DATA SCIENCE LAB IN MEDICINE

Scheda dell'insegnamento

Anno accademico di regolamento: 
2017/2018
Anno di corso: 
2
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Secondo Semestre
Ore di attivita' didattica: 
50
Prerequisiti: 

Statistica descrittiva e inferenziale.

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Questionario di valutazione finale con risposte a scelta multipla per valutare la preparazione sul programma complessivo.

Progetto individuale riguardante l’analisi di big data per testare la capacità dello studente nell'applicazione della metodologia di ricerca negli studi clinici.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso si propone di fornire i concetti di base di epidemiologia clinica che sono alla base di un adeguato approccio metodologico a un progetto di ricerca nel campo clinico. Lo studente sarà in grado di gestire i big data nella ricerca medica, concentrandosi in particolare su diversi aspetti tra cui la progettazione, la gestione e l'analisi dei dati. Lo studente sarà in grado di implementare strategie di disegno adeguate ai trial clinici e studi osservazionali. Lo studente sarà in grado di applicare modelli di regressione per l’analisi di dati di sopravvivenza e longitudinali e di utilizzare questi modelli per la predizione del rischio e la valutazione di relazioni causali tra le variabili. Lo studente sarà in grado di usare metodologie statistiche adeguate allo studio di dati genetici.

Contenuti

Epidemiologia clinica. Disegni di trial clinici e studi osservazionali. Metodi statistici per l’analisi di dati di sopravvivenza, dati con misure ripetute, modelli di predizione del rischio e inferenza causale. Epidemiologia genetica. Metodi statistici per l’analisi di dati genetici.

Programma esteso

Nozioni di base sull'epidemiologia clinica.

Disegni di studio: cross-sectional, caso-controllo, trial randomizzati, disegni per la validazione di biomarkers.

Metodi statistici con applicazione a: dati di sopravvivenza, dati con misure ripetute, modelli predittivi di rischio (stima e validazione), inferenza causale.

Epidemiologia genetica e statistica: concetti di base di genetica, analisi di segregazione e associazione (linkage disequilibrium), studi famigliari, GWAS (Studi di associazione Genome Wide), analisi su dati di omica.

Bibliografia consigliata

Slides proiettate a lezione.

Si segnalano i seguenti testi per approfondimento:

Machin D., Campbell M.J. (2005). Design of studies for medical research, Chichester: John Wiley & Sons.

E. Marubini, M.G. Valsecchi (1995). Analysing survival data from clinical trials and observational studies, Chichester: John Wiley & Sons.

Vittinghoff, E., Glidden, D. V., Shiboski, S. C., McCulloch, C. E. (2005). Statistics for biology and health. Regression methods in biostatistics: Linear, logistic, survival, and repeated measures models. New York, NY, US: Springer Publishing Co.

Laird N.M., Lange C. (2011). The fundamentals of modern statistical genetics. New York, NY, US: Springer Publishing Co.

Metodi didattici

Lezioni frontali con l'utilizzo di metodologie attive affiancate da laboratori informatici con attività supervisionate in piccolo gruppi usando il software R. Lettura critica di articoli metodologici riguardanti la ricerca clinica.