Μαθήματα Βιοστατιστικής

Μάθημα 1 • Ο Ρόλος της Στατιστικής στην Έρευνα Υγείας

Ορίζει τη βιοστατιστική και τη λειτουργία της στην τεκμηριωμένη ιατρική. Καθορίζει γιατί η ποσοτική συλλογιστική είναι απαραίτητη για τις κλινικές αποφάσεις και τις αποφάσεις δημόσιας υγείας.

Μάθημα 2 • Οργάνωση και Παρουσίαση Δεδομένων

Καλύπτει πίνακες συχνοτήτων, ιστογράμματα και ραβδογράμματα για την αρχική διερεύνηση δεδομένων. Η οπτικοποίηση αποκαλύπτει μοτίβα κατανομής πριν από την τυπική ανάλυση.

Μάθημα 3 • Συλλογή Δεδομένων και Βασικές Αρχές Σχεδιασμού Μελετών

Εισάγει τις πηγές δεδομένων παρατήρησης και πειραματικών δεδομένων και τους περιορισμούς τους. Συνδέει τη μέθοδο συλλογής με την πιθανή μεροληψία και την ποιότητα των δεδομένων.

Μάθημα 1 • Διερευνητική Ανάλυση Δεδομένων στην Πράξη

Εφαρμόζει περιγραφικά εργαλεία σε πραγματικά σύνολα δεδομένων υγείας για τον εντοπισμό ανωμαλιών και μοτίβων. Η ΔΑΔ προηγείται της τυπικής συναγωγής και καθοδηγεί τη δημιουργία υποθέσεων.

Μάθημα 2 • Μέτρα Κεντρικής Τάσης

Διδάσκει τον μέσο όρο, τη διάμεσο και την επικρατούσα τιμή με έμφαση στο πότε είναι κατάλληλο το καθένα. Συνδέει την επιλογή του μέτρου με τον τύπο της μεταβλητής και το σχήμα της κατανομής.

Μάθημα 3 • Σύνοψη Δεδομένων με Θηκογράμματα

Κατασκευάζει και ερμηνεύει θηκογράμματα για την απεικόνιση περιλήψεων πέντε αριθμών. Τα θηκογράμματα επικοινωνούν αποτελεσματικά τη διασπορά, τη διάμεσο και τις ακραίες τιμές ταυτόχρονα.

Μάθημα 4 • Μέτρα Μεταβλητότητας

Καλύπτει το εύρος, τη διακύμανση, την τυπική απόκλιση και το διατεταρτημοριακό εύρος. Τα μέτρα μεταβλητότητας ποσοτικοποιούν την αβεβαιότητα και τη διασπορά των δεδομένων γύρω από το κέντρο.

Μάθημα 1 • Δεσμευμένη Πιθανότητα και Θεώρημα Bayes

Εξηγεί τη δεσμευμένη πιθανότητα και ενημερώνει τις πεποιθήσεις χρησιμοποιώντας το θεώρημα Bayes. Άμεσα εφαρμόσιμο στην ερμηνεία διαγνωστικών εξετάσεων και τον έλεγχο ασθενειών.

Μάθημα 2 • Βασικές Έννοιες Πιθανοτήτων

Ορίζει την πιθανότητα, τους δειγματικούς χώρους και τα γεγονότα χρησιμοποιώντας παραδείγματα υγείας. Αυτές οι έννοιες αποτελούν τη λογική βάση για όλη τη στατιστική συναγωγή.

Μάθημα 3 • Διακριτές Κατανομές Πιθανοτήτων

Καλύπτει τη διωνυμική κατανομή και την κατανομή Poisson με παραμέτρους σχετικές με την υγεία. Μοντελοποιεί αποτελέσματα καταμέτρησης, όπως κρούσματα ασθενειών και ανεπιθύμητα συμβάντα.

Μάθημα 4 • Συνεχείς Κατανομές Πιθανοτήτων

Εισάγει την κανονική κατανομή και την κατανομή t και τις συναρτήσεις πυκνότητας πιθανότητάς τους. Οι συνεχείς κατανομές μοντελοποιούν βιολογικές μετρήσεις και τη δειγματική μεταβλητότητα.

Μάθημα 1 • Αρχές Σημειακής Εκτίμησης

Ορίζει τους εκτιμητές και επιθυμητές ιδιότητες όπως η αμεροληψία και η αποδοτικότητα. Καθιερώνει τον εννοιολογικό σύνδεσμο μεταξύ δειγματικών στατιστικών και παραμέτρων πληθυσμού.

Μάθημα 2 • Διαστήματα Εμπιστοσύνης για Μέσους Όρους

Κατασκευάζει διαστήματα βασισμένα σε z και t για μεμονωμένους και ζευγαρωτούς μέσους όρους. Το εύρος του διαστήματος αντικατοπτρίζει το μέγεθος του δείγματος και τη μεταβλητότητα των δεδομένων.

Μάθημα 3 • Προσδιορισμός Μεγέθους Δείγματος για Εκτίμηση

Εξάγει τύπους για την επίτευξη επιθυμητού περιθωρίου σφάλματος για μέσους όρους και αναλογίες. Ο σωστός σχεδιασμός μεγέθους δείγματος διασφαλίζει ότι οι μελέτες έχουν επαρκή ισχύ και είναι αποδοτικές.

Μάθημα 1 • Λογική και Πλαίσιο του Ελέγχου Υποθέσεων

Εξηγεί τις μηδενικές και εναλλακτικές υποθέσεις, τα επίπεδα σημαντικότητας και τους κανόνες απόφασης. Το πλαίσιο δομεί τον τρόπο με τον οποίο αξιολογούνται τα τεκμήρια έναντι μιας προεπιλεγμένης υπόθεσης.

Μάθημα 2 • Έλεγχοι για Κατηγορικά Δεδομένα

Εφαρμόζει ελέγχους χι-τετράγωνο για ανεξαρτησία και καλή προσαρμογή σε πίνακες συχνοτήτων. Αυτοί οι έλεγχοι αξιολογούν τις συσχετίσεις μεταξύ κατηγορικών μεταβλητών σε μελέτες υγείας.

Μάθημα 3 • Στατιστική Ισχύς και Μέγεθος Δείγματος για Ελέγχους

Ορίζει την ισχύ, το σφάλμα βήτα και το μέγεθος επίδρασης και τα συνδέει με το μέγεθος δείγματος. Η επαρκής ισχύς αποτρέπει ψευδώς αρνητικά συμπεράσματα στην κλινική έρευνα.

Μάθημα 4 • Έλεγχοι Δύο Δειγμάτων για Μέσους Όρους

Συγκρίνει μέσους όρους από δύο ανεξάρτητες ομάδες και ζευγαρωτές παρατηρήσεις. Η επιλογή του σωστού ελέγχου εξαρτάται από τον σχεδιασμό της μελέτης και τις υποθέσεις διακύμανσης.

Μάθημα 1 • Μέτρα Συσχέτισης και Ερμηνεία

Υπολογίζει τους συντελεστές συσχέτισης Pearson και Spearman και ελέγχει τη σημαντικότητά τους. Η συσχέτιση ποσοτικοποιεί γραμμικές και μονότονες συσχετίσεις χωρίς να υπονοεί αιτιότητα.

Μάθημα 2 • Διαγνωστικά Παλινδρόμησης και Υποθέσεις

Ελέγχει τη γραμμικότητα, την ομοσκεδαστικότητα, την κανονικότητα των καταλοίπων και τα σημεία επιρροής. Οι παραβιασμένες υποθέσεις μεροληπτούν τις εκτιμήσεις και ακυρώνουν τη συναγωγή.

Μάθημα 3 • Απλή Γραμμική Παλινδρόμηση

Προσαρμόζει ένα μοντέλο ευθείας γραμμής για την πρόβλεψη ενός συνεχούς αποτελέσματος από έναν προβλεπτικό παράγοντα. Οι συντελεστές παλινδρόμησης ποσοτικοποιούν το μέγεθος και την κατεύθυνση της συσχέτισης.

Μάθημα 4 • Πολλαπλή Γραμμική Παλινδρόμηση

Επεκτείνει την παλινδρόμηση σε πολλαπλούς προβλεπτικούς παράγοντες και εισάγει τον έλεγχο συγχυτικών παραγόντων. Οι προσαρμοσμένοι συντελεστές απομονώνουν την ανεξάρτητη συνεισφορά κάθε προβλεπτικού παράγοντα στο αποτέλεσμα.

Μάθημα 1 • Ανάλυση Διακύμανσης Μονής Κατεύθυνσης

Καταμερίζει τη συνολική μεταβλητότητα σε συνιστώσες μεταξύ ομάδων και εντός ομάδων. Η ANOVA ελέγχει εάν τουλάχιστον ένας μέσος όρος ομάδας διαφέρει από τους άλλους.

Μάθημα 2 • Επαναλαμβανόμενες Μετρήσεις και Μικτοί Σχεδιασμοί

Διαχειρίζεται μετρήσεις εντός υποκειμένων διαχρονικά ή υπό συνθήκες χρησιμοποιώντας ANOVA επαναλαμβανόμενων μετρήσεων. Λαμβάνει υπόψη τη συσχέτιση μεταξύ επαναλαμβανόμενων παρατηρήσεων για τη βελτίωση της ισχύος.

Μάθημα 3 • Ανάλυση Διακύμανσης Δύο Κατευθύνσεων και Επιδράσεις Αλληλεπίδρασης

Αναλύει δύο κατηγορικούς παράγοντες ταυτόχρονα και ελέγχει την αλληλεπίδραση. Η αλληλεπίδραση αποκαλύπτει εάν η επίδραση ενός παράγοντα εξαρτάται από το επίπεδο του άλλου.

Μάθημα 4 • Μη Παραμετρικοί Έλεγχοι για Τακτικά και Μη Κανονικά Δεδομένα

Εφαρμόζει εναλλακτικές λύσεις βασισμένες σε τάξεις μεγέθους για ελέγχους t και ANOVA όταν η κανονικότητα είναι αβάσιμη. Οι μη παραμετρικοί έλεγχοι διατηρούν την εγκυρότητα με μικρά δείγματα ή ασύμμετρες κατανομές.

Μάθημα 1 • Παλινδρόμηση Αναλογικών Κινδύνων Cox

Μοντελοποιεί την επίδραση συμμεταβλητών στον ρυθμό κινδύνου χρησιμοποιώντας το μοντέλο Cox. Οι λόγοι κινδύνου από αυτό το μοντέλο προσαρμόζουν για συγχυτικούς παράγοντες σε μελέτες επιβίωσης.

Μάθημα 2 • Εισαγωγή στην Ανάλυση Επιβίωσης

Ορίζει τη λογοκρισία, τις συναρτήσεις επιβίωσης και τις συναρτήσεις κινδύνου για δεδομένα χρόνου-έως-το-γεγονός. Οι μέθοδοι επιβίωσης χειρίζονται την ατελή παρακολούθηση που η τυπική παλινδρόμηση δεν μπορεί να αντιμετωπίσει.

Μάθημα 3 • Τυποποίηση και Προσαρμογή Δεικτών

Αφαιρεί τη σύγχυση λόγω ηλικίας ή άλλων παραγόντων χρησιμοποιώντας άμεση και έμμεση τυποποίηση. Οι προσαρμοσμένοι δείκτες επιτρέπουν έγκυρες συγκρίσεις μεταξύ πληθυσμών με διαφορετικές συνθέσεις.

Μάθημα 4 • Μέτρα Συχνότητας Νόσου

Ορίζει τους δείκτες επίπτωσης, επιπολασμού και θνησιμότητας και τους παρονομαστές τους. Τα ακριβή μέτρα συχνότητας αποτελούν τη βάση για τη σύγκριση του φορτίου νόσου μεταξύ πληθυσμών.