Corso di statistica biomedica

Lezione 1 • Concetti di campionamento e popolazione

Spiega i metodi di campionamento probabilistico e non probabilistico e il loro effetto sulla generalizzabilità. La strategia di campionamento influisce direttamente sulla validità dell'inferenza.

Lezione 2 • Fondamenti del disegno di studio

Introduce i disegni osservazionali e sperimentali, inclusi gli studi di coorte, caso-controllo e le strutture degli RCT. La scelta del disegno determina quali metodi statistici sono validi.

Lezione 3 • Tipi di variabili biomediche

Distingue variabili continue, discrete, nominali e ordinali in contesti clinici. La corretta classificazione guida ogni decisione analitica a valle in questo corso.

Lezione 4 • Misurazione e qualità dei dati

Tratta validità, affidabilità, precisione e accuratezza nella misurazione biomedica. Una scarsa qualità della misurazione propaga l'errore attraverso tutte le analisi statistiche.

Lezione 1 • Misure di dispersione

Tratta varianza, deviazione standard, intervallo e intervallo interquartile per quantificare la dispersione dei dati. Le misure di dispersione completano la tendenza centrale nella descrizione completa dei dati.

Lezione 2 • Rappresentazione grafica dei dati

Applica istogrammi, box plot, grafici a barre e diagrammi di dispersione ai dati biomedici. La visualizzazione rivela schemi che le sole statistiche riassuntive non possono catturare.

Lezione 3 • Distribuzioni di frequenza e tabelle

Costruisce tabelle di frequenza assoluta, relativa e cumulativa per variabili biomediche. Le tabelle costituiscono la spina dorsale della reportistica descrittiva negli studi clinici.

Lezione 4 • Misure di tendenza centrale

Insegna il calcolo di media, mediana e moda e il loro uso appropriato per tipo di variabile. Scegliere la misura sbagliata rappresenta in modo errato la distribuzione dei dati.

Lezione 1 • Distribuzioni di probabilità

Introduce le distribuzioni binomiale, di Poisson e normale rilevanti per dati biomedici di conteggio e continui. Selezionare la distribuzione corretta è essenziale per un'inferenza valida.

Lezione 2 • Teorema di Bayes nelle decisioni cliniche

Applica il teorema di Bayes per aggiornare la probabilità di malattia dopo i risultati del test. L'aggiornamento bayesiano formalizza il ragionamento clinico sulle informazioni diagnostiche sequenziali.

Lezione 3 • Metriche di prestazione dei test diagnostici

Calcola sensibilità, specificità e rapporti di verosimiglianza da tabelle di contingenza due per due. Queste metriche quantificano la capacità di un test di classificare correttamente lo stato di malattia.

Lezione 4 • Regole fondamentali della probabilità

Stabilisce le regole di addizione, moltiplicazione e complemento con esempi biomedici. Le regole della probabilità sono alla base di tutta la statistica inferenziale e diagnostica.

Lezione 1 • Ipotesi nulla e alternativa

Formula ipotesi nulla e alternativa per confronti biomedici e definisce test a una vs. due code. Una corretta formulazione delle ipotesi è prerequisito per una verifica valida.

Lezione 2 • Potenza statistica e dimensione del campione

Calcola le dimensioni del campione necessarie per ottenere una potenza adeguata per sperimentazioni e indagini biomediche. Gli studi con potenza insufficiente sprecano risorse e producono conclusioni inaffidabili.

Lezione 3 • Distribuzioni campionarie e teorema del limite centrale

Spiega come le medie campionarie si distribuiscono attorno alla media della popolazione e perché emerge la normalità. Questo teorema giustifica i test parametrici anche con popolazioni non normali.

Lezione 4 • Intervalli di confidenza

Costruisce e interpreta intervalli di confidenza per medie e proporzioni negli studi biomedici. Gli intervalli trasmettono la precisione della stima oltre le decisioni binarie di significatività.

Lezione 1 • Presupposti dei test parametrici

Esamina i presupposti di normalità, omogeneità della varianza e indipendenza richiesti per i test parametrici. Le violazioni dei presupposti invalidano i risultati e richiedono approcci alternativi.

Lezione 2 • Test t per un campione e per due campioni

Esegue test t per un campione, per campioni indipendenti e appaiati per confronti di medie biomediche. Ogni variante affronta una struttura sperimentale distinta.

Lezione 3 • ANOVA a una via

Estende il confronto tra medie a tre o più gruppi indipendenti utilizzando l'ANOVA a una via. L'ANOVA controlla l'errore family-wise che test t multipli gonfierebbero.

Lezione 4 • Confronti multipli post-hoc

Applica le correzioni di Tukey, Bonferroni e Scheffé per identificare quali coppie di gruppi differiscono dopo l'ANOVA. La scelta post-hoc dipende dal disegno dello studio e dalla struttura dei confronti.

Lezione 1 • Test di Kruskal-Wallis e di Friedman

Estende il confronto non parametrico a più gruppi utilizzando i test di Kruskal-Wallis e Friedman. Questi sono le controparti non parametriche dell'ANOVA a una via e per misure ripetute.

Lezione 2 • Test chi-quadrato per dati categorici

Applica i test chi-quadrato di bontà di adattamento e di indipendenza ai dati di frequenza nelle tabelle biomediche. I test chi-quadrato sono lo strumento principale per analizzare esiti categorici.

Lezione 3 • Quando usare i test non parametrici

Identifica le condizioni—campioni piccoli, dati ordinali, forte asimmetria—che richiedono alternative non parametriche. Sapere quando cambiare previene conclusioni parametriche non valide.

Lezione 4 • Test di Mann-Whitney e di Wilcoxon

Esegue i test U di Mann-Whitney e dei ranghi con segno di Wilcoxon come analoghi non parametrici dei test t. Questi test basati sui ranghi confrontano le mediane senza presupposti di normalità.

Lezione 1 • Presupposti e diagnostica della regressione

Verifica linearità, omoschedasticità, normalità dei residui e osservazioni influenti. Violazioni non rilevate producono coefficienti distorti e previsioni fuorvianti.

Lezione 2 • Regressione logistica per esiti binari

Modella la probabilità di un esito clinico binario utilizzando la regressione logistica e gli odds ratio. La regressione logistica è il metodo standard per l'analisi dei fattori di rischio di malattia.

Lezione 3 • Regressione lineare semplice

Adatta un modello a retta per prevedere un esito continuo da un predittore. La regressione estende la correlazione fornendo un'equazione predittiva con incertezza quantificata.

Lezione 4 • Regressione lineare multipla

Estende la previsione a predittori multipli continui e categorici controllando i fattori confondenti. I modelli multivariabili riflettono la complessità dei dati biomedici reali.

Lezione 1 • Concetti dei dati di tempo all'evento

Definisce il tempo di sopravvivenza, la censura e la funzione di rischio per esiti di tempo all'evento. Comprendere la censura è essenziale prima di applicare qualsiasi metodo di analisi di sopravvivenza.

Lezione 2 • Regressione dei rischi proporzionali di Cox

Modella l'effetto di più covariate sul tempo di sopravvivenza utilizzando la regressione di Cox e i rapporti di rischio (hazard ratio). La regressione di Cox è lo standard multivariabile per l'analisi degli esiti di sopravvivenza.

Lezione 3 • Incidenza, prevalenza e misure di rischio

Calcola tasso di incidenza, incidenza cumulativa e prevalenza per dati di salute della popolazione. Queste misure costituiscono il linguaggio quantitativo della reportistica epidemiologica.

Lezione 4 • Rischio relativo, odds ratio e rischio attribuibile

Calcola e interpreta rischio relativo, odds ratio e rischio attribuibile per associazioni esposizione-esito. Queste misure quantificano l'impatto sulla salute pubblica dei fattori di rischio modificabili.