AMF011/23
Modelización estadística avanzada en estudios biomédicos: Análisis de Supervivencia (R) (Edición 2023)
Del 8 al 23 de mayo 2023 (20 horas)
Fecha límite de inscripción: 9 de abril de 2023
Embedded Files
Online con:
2 Sesiones Webinar en directo : 9 y 22 de mayo (16:30h)
1 Sesión presencial (CIBA)*:
Subgrupo 1: 15 de mayo de 16h a 20h
Subgrupo 2: 16 de mayo de 9h a 13h
*Necesario traer ordenador portátil propio.
DIRIGIDO A:
DIRIGIDO A:
Profesionales del Sistema Aragonés de Salud, y/o a personal investigador del IIS Aragón que desarrolla investigación dentro de un equipo de investigación, que precisen el manejo de este tipo de metodología para el desarrollo de su labor investigadora. (24 plazas)
Criterios de selección
Los criterios de selección serán:
Profesionales del SALUD que pertenezcan a un grupo de investigación.
Profesionales del SALUD que deseen iniciar labor investigadora.
Profesionales adscritos a grupos de investigación del IIS Aragón no incluidos en los dos grupos anteriores que desarrollen investigación clínica y con preferencia de los grupos emergentes.
Orden de Preinscripción.
En la selección, se intentará garantizar que los distintos sectores sanitarios de Aragón tengan representación en la actividad.
Para las sesiones presenciales, es imprescindible llevar ordenador portátil propio.
Se requiere conocimientos básicos de estadística así como experiencia y conocimientos de uso del Sofware R.
PRESENTACIÓN:
PRESENTACIÓN:
Hablamos de estadística, cuando pensamos en una relación de datos numéricos presentada de forma ordenada y sistemática y hablamos de bioestadística al referirnos a una rama de la estadística que se ocupa de los problemas planteados dentro de las ciencias de la vida, como la biología, la medicina, entre otros.
El conocimiento de la bioestadística puede ayudar al profesional de la salud a interpretar mejor los resultados de artículos originales que revise, permite comprender muchos de los tecnicismos que se encuentran en ellos y enjuiciarlos críticamente.
El análisis estadístico mediante el software R permite no sólo analizar estos datos con las técnicas estadísticas básicas, sino que también permite llevar a cabo análisis mediante modelos más complejos que no se encuentran disponibles en otros programas diseñados para el análisis de datos. La flexibilidad del entorno R también permite al usuario crear gráficos de alto nivel que permitan visualizar de forma eficiente la información que se está tratando. R también es un lenguaje de programación que permite al investigador crear sus propias funciones para facilitar, por ejemplo, el análisis masivo de datos.
Actualmente, muchas de las revistas científicas solicitan a los investigadores que sus trabajos sean reproducibles desde el punto de vista estadístico. R es el software más utilizado para esta tarea gracias a la posibilidad de integrar código de R en documentos de texto, LaTeX o incluso en páginas HTML. Dado que R sigue la filosofía de “código abierto”, numerosos investigadores ponen a disposición de la comunidad científica librerías, funciones y ejemplos que faciliten el análisis de todo tipo de datos biomédicos incluso para aquellos que no tienen un conocimiento avanzado ni estadístico ni de programación.
A diferencia de los estudios transversales, los estudios longitudinales recogen información en dos o más periodos de tiempo. Este hecho hace que los métodos estadísticos tradicionales no puedan utilizarse ya que la asunción de independencia entre las observaciones no se cumple.
En este curso se estudiarán las principales metodologías para analizar datos medidos de forma repetida a lo largo del tiempo mediante análisis de supervivencia y modelos conjuntos de datos longitudinales y de supevivencia
OBJETIVOS:
OBJETIVOS:
Objetivo general
Proporcionar las herramientas estadísticas avanzadas para la investigación en ciencias de la salud.
Objetivos específicos
- Dar a conocer la organización adecuada que deben tener nuestros datos para este tipo de estudios longitudinales.
- Ilustrar cómo visualizar datos longitudinales.
- Introducir al alumno en métodos y modelos estadísticos para analizar medidas repetidas cuando la variable respuesta es el tiempo hasta el evento de interés.
- Dar a conocer al alumno las funciones involucradas en el análisis de supervivencia
- Introducir al alumno en los métodos y modelos estadísticos para analizar modelos conjuntos de datos longitudinales y de supervivencia
- Crear de informes reproducibles usando únicamente R
PROFESORADO:
PROFESORADO:
Juan Ramón González Ruiz Associate Research Professor en el Instituto de Salud Global Barcelona (ISGlobal). Bioinformatic group in genetic epidemiology (BRGE). https://github.com/isglobal-brge/
METODOLOGÍA DOCENTE:
METODOLOGÍA DOCENTE:
El curso, de modalidad mixta, se ha estructurado en 2 temas con diferente carga horaria atendiendo a la secuencia de acciones en el transcurso de la realización y conceptualización de un plan de análisis estadístico.
Se desarrolla en la plataforma de formación Moodle y cuenta con 3 sesiones presenciales, dos de ellas mediante formato webinar en directo, y otra en formato presencial físicamente en instalaciones del CIBA
En total el curso se articula en 20 horas, 12,5 de estudio teórico combinando trabajo individual tutorizado y 7,5 horas en formato presencial (2 sesiones en directo en formato webinar de 2 y 1,5 horas de duración respectivamente y 1 sesión tipo taller en formato presencial físicamente en instalaciones del CIBA).
Durante la fase asíncrona al alumno dispondrá de contenidos de varios tipos:
Contenido del temario en formato multimedia y en formato “pdf” descargable.
Presentaciones en formato digital con el contenido de cada tema.
Actividades de autoevaluación para afianzar los contenidos.
Tarea a realizar por el alumno, el alumno aplicará los conocimientos adquiridos para completar la tarea que enviará mediante la plataforma.
Foro de debate y resolución de dudas en los que se solicitará a los alumnos que aporten reflexiones sobre el tema tratado o pongan en común sus dudas sobre la materia
Material de lectura complementaria, apartado “para saber más”.
Se seguirá una metodología que favorezca una interacción continuada entre docente y alumno. El docente actuará como guía para facilitar la transferencia de conceptos por parte de los alumnos. Para ello, los ejercicios prácticos se corregirán en un contexto interactivo, facilitando la discusión y el diálogo en lugar de la corrección unidireccional por parte del profesor. El profesor tiene amplia experiencia en formación online, conoce la plataforma moodle y los recursos que dispone dicha plataforma.
PROGRAMA
PROGRAMA
Webinar en directo Introducción al curso (2 horas) Martes 9 de mayo (16:30h)
Tema 1: Análisis de supervivencia con eventos recurrentes
• Introducción al análisis de supervivencia
• Modelos condicionales y marginales
• Modelos de fragilidad
- Webinar en directo Dudas y revisión bloque III (1,5 horas) Lunes 16 de mayo (16:30h)
Tema 2: Modelización conjunta de datos longitudinales y de supervivencia
• Introducción a los modelos conjuntos joint models
• Joint models
Sesión presencial: (4 horas)
Subgrupo 1: Lunes 15 de mayo de 16h a 20h
Subgrupo 2: Martes 16 de mayo de 9h a 13h
Webinar en directo Finalización del curso. Resolución de dudas (1,5 horas) Lunes 22 de mayo (16:30h)
EVALUACIÓN:
EVALUACIÓN:
Para la obtención del certificado con la acreditación es necesario asistir al menos a 1 de las 2 sesiones en directo mediante webinar así como asistir a la sesión presencial y realizar todas las preguntas de autoevaluación y los ejercicios propuestos por el docente en cada tema.
ACREDITACIÓN:
ACREDITACIÓN:
Actividad acreditada acreditada con 4,4 créditos por la Comisión de Formación Continuada de la Profesiones Sanitarias de Aragón.
DIRECCIÓN Y COORDINACIÓN CIENTÍFICA:
DIRECCIÓN Y COORDINACIÓN CIENTÍFICA:
Daniel Bordonaba Bosque. Estadístico del Servicio de Apoyo Metodológico y Estadístico del IACS.
Anselmo López Cabañas. Metodólogo del Servicio de Apoyo Metodológico y Estadístico del IACS.
976 71 35 34 | 976 71 42 20
same.iacs@aragon.es
SECRETARÍA:
SECRETARÍA:
Tel. 976 71 58 99 Fax. 976 71 46 70
E-mail: formacion.iacs@aragon.es
2021 - IACS Instituto Aragonés de Ciencias de la Salud. Todos los derechos reservados - www.iacs.es
Page updated
Report abuse