Biostatistika

Garant předmětu:

Aleš Tichopád

Přednášející:

Vojtěch Kamenský, Aleš Tichopád

Cvičící:

Eliška Friebová, Martina Homolková, Vojtěch Kamenský, Aleš Tichopád

Předmět zajišťuje:

katedra biomedicínské techniky

Anotace:

Předmět je zaměřen na pochopení principů statistického myšlení a jejich aplikaci při zpracování a interpretaci biomedicínských dat. Studenti se naučí plánovat, používat a interpretovat statistické metody nejen pro vědeckou práci, ale i pro manažerské rozhodování v oblasti zdravotnictví, farmacie a biotechnologií. Kurz je zaměřen na praktické zvládnutí statistických metod a jejich aplikaci na biomedicínská data. Studenti si osvojí postupy, které jim umožní samostatně analyzovat data, vyvozovat závěry a interpretovat výsledky v kontextu vědecké, klinické i manažerské praxe.

Požadavky:

Podmínky zápočtu:

Povinná účast na cvičeních (maximálně 2 neomluvené absence).

Student je povinen se na každé cvičení předem připravit, vypracovat zadané samostatné úkoly a úspěšně absolvovat vstupní test na začátku hodiny.

Nesplnění těchto podmínek může vést k vyloučení z daného cvičení, což je považováno za absenci.

Student musí během semestru úspěšně absolvovat zápočtový test a odevzdat zápočtový projekt. V obou částech musí získat alespoň 50% bodů.

Podmínky zkoušky:

Podmínkou přístupu ke zkoušce je splnění zápočtu.

Zkouška probíhá formou písemného testu, který obsahuje teoretické otázky i praktické úlohy odpovídající obsahu přednášek a cvičení.

Osnova přednášek:

1. Úvod do problematiky a přehled aplikačních možností statistiky v biomedicíně

2. Praktické příklady využití statistiky ve vědecké a klinické praxi

3. Potřeba důkazů v biomedicíně a principy práce s daty

4. Práce s velkými daty a využití statistiky v éře datové medicíny

5. Typy proměnných a jejich význam v popisné analýze a při vytváření vědeckých důkazů

6. Deskriptivní statistika a práce s různými typy proměnných

7. Testování hypotéz, práce s metrickými a kategoriálními daty

8. Porovnávání skupin na základě metrických dat

9. Státní svátek

10. Statistický design studií. Vliv přidružených proměnných na výsledky a interpretaci statistické analýzy.

11. Statistika závislostí mezi proměnnými, vícerozměrné metody

12. Pokročilé metody statistické analýzy biomedicínských dat.

13. Práce s mnohorozměrnými daty, redukce dimenzionality, shlukovací metody.

14. Umělá inteligence v analýze biomedicínských dat, typy databází a příprava dat, operacionalizace dat.

Osnova cvičení:

Výuka probíhá formou praktických cvičení v programu R na následujících úlohách:

1. Obsluha programu R v programovacím módu.

2. Zpracování a vizualizace dat formou tabulek a grafů podle typu dat.

3. Analýza stat. rozdělení dat a metody popisu rozdílu středních hodnot a rozptylu. Grafické zobrazení neparametrických a parametrických dat

4. Testy normality a jiné přístupy k datům s jiným než normálním rozložením.

5. Odhadování parametrů a vyjádření nejistoty odhadu

6. Testování hypotéz o rozdílů dvou výběru u parametrických a neparametrických dat

7. Analýzu rozptylu (ANOVA) pro vícenásobné porovnávání a adjustace na vícenásobné porovnávání.

8. Zápočtový testy

9. Státní svátek

10. Pokročilé metody analýzy rozptylu a kovariance pomocí zobecněných lineárních modelů (GLM)

11. Regresní a korelační analýzu (vztahy mezi proměnnými)

12. Analýzu kategoriálních dat a práci s kontingenčními tabulkami. Testy dobré shody

13. Pokročilé metody analýzy biomedicínských dat - analýza přežití a logistická regrese.

14. Statistická analýza na vícerozměrných datech, shluková analýza a redukce dimenzí dat.

Cíle studia:

Kurz je zaměřen na osvojení praktických dovedností v oblasti statistické analýzy biomedicínských a klinických dat s využitím programu R. Studenti se naučí navrhovat a realizovat analýzy dat, správně interpretovat výsledky a používat statistické metody pro vědecké i manažerské rozhodování ve zdravotnictví. Absolvováním kurzu studenti zároveň splní studijní požadavky příslušných studijních oborů.

Výuka je propojena s aktuálními výzkumnými aktivitami pracoviště, které probíhají ve spolupráci s řadou institucí a zdravotnických zařízení v České republice. Studenti se tak seznámí s reálnými datovými scénáři, včetně práce s rozsáhlými klinickými databázemi, analýzou přežití, vícerozměrnými metodami a kontrolou kvality v biomedicínském inženýrství.

Cílem je připravit absolventy na samostatnou odbornou činnost ve výzkumu, klinické praxi i technologických aplikacích s důrazem na správné použití a interpretaci statistických metod v biomedicíně.

Studijní materiály:

Hlavní studijní portál: https://portal.matematickabiologie.cz/

Povinné kapitoly (doporučené minimum): Analýza dat v R; Analýza a management dat pro zdravotnické obory, Analýza klinických dat; Biostatistika pro matematickou biologii; Regresní modelování; Vícerozměrné metody pro analýzu a klasifikaci dat; Statistické modelování.

Volitelné / podpůrné (v případě rozšíření výuky): Aplikovaná analýza přežití; Databázové systémy v biomedicíně (pro práci s rozsáhlými datovými sadami); Lineární a adaptivní zpracování dat (pokročilé metody analýzy dat); Umělá inteligence (trendová oblast v datové analýze rámcové seznámení); Signály a lineární systémy (pro inženýrské aplikace měření a kontrola kvality).

Základní literatura:

Pavlík, T., Dušek, L. (2012). Biostatistika. IBA MU Brno. Volně ke stažení: https://www.matematickabiologie.cz/media/3293331/pavlik-biostatistika.pdf

Doporučená literatura:

Motulsky, H. (2017). Intuitive Biostatistics: A Nonmathematical Guide to Statistical Thinking (4th ed.). Oxford University Press. https://global.oup.com/academic/product/intuitive-biostatistics-9780190643560

Celentano, D. D., Szklo, M., & Farag, M. K. (2025). Gordis Epidemiology (7th ed.). Elsevier. https://shop.elsevier.com/books/gordis-epidemiology/celentano/9780323877756

WOLOSHIN, Steven; SCHWARTZ, Lisa M.; WELCH, Gilbert W. Know Your Chances: Understanding Health Statistics. University of California Press, 2008. ISBN978-0-520-25222-6. Volně dostupné online na https://www.ncbi.nlm.nih.gov/books/NBK115435/

Chatfield, C. (1998). Statistics for Technology: A Course in Applied Statistics (3rd rev. ed.). Chapman & Hall/CRC. https://www.routledge.com/Statistics-for-Technology-A-Course-in-Applied-Statistics/Chatfield/p/book/9780412253409

Hendl, J. (2012). Přehled statistických metod: analýza a metaanalýza dat (4., rozšířené vydání). Praha.

Poznámka:

Rozvrh na zimní semestr 2024/2025:

	06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po	místnost KL:B-330 Tichopád A. Kamenský V. 08:00–09:50 (přednášková par. 1) Kladno FBMI Učebnamístnost KL:B-435 Kamenský V. Friebová E. 12:00–13:50 (přednášková par. 1 paralelka 1) Kladno FBMI Počítačová učebna
Út
St
Čt
Pá

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Navazující magisterská studijní specializace Asistivní technologie (povinný předmět)
• Navazující magisterská studijní specializace Softwarové technologie (povinný předmět)
• Navazující magisterská studijní specializace Nanotechnologie (povinný předmět)