Métodos en Bioestadística

El buen conocimiento y uso de la bioestadística es fundamental para todo profesional del ámbito biosanitario. Este curso, articulado en módulos temáticos, permitirá al profesional adquirir una formación básica, media o avanzada en los métodos bioestadísticos, atendiendo a las necesidades específicas de su entorno laboral. Ejemplos de aplicación incluyen: las medidas de asociación para factores de riesgo, la evaluación de tratamientos en ensayos clínicos, las curvas ROC en la evaluación de métodos diagnósticos, o la identificación de variables influyentes en odds-ratios.

  • Coordinador: Jacobo de Uña Álvarez
  • Equipo de desarrollo: Antonio Martín Andrés, Javier Roca Pardiñas y Jacobo de Uña Álvarez
  • Sector: Transversal
  • Software: SPSS, R, software a demanda
 
MÓDULOS DE NIVEL BÁSICO
 
Módulo B1. Bioestadística básica. SPSS

Conocimientos previos: No se requieren

Número de hora: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Estadística descriptiva.
  • Probabilidad.
  • Estimación.
  • Test de hipótesis.
  • Test de homogeneidad de 2 muestras.
  • Test chi-cuadrado y tablas 2x2.
  • Regresión y correlación.

 

MÓDULOS DE NIVEL MEDIO
 
Módulo M1. Tablas 2x2 en Biomedicina

Conocimientos previos: Estadística básica

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Ensayos clínicos.
  • Análisis de una tabla 2x2.
  • Análisis de varias tablas 2x2.
  • Medidas de concordancia.
  • Medidas de eficiencia en métodos diagnósticos: curvas ROC.
Módulo M2. ANOVA. SPSS

Conocimientos previos: Estadística básica

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Diseños de 1 vía.
  • Modelo e hipótesis a contrastar, descomposición de la variabilidad y análisis post hoc.
  • Diseños factoriales.
  • Modelo e hipótesis.
  • Interacción.
  • Análisis post hoc.
  • Modelo Lineal General para el análisis de diseños con medidas repetidas.
Módulo M3. Análisis multivariante. R

Conocimientos previos: Estadística básica

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Introducción a R: presentación e instalación.
  • Entorno de trabajo: librerías, ayuda, clases y objetos.
  • Estructura de datos: vectores, matrices, listas y marcos de datos.
  • Importación/exportación de datos.
  • Procedimientos gráficos.
  • Programación en R.
  • Análisis multivariante: análisis clúster: medidas de distancia, agrupamiento jerárquico, método de partición.
  • Análisis discriminante lineal y cuadrático.
  • Análisis de componentes principales.

 

MÓDULOS DE NIVEL AVANZADO
 
Módulo A1. Ampliación de Diseño Experimental y ANOVA. SPSS

Conocimientos previos: Los módulos del nivel medio y/o conocimiento avanzado de programación con Mathematica

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Diseño completamente aleatorizado.
  • ANOVA de 1 vía: modelo de efectos fijos y modelo de efectos aleatorios.Comparaciones múltiples. Contrastes. Métodos alternativos de análisis.
  • Diseño de bloques al azar.
  • ANOVA de 2 vía: efectos fijos, aleatorios y mixtos. Comparaciones múltiples. Contrastes. Métodos alternativos de análisis.
  • Otros diseños con bloques.
  • Diseños factoriales con dos factores (con y sin interacción).
  • Diseños factoriales con más de dos factores.
  • Análisis estadístico mediante ANOVA.
  • Análisis de la Covarianza (ANCOVA).
  • Diseños de medidas repetidas: factores intra-sujeto y factores inter-sujetos.
Módulo A2. Regresión lineal, lineal generalizada y aditiva. R

Conocimientos previos: Estadística básica

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Introducción a R: presentación e instalación. Entorno de trabajo: librerías, ayuda, clases y objetos. Estructura de datos: vectores, matrices, listas y marcos de datos. Importación/exportación de datos. Procedimientos gráficos. Programación en R.
  • Introducción a los Modelos de Regresión. Estimación e inferencia. Modelos logísticos de respuesta binaria: modelos lineales generalizados (GLM).
  • Medidas de asociación basadas en GLM. Modelos aditivos generalizados (GAM).
  • GAM con interacciones.
Módulo A3: Análisis de Supervivencia. R

Conocimientos previos: Estadística básica y manejo básico de R

Número de horas: 20 horas (10 h. teóricas y 10 h. prácticas)

Contenido:

  • Introducción: tiempo entre eventos, funciones de supervivencia y riesgo, datos censurados. Modelos notables: estimación e inferencia.
  • Estimadors Kaplan-Meier y Nelson-Aalen: fórmula de Greenwood. Plots de ajuste. Test log-rank. Regresión de Cox: riesgo baselino y estimador de Breslow.
  • Inferencia sobre los parámetros. Modelo de Cox estratificado. Covariables que dependen del tiempo. Regresión con tiempo de fallo acelerado. Análisis de residuos.

INSCRIPCIÓN

Este curso se realiza bajo demanda. Para solicitar información rellene el siguiente formulario.