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

Biomedikai adatelemzés

Ahelyett, hogy kiszerveznéd, elemezd te az orvosi adatokat!

Sághy Eszter

biostatisztika-doktorandusz,
az Oxfordi Egyetem korábbi munkatársa

Sághy Eszter main image

A KURZUSRÓL

  • Időpont:

    AUGUSZTUS 12.

  • Hossz:

    16 ALKALOM

  • Formátum:

    ÉLŐ, ONLINE

Biostatisztika képzésünkön megtanulod, hogyan válassz megfelelő statisztikai módszereket, miként végezz valós adatokon elemzéseket R-ben, és hogyan értelmezd helyesen az eredményeket. A kurzus végén egy saját minikutatási projektet is készítesz, amelyben már önállóan alkalmazhatod az elsajátított technikákat.

KINEK AJÁNLJUK A KURZUST?

  • 01

    Egészségügyi kutatóknak és doktoranduszoknak,

    akik úgy érzik, hogy az egyetemi statisztikai tudásuk az évek során megkopott, vagy csak elsajátítanák a szakmai standarddá váló R használatát. A képzésen olyan gyakorlati eszközöket ismersz meg, amelyekkel önállóan végzel majd biostatisztikai elemzéseket, valamint könnyedén kiválasztod, melyik tesztet kell lefuttatni az adott helyzetben.

  • 02

    Klinikai és közegészségügyi szakembereknek,

    akik szeretnék magabiztosabban értelmezni az egészségügyi adatokat, illetve érteni a kutatási módszereket a szakmai cikkek olvasása során. A biostatisztikus képzés után nem lesz szükséged más statisztikusokra, hiszen képes leszel te magad elvégezni az elemzéseket, ezáltal költséghatékonyabb és gyorsabb munkát biztosítva.

  • 03

    Egészségügyi adatelemzőknek és IT-szakembereknek,

    akik jártasak az általános elemzési eszközökben, de végre elsajátítanák az R programnyelvet az egészségügyi adatok pontos elemzéséhez. Ha pedig már tudsz programozni, de az orvosi adatok statisztikai értelmezése kihívások elé állít, segítünk bővíteni az eszköztáradat, hogy minden lehetőségre felkészülj.

AZ ELŐADÓ

Sághy Eszter second image

Sághy Eszter

Real-world data (RWD) analyst
az egyik vezető gyógyszeripari vállalatnál

  • 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 az egyik vezető 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.

Kurzusprogram

  • 01 alkalom
    08.12.

    Bevezetés a statisztikába

    • A statisztikai következtetés céljai
    • Eloszlások és valószínűségek
    • A központi határeloszlás tétele
    • Valószínűségi függvények
  • 02 alkalom
    08.17.

    Adateloszlások vizsgálata RStudióban

    • R és RStudio telepítése és használata
    • R alapszintaxis
    • Alapvető könyvtárak betöltése
    • Adateloszlások elemzése egészségügyi adatokon

    Házi feladat: Leíró statisztikák és adateloszlás vizsgálata R-ben

  • 03 alkalom
    08.19.

    A hipotézisvizsgálat alapjai

    • Kutatási kérdés és vizsgálati terv
    • Null- és alternatív hipotézis
    • I. és II. típusú hibák
    • Szignifikanciatesztek és p-érték
  • 04 alkalom
    08.24.

    Csoportok összehasonlítása

    • T-próba
    • Varianciaanalízis (ANOVA)
    • Khi-négyzet-próba
    • Nemparaméteres próbák
  • 05 alkalom
    08.26.

    Csoportok összehasonlítása R-ben

    • T-próba
    • ANOVA
    • Khi-négyzet-próba
    • Nemparaméteres tesztek alkalmazása R-ben

    Házi feladat: Csoportok összehasonlítása és statisztikai outputok értelmezése

  • 06 alkalom
    08.31.

    Korreláció és regresszió bevezetése

    • Kovariancia és korreláció
    • Pearson-korreláció és alternatívái
    • Egyszerű lineáris regresszió

    Házi feladat: Regressziós elemzés és statisztikai outputok értelmezése

  • 07 alkalom
    09.02.

    Többszörös lineáris regresszió

    • Többszörös regressziós modell felépítése
    • Feltételek és diagnosztika
    • Multikollinearitás és modellértelmezés
  • 08 alkalom
    09.07.

    Korrelációs és regressziós elemzések R-ben

    • Leíró statisztikák és eloszlások vizsgálata
    • Korrelációk számítása
    • Lineáris regressziós modellek készítése
  • 09 alkalom
    09.09.

    Nemparametrikus regressziós modellek

    • A GLM elméleti alapjai
    • Bináris, ordinális és nominális logisztikus regresszió
    • Az odds ratio értelmezése
  • 10 alkalom
    09.14.

    Longitudinális statisztikai modellek

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

    Házi feladat: Longitudinális elemzés és statisztikai outputok értelmezése

  • 11 alkalom
    09.16.

    Túlélésanalízis

    • Kaplan–Meier-görbe készítése
    • Cox-regresszió
    • Modellvizualizáció és értelmezés
  • 12 alkalom
    09.21.

    Propensity score alapú párosítás

    • A propensity score fogalma
    • Párosítási technikák
    • Kiválasztási torzítás csökkentése
  • 13 alkalom
    09.23.

    Adatimputáció

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

    Házi feladat: Adatimputációs feladat

  • 14 alkalom
    09.28.

    Statisztika klinikai vizsgálatokhoz

    • Elsődleges és másodlagos végpontok
    • Randomizáció, kontrollcsoport
    • Eseményarány és hatásméret
  • 15 alkalom
    09.30.

    Statisztika epidemiológiai vizsgálatokhoz

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

    Záróprojekt

  • 16 alkalom
    10.05.

    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, a részvételi díjjal és az aktuális promóciókkal kapcsolatos bővebb tájékoztatásért, kérjük, regisztrálj!

 
 
 
 
TUDD MEG AZ ÁRAT!