Biostatisztika képzés: Adatelemzés R-ben | robot_dreams
  • élő, online kurzus
  • 16 alkalom
  • személyes visszajelzés
  • gyakorlatias képzés

Biomedikai adatelemzés

Sajátítsd el az egészségügyi adatok elemzését biostatisztika képzésünkön lépésről lépésre, hogy a publikációid, a kutatásaid vagy a klinikai döntéseid még erősebb bizonyítékokon alapuljanak!

Sághy Eszter

Real-world data (RWD) analyst

Sanofi

 

az Oxfordi Egyetem korábbi munkatársa

A KURZUSRÓL

  • Időpont:

    ÁPRILIS 15.

  • Hossz:

    16 ALKALOM

  • Formátum:

    ÉLŐ, ONLINE

Statisztikai megalapozottság hiányában az egészségügyi kutatás és döntéshozatal könnyen félrecsúszhat. Biostatisztika kurzusunkon megtanulod, hogyan válassz megfelelő statisztikai módszereket, miként végezz valós adatokon elemzéseket R-ben, és hogyan értelmezd helyesen az eredményeket. A képzés végén egy saját minikutatási projektet is készítesz, amelyben már önállóan alkalmazhatod az elsajátított technikákat.

KINEK AJÁNLJUK A KURZUST?

  • 01

    Egészségügyi kutatóknak és doktoranduszoknak

    Nehézséget okoz a kutatásaid statisztikai megalapozása? Biostatisztika képzésünkön megtanulod, hogyan végezz elemzéseket a szakdolgozathoz vagy más tudományos munkához R programnyelvben, és miként értelmezd, illetve kommunikáld szakszerűen az eredményeidet.

  • 02

    Klinikai és közegészségügyi szakembereknek

    Támaszd alá a klinikai vagy népegészségügyi döntéseidet statisztikailag megbízható adatelemzéssel! Az alkalmakon valós példákon keresztül, az RStudio segítségével fejlesztjük az adatelemzési készségeidet, hogy magabiztosabban állhass ki a szakmai álláspontod mellett.

  • 03

    Egészségügyi adatelemzőknek és IT-szakembereknek

    Nehézséget okoz a biostatisztikai eredmények elemzése a klinikusokkal való közös munka során? Segítünk áthidalni a szakadékot: a képzésen elsajátítod az egészségügyi adatok értelmezéséhez szükséges szemléletet és az R-alapú elemzési módszereket.

AZ ELŐADÓ

Sághy Eszter

Real-world data (RWD) analyst
Sanofi

  • Alap- és mesterdiplomáját a University of Bath-on (Egyesült Királyság) szerezte, utóbbit Emelt szintű statisztikai módszerek (MRes in Advanced Quantitative Methods) szakirányon.

  • Egy évig az Oxfordi Egyetem munkatársa volt kutatási asszisztensként, ahol közelről látta, hogy a statisztikai elemzésekre épülő kutatások milyen meghatározó szerepet játszanak a tudományos világban.

  • Hazatérése után a Pécsi Tudományegyetemen egészségügyi adatbázisokon dolgozott, és kutatási projektekhez nyújtott statisztikai támogatást.

  • 2022 óta PhD-hallgató a PTE Biostatisztika programjában, ahol saját kutatási projektjét viszi.

  • 2024-ben csatlakozott a Sanofi nemzetközi gyógyszergyártó vállalathoz, ahol óriási betegadatbázisok statisztikai elemzésével foglalkozik.

  • Egészségközgazdaságtant és biostatisztikát tanít a Pécsi Tudományegyetem Gyógyszertudományi Karán.

MIRE SZÁMÍTHATSZ A KURZUSON?

  • 01

    Stabil statisztikai alapok

    Megérted a legfontosabb biostatisztikai módszerek mögötti logikát, és megtanulod, mikor melyiket érdemes alkalmazni. Nemcsak számolni fogsz, hanem értelmezni is tudod majd az eredményeket, akár kutatásról, akár klinikai vagy népegészségügyi döntéshozatalról van szó.

  • 02

    Biostatisztikai adatelemzés R-ben

    A témákat gyakorlati példákon keresztül dolgozzuk fel: kurzusunkon valós adatbázisokkal dolgozhatsz az RStudióban. Az alkalmakon olyan elemzési lépéseket és módszereket sajátítasz el, mint a hipotézisvizsgálat, a túlélésanalízis vagy éppen a hiányzó adatok kezelése.

  • 03

    Saját minikutatási projekt

    A biostatisztika kurzuson elkészíted a saját kutatási projekted, amelyben önállóan végzel statisztikai elemzést igazi egészségügyi adathalmazon. Ez nemcsak gyakorlás, hanem portfólióbővítés céljából is hasznos, és akár a szakdolgozatod alapjául is felhasználható.

Program

  • 01 alkalom
    04.15.

    Bevezetés a statisztikába

    • A statisztikai következtetés céljai
    • Eloszlások és valószínűségek
    • A központi határeloszlás tétele
    • Valószínűségi függvények
  • 02 alkalom
    04.20.

    Adateloszlások vizsgálata RStudióban

    • R és RStudio telepítése és használata
    • R alapszintaxis
    • Alapvető könyvtárak betöltése
    • Adateloszlások elemzése egészségügyi adatokon
  • 03 alkalom
    04.22.

    A hipotézisvizsgálat alapjai

    • Kutatási kérdés és vizsgálati terv
    • Null- és alternatív hipotézis
    • I. és II. típusú hibák
    • Szignifikanciatesztek és p-érték
  • 04 alkalom
    04.27.

    Csoportok összehasonlítása

    • T-próba
    • Varianciaanalízis (ANOVA)
    • Khi-négyzet-próba
    • Nemparaméteres próbák
  • 05 alkalom
    04.29.

    Csoportok összehasonlítása R-ben

    • T-próba
    • ANOVA
    • Khi-négyzet-próba
    • Nemparaméteres tesztek alkalmazása R-ben
  • 06 alkalom
    05.04.

    Korreláció és regresszió bevezetése

    • Kovariancia és korreláció
    • Pearson-korreláció és alternatívái
    • Egyszerű lineáris regresszió
  • 07 alkalom
    05.06.

    Többszörös lineáris regresszió

    • Többszörös regressziós modell felépítése
    • Feltételek és diagnosztika
    • Multikollinearitás és modellértelmezés
  • 08 alkalom
    05.11.

    Korrelációs és regressziós elemzések R-ben

    • Leíró statisztikák és eloszlások vizsgálata
    • Korrelációk számítása
    • Lineáris regressziós modellek készítése
  • 09 alkalom
    05.13.

    Nemparametrikus regressziós modellek

    • A GLM elméleti alapjai
    • Bináris, ordinális és nominális logisztikus regresszió
    • Az odds ratio értelmezése
  • 10 alkalom
    05.18.

    Longitudinális statisztikai modellek

    • A longitudinális adatok struktúrája
    • Ismételt mérések ANOVA
    • Mixed-effects modellek (lme4 csomag)
  • 11 alkalom
    05.20.

    Túlélésanalízis

    • Kaplan–Meier-görbe készítése
    • Cox-regresszió
    • Modellvizualizáció és értelmezés
  • 12 alkalom
    05.27.

    Propensity score alapú párosítás

    • A propensity score fogalma
    • Párosítási technikák
    • Kiválasztási torzítás csökkentése
  • 13 alkalom
    06.01.

    Adatimputáció

    • Hiányzó adatok típusai (MCAR, MAR, MNAR)
    • Egyszerű és többszörös imputáció
    • R missCompare csomag
  • 14 alkalom
    06.03.

    Statisztika klinikai vizsgálatokhoz

    • Elsődleges és másodlagos végpontok
    • Randomizáció, kontrollcsoport
    • Eseményarány és hatásméret
  • 15 alkalom
    06.08.

    Statisztika epidemiológiai vizsgálatokhoz

    • Kohorsz, keresztmetszeti és eset-kontroll vizsgálatok
    • RR, OR, prevalencia, incidens
    • Zavaró változók kezelése
    • A záróprojekt ismertetése
  • 16 alkalom
    06.10.

    Összefoglalás és a biostatisztika szerepe a gyógyszeriparban

    • A kurzus fő témaköreinek áttekintése
    • Milyen típusú adatokkal dolgozik egy biostatisztikus a gyógyszeriparban?
    • Milyen feladataik vannak a statisztikusoknak a gyógyszeriparban?
    • Milyen eszközöket, programozási nyelveket és soft skilleket várnak el a munkaadók?

TUDD MEG AZ ÁRAT!

A kurzussal kapcsolatos további információkért töltsd ki az űrlapot, és munkatársunk a lehető leghamarabb felveszi veled a kapcsolatot, hogy bővebb tájékoztatást adjon a kurzus részleteiről és áráról.

 
 
 
 
TUDD MEG AZ ÁRAT!