранения информации. Основные принципы создания базы данных. Основные подходы к обработке и анализу научных данных Планирование экспериментальных и клинических исследований.Планирование эксперимента. Разработка дизайна клинического исследования.
Основные понятия биостатистики, Разведочный, дискриптивный анализ.
Форма распределения. Диаграмма «ствол и листья». Ящичная диаграмма.
Виды статистических ошибок. Статистическая значимость и практическая важность. Объем выборки и точность оценок. Точность оценок средних значений. Определение необходимого объема выборки Статистические гипотезы и их проверка, методы сравнения 2-х выборок.
Статистические гипотезы и их проверка. Тесты на нормальность распределения. Тесты на равенство дисперсий. Критерий Стьдента для для 2х непарных выборок. Критерий Стьдента для для 2-х парных выборок.
Однофакторный дисперсионный анализ.Логика тестирования (проверки гипотез) на наличие средних различий. Факторы. Выполнение однофакторного дисперсионного анализа. Результаты однофакторного дисперсионного анализа. Отсутствие однородности дисперсии.
Двухфакторный дисперсионный анализ. Логика тестирования и предположения. Число факторов. Взаимодействия. Двухфакторный дисперсионный анализ Апостериорные критерии Непараметрические методы анализа. Описательная статистика для не параметрических данных. Критерии сравнения для 2-х непарных выборок.
Критерии сравнения для 3-х и более непарных выборок. Критерии сравнения для 2-х парных выборок. Критерии сравнения для 3-х и более непарных выборок. Непараметрические меры связи для двух переменных Корреляция. Диаграммы рассеяния и статистики. Диаграммы рассеяния.
Корреляции.
Регрессия. Введение и основные понятия. Уравнение регрессии и меры согласия. Остатки и выбросы, предположения. Простая регрессия.
Множественная регрессия. Пошаговая регрессия.
Анализ качественных данных. Частотные таблицы. Отображение информации о встречаемости. Нормирование в диаграммах. Круговые диаграммы.
Таблицы сопряженности. Проверка на независимость по критерию Хиквадрат. Другие критерии проверки на независимость.
Анализ выживаемости. Организация данных. Таблицы времен жизни. Анализ выживаемости Каплана-Мейера. Анализ выживаемости Кокса Задачи классификации, понятие о многомерной статистике. Логистическая регрессия. Дискриминантный анализ. Деревья решений. Кластерный анализ Способы представления и визуализации результатов и основные статистические пакеты программ и их характеристика. Основные требования к визуализации данных. Типы графиков. Ошибки графического представления результатов. Обзор графических пакетов. Обзор валидизированных графических пакетов Курсанты представляют результаты самостоятельной работы – план исследовательской работы, описание показателей, рандомизации, расчет выборки и план статистического анализа для своей научной работы.
ТЕМЫ РЕФЕРАТОВ ПО КУРСУ:
Принципы подготовки научного обзора.Мета-анализ в клинической медицине.
Планирование экспериментальных и клинических исследований Разведочный, дискриптивный анализ.
Статистические гипотезы и их проверка.
Методы сравнения 2-х выборок.
Дисперсионный анализ (однофакторный и многофакторный), методы множественных сравнений Непараметрические методы анализа Корреляция и регрессия 10. Анализ качественных данных 11. Анализ выживаемости 12. Задачи классификации, понятие о многомерной статистике 13. Способы представления и визуализации результатов.
14. Основные статистические пакеты программ и их характеристика.
ИТОГОВЫЙ ЗАЧЁТ
По окончании курса предусмотрен зачет. Аспиранты представляют результаты самостоятельной работы – план исследовательской работы, описание показателей, рандомизации, расчет выборки и план статистического анализа для своей научной работы.
ЛИТЕРАТУРА
1. Власов В. В. Эпидемиология: Учебное пособие для вузов. – 2-е изд., испр.– М.: ГЭОТАР-Медиа, 2006. – 462 с.
Гланц С. Медико-биологическая статистика. – М.: Практика, 1999. – исследования: Анализ и интерпретация данных. – СПб.: Речь, 2004. - с.
Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках 2-е изд. – СПб.: Питер, 2007. – 416 с.
Реброва О.Ю. Статистический анализ медицинских данных.
Применение пакета прикладных программ STATISTICA. – М.:
МедиаСфера, 2002. – 312 с.
Савилов Е.Д., Мамонтова Л.М., Астафьев В.А. и др. Применение статистических методов в эпидемиологическом анализе: Монография. – Изд. 2-е, доп., перераб. – М.: Мед-пресс, 2004. – 112 с.
Флетчер Р., Флетчер В., Вагнер Х. Клиническая эпидемиология.
Доказательная медицина. – М.: Медиа-сфера, 1998. – 352 с.
Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований. – СПб.: ВМедА, 2002. – 266 с.