Pla docent de l'assignatura

 

 

Català Castellano Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Disseny Experimental i Anàlisi de Dades

Codi de l'assignatura: 365402

Curs acadèmic: 2021-2022

Coordinació: Antonio Miñarro Alonso

Departament: Departament de Genètica, Microbiologia i Estadística

crèdits: 6

Programa únic: S

 

 

Hores estimades de dedicació

Hores totals 150

 

Activitats presencials i/o no presencials

60

 

-  Teoricopràctica

Presencial

 

4

 

-  Pràctiques de laboratori

Presencial

 

56

Treball tutelat/dirigit

40

Aprenentatge autònom

50

 

 

Competències que es desenvolupen

 

   -

CG6. Capacitat comunicativa (capacitat de comprendre i expressar-se oralment i per escrit).

   -

CB5. Habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.

   -

CB4. Capacitat per transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

   -

CG2. Capacitat d'aprenentatge i responsabilitat (capacitat d'anàlisi, de síntesi, de visions globals i d'aplicació dels coneixements a la pràctica, i capacitat de presa de decisions i d'adaptació a noves situacions).

   -

CB3. Capacitat de reunir i interpretar dades rellevants (normalment dins de l'àrea d'estudi pròpia) per emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica.

   -

CE19. Capacitat per dissenyar un experiment, participar en sessions de debat científic, discutir resultats, analitzar bibliografia i familiaritzar-se amb el laboratori experimental i analític.

   -

CE7. Capacitat per utilitzar les eines matemàtiques bàsiques aplicades als estudis biomèdics, en especial la probabilitat i l'estadística, el disseny experimental, els models teòrics i l'anàlisi de dades.

Objectius d'aprenentatge

 

Referits a coneixements

— Conèixer els models més habitualment utilitzats en experimentació.

 

— Conèixer els tres principis del disseny experimental: replicació, aleatorització i blocatge.

 

— Familiaritzar-se amb dissenys d’experiments amb factors fixos, aleatoris o mixtos, incloent-hi els models jeràrquics més simples.

 

— Distingir entre factors entreindividus i factors intraindividus (mesures repetides).

 

— Familiaritzar-se amb experiments amb dades censurades.

 

— Conèixer els models de regressió amb variable de resposta contínua i múltiples regressors (regressió lineal múltiple) i altres models amb variable de resposta binària o discreta (regressió logística o de Poisson). 

 

Referits a habilitats, destreses

— Saber modelar, analitzar i interpretar un experiment que inclogui diferents factors, aleatoris, fixos o mixtos, inclosos els models jeràrquics a dos nivells i/o els de mesures repetides. 

 

— Saber aleatoritzar el material experimental i saber reconèixer la presència de blocs.

 

— Saber calcular la grandària de mostra necessària per garantir un plantejament adequat en el model completament aleatoritzat.

 

— Saber plantejar i interpretar els resultats d’una regressió lineal múltiple i d’una regressió logística.

 

— Saber analitzar i interpretar els índexs de qualitat d’una prova diagnòstica: especificitat, sensibilitat i els dos valors predictius. Saber interpretar una corba ROC.

 

— Saber identificar la presència de dades censurades i saber interpretar els resultats d’una anàlisi de la supervivència.

 

—Saber utilitzar programari estadístic per mecanitzar els diferents càlculs. Saber interpretar els seus llistats i saber elaborar les conclusions en termes biomèdics.

 

Referits a actituds, valors i normes

— Desenvolupar la capacitat d’anàlisi i raonament crític.

 

— Esforçar-se per treballar amb objectivitat i rigor. Reconèixer la importància d’un protocol d’estudi per a la bona elaboració d’un estudi biomèdic.

 

— Plantejar-se els beneficis científics i clínics de la investigació i les limitacions en termes ètics. Llegir de forma crítica els resultats estadístics presentats en un article científic.

 

 

Blocs temàtics

 

1. Introducció

*  Conceptes bàsics en inferència estadística. Dissenys simples amb una i dues poblacions. Intervals de confiança i contrast d’hipòtesis. Presentació del programari estadístic

2. Dissenys amb un factor

*  Disseny totalment aleatoritzat. Model ANOVA d’un factor. Comparacions múltiples. Model amb un factor aleatori. Tècniques no paramètriques

3. Dissenys multifactorials

*  Model ANOVA de dos factors encreuats. Interpretació de la interacció. Model amb factors aleatoris. Model mixt de dos factors. Dissenys amb més de dos factors encreuats

4. Dissenys avançats

*  Models ANOVA de dos o més factors jerarquitzats amb factors fixos i/o aleatoris. Models de mesures repetides

5. Regressió lineal múltiple i anàlisi de la covariància

*  Estimació i significació del model de regressió lineal múltiple. Predicció i diagnosi del model. Anàlisi de la covariància. Models lineals amb regressors continus i categòrics

6. Models lineals generalitzats

*  Proves diagnòstiques i corbes ROC. Regressió logística. Altres models de regressió

7. Altres tècniques

*  Anàlisi de la supervivència. Anàlisi discriminant

 

 

Metodologia i activitats formatives

 

Donat que aquesta assignatura s’imparteix a les facultats de Biologia i de Medicina i Ciències de la Salut, ambdós centres han acordat la possibilitat de que algunes activitats dels plans docents tinguin diferent càrrega d’hores per adaptar-se al calendari docent de cada centre. També poden tenir diferent nomenclatura (mantenint la tipologia d’activitat) per adaptar-se a la disponibilitat d’espais i infraestructures de cada centre, a la capacitat del grup i als possibles projectes d’innovació en els que participen els equips docents de cada centre. Els caps d’estudis i els equips docents de les assignatures de cada campus es coordinen per tal de garantir l’assoliment de les competències i els objectius del pla docent. 

Activitats presencials

  • Classes teoricopràctiques on s’introdueix el contingut teòric mitjançant exemples i casos pràctics.
  • Pràctiques de laboratori on es resolen amb ordinadors diferents situacions utilitzant programari estadístic.


En la mesura del que sigui possible, s’incorporarà la perspectiva de gènere en el desenvolupament i activitats de l’assignatura.

Segons la condició sanitària podem adaptar la docència per incloure sessions no presencials.

 

 

Avaluació acreditativa dels aprenentatges

 

El procediment d’avaluació continuada consisteix en: 

  • Una prova de síntesi, que val el 50 % de la qualificació total i que es fa durant el període d’exàmens. Per poder aplicar aquest percentatge en l’avaluació continuada, cal que en la prova de síntesi es tregui una qualificació mínima de 4,5 punts sobre 10. En cas contrari, la qualificació global de l’assignatura és de suspens. 
  • Un seguit d’activitats d’avaluació continuada que poden incloure totes o algunes de les següents: proves parcials, resolució a l’aula o a casa de qüestionaris basats en les activitats pràctiques, resolució de qüestionaris basats en els continguts teòrics, entrega de treballs i informes de les pràctiques d’ordinador. Les activitats concretes i la ponderació de cadascuna les fixa el professor a principi de curs a través del Campus i suposen el 50 % restant de la qualificació final. 


La reavaluació seguirà les directrius generals del Consell d’Estudis del grau.

L’avaluació proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.

 

Avaluació única

El procediment d’avaluació única consisteix a fer, durant el període d’exàmens, una prova de síntesi que pot incloure alguna activitat addicional que valen el 100 % de la qualificació total. 

La reavaluació seguirà les directrius generals del Consell d’Estudis del grau.

L’avaluació proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.

 

 

Fonts d'informació bàsica

Consulteu la disponibilitat a CERCABIB

Llibre

Altman DG. Practical Statistics for Medical Research. London: Chapman-Hall; 1991

Quinn, GP; Keough, MJ. Experimental Design and Data Analysis for Biologists. Cambridge : Cambridge University Press, 2002

Kleinbaum DG; Kupper LL; Nizam A; Rosenberg, LS. Applied Regression Analysis and Other Multivariable Methods. 5th ed. Boston [Mass]: Cengage Learning, 2014

Logan, M. Biostatistical Design and Analysis Using R: A Practical Guide. Hoboken, N.J. : Wiley-Blackwell, 2010

Van Belle G. [et al.]. Biostatistics: A Methodology for the Health Sciences. 2nd ed. Hoboken [N.J.]:Wiley-Interscience, 2004

Montgomery DC. Design and Analysis of Experiments. 8th ed.  New York, N.Y.  Wiley, 2012

Hosmer, David W.; Lemeshow, Stanley. Applied Logistic Regression. 2nd ed. New York, N.Y.  Wiley, 2000  

Kleinbaum, DG; Klein, M. Logistic Regression. A Self-learning Text.    2nd ed. New York : Springer, cop. 2002

Hosmer, DW.; Lemeshow, S; May, S. Applied Survival Analysis: Regression Modeling of Time-to-Event Data. 2nd ed. New York [etc.] : Wiley, cop. 2008

Kleinbaum, DG; Klein, M. Survival Analysis: a Self-Learning Text.   2nd ed. New York (N.Y.) : Springer, 2005