Statystyka w medycynie – analizy wielowymiarowe

Uczestnicy poznają wybrane podstawowe metody i procedury statystyki wielowymiarowej stosowane w badaniach biomedycznych.

Kurs ma trzy główne cele:

• Przybliżenie tematu wielowymiarowych metod statystycznych (przystępne omówienie idei tych metod oraz ich praktycznych zastosowań, zamiast suchego opisu skomplikowanych procedur obliczeniowych).
• Przekazanie kursantom umiejętności koniecznych do poprawnej interpretacji wyników przeprowadzonych analiz. Przyjęty sposób prezentacji omawianych metod ułatwi ich zastosowanie do opracowania wyników własnych badań.
• Dokładne omówienie przebiegu prezentowanych analiz w środowisku programu Statistica.

Naukę ułatwią praktyczne przykłady analiz, bazujących na danych pochodzących z rzeczywistych projektów badawczych.

Dla kogo?

Szkolenie polecamy wszystkim, którzy prowadzą złożone badania empiryczne w obszarze biomedycyny i chcieliby poprawnie i efektywnie wykorzystywać metody wielowymiarowej analizy statystycznej. W tym między innymi dla:

• Lekarzy
• Fizjoterapeutów
• Pielęgniarek
• Epidemiologów
• Przedstawicieli nauk biomedycznych

Co zyskasz?

• Poznasz najczęściej wykorzystywane techniki do analizy danych wielowymiarowych
• Poznasz lub usystematyzujesz podstawowe pojęcia wielowymiarowej analizy danych stosowane w biomedycynie
• Samodzielnie wybierzesz najlepszy zbiór zmiennych objaśniających i zbudujesz model opisujący interesujące Cię zjawisko oraz poznasz, jak badać zależności pomiędzy dwoma zbiorami zmiennych
• Samodzielnie przejdziesz przez kolejne etapy wielowymiarowej analizy danych w programie Statistica
• Nabędziesz umiejętności koniecznych do zinterpretowania wyników badań wykorzystujących wielowymiarowe metody statystyczne.
• Otrzymasz praktyczne wskazówki, jak unikać błędów w wielowymiarowej analizie danych i ich interpretacji

Program szkolenia

1. Wstęp
   • Wprowadzenie – skale pomiarowe
   • Przypomnienie podstawowych technik analizy danych
2. Wielowymiarowa wersja testu t-Studenta
3. Wielowymiarowa analiza wariancji (MANOVA)
   • Idea rozszerzenia ANOVA, opis, założenia
   • Testy wielowymiarowe
   • Interpretacja wyników analizy różnych układów doświadczalnych na przykładzie
4. Wielowymiarowa analiza kowariancji (MANCOVA)
   • Idea rozszerzenia ANCOVA, opis, założenia
   • Wybór zmiennej towarzyszącej i testy wielowymiarowe
   • Interpretacja wyników na przykładzie
5. Analiza kanoniczna
   • Idea rozszerzenia analizy korelacji na dwa zbiory zmiennych, zastosowanie
   • Określenie zmiennych kanonicznych
   • Problem liczby zmiennych kanonicznych
   • Interpretacja wyników na rzeczywistych przykładach
   • Założenia analizy kanonicznej
6. Analiza dyskryminacyjna
   • Zagadnienie klasyfikacyjne w analizie danych
   • Idea budowy modelu dyskryminacyjnego, zastosowanie
   • Idea budowy funkcji dyskryminacyjnych
   • Określenie zmiennych dyskryminacyjnych
   • Metody klasyfikacji, wykorzystanie modelu dyskryminacyjnego
   • Interpretacja wyników na przykładzie
7. Analiza składowych głównych
   • Problem redukcji wymiarów
   • Idea analizy głównych składowych, zastosowania
   • Interpretacja wyników analizy na przykładzie
   • Założenia analizy składowych głównych
   • Składowe główne w analizie regresji
8. Analiza skupień
   • Problem grupowania elementów w jednorodne klasy
   • Idea analizy skupień, zastosowania
   • Miary odległości
   • Metody najczęściej wykorzystywane w analizie skupień
     • Metody aglomeracyjne
     • Metoda k-średnich
   • Interpretacja otrzymanych wyników w oparciu o praktyczne dane