čeština

Lékařská fakulta (LF MU)

Po absolvování předmětu je student schopen:
• aplikovat popisnou statistiku na daná data
• vybrat a použít nástroje pro testování statistických hypotéz
• graficky prezentovat statistická data
• navrhnout klinické studie
• pracovat s databázemi a statistickými programy

Jsou požadovány znalosti na úrovni středoškolského studia matematiky, práce s PC, základy práce s MS Office, zejména MS Excel.
Práce v laboratoři je podmíněna platnou kvalifikací „osoby poučené“, kterou musí studenti získat před zahájením výuky. Informace k této kvalifikaci jsou uvedeny ve Směrnici děkana Seznámení studentů s bezpečnostními předpisy.

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Splnění požadavků pro ukončení cvičení (účast, zápočtová písemka za více než 50% bodů).
Písemná zkouška za více než 40% bodů.
Závěrečná zkouška je orientována na pochopení problematiky statistické analýzy dat a jejich aplikací.

1. Úvod do statistiky, testování hypotéz. Stochastická rozložení, distribuční funkce, frekvenční tabulky, kvantily. Tabulky modelových rozložení. Výběry z biologických populací, zpracování dat. Úvod do plánování výběrů.
2. Spojitá, ordinální a nominální data v biologii. Odhady výběrových parametrů. Procenta a indexy jako odvozená biologická data.
3. Rozložení spojitých proměnných - testování hypotéz, grafické metody. Rozložení binárních proměnných - testování hypotéz, grafické metody.
4. Jednovýběrové testy. Testování hypotéz o parametrech výběrových populací: výběrový průměr, medián, směrodatná odchylka, rozptyl. Výběrové a experimentální plány pro testování parametrů výběrových populací.
5. Aplikace binomického a Poissonova rozložení v biologii, modelování pomocí binomického rozložení. Jednovýběrové testy o binomickém parametru p a Poissonově konstantě.
6. Srovnávání parametrů dvou výběrových populací. Experimentální plány - zcela znáhodněný a párový. Parametrické a neparametrické metody. Formální prezentace srovnání dvou výběrových populací v literatuře. Grafické metody.
7. Analýza binárních a ordinálních dat. Test dobré shody: genetika, molekulární biologie, ekologie. Analýza R x C kontingenčních tabulek, diskriminace kategoriálních dat. Binomický test a test homogenity binomických četností.
8. Korelační analýza. Parametrická a pořadová korelace (kovariance, korelační koeficienty, koeficienty podobnosti). Korelační a kovarianční matice. Parciální korelace.
9. Analýza rozptylu (ANOVA): modely jednoduchého třídění pro experimentální a ekologická data. Neparametrické metody analýzy rozptylu.
10. ANOVA dvojného třídění, testování interakcí jednoho nebo více pokusných zásahů, formální prezentace výsledků analýzy rozptylu.
11. Úvod do regresní analýzy. Regresní analýza přímky. Analýza rozptylu v regresní analýze přímky. Lineární regrese. Analýza reziduí regresních modelů.

8. Uživatelův přístup k počítači, jeho profile, lokální data.
9. Sítě, Internet.
10. Zásady tvorby databází a správy dat s ohledem na zajištění kvality dat (QA/QC).
BLOK C: Plánování, management a hodnocení klinických studií
11. Základní terminologie, etické a právní aspekty.
12. Analýza dat v KHL.
13. Randomizace a průběžný monitoring plánovaného experimentu.

Cílem výuky je poskytnout studentům dostatečné znalosti ke sběru, organizaci a statistické analýze klinických dat včetně prezentační a interpretační koncovky.

Účast na cvičení je povinná, povoleny jsou dvě absence, v případě více absencí je možné cvičení po dohodě s vyučujícím nahradit (optimálně v jiné paralelní skupině).

ALTMAN, Douglas. Practical statistics for medical research. London: Chapman and Hall, 1991. ISBN 0412276305. (EN)
HAVRÁNEK, Tomáš. Statistika pro biologické a lékařské vědy. 1. vyd. Praha: Academia, 1993. ISBN 80-200-0080-1. (CS)