Biostatistika 2

(NAPREDNI TEČAJ)

Tečaj Biostatistika 2 osmišljen je kao nastavak tečaja Biostatistika 1, namijenjen istraživačima, zdravstvenim djelatnicima i znanstvenicima koji žele produbiti svoje znanje o statističkom modeliranju i analizi. Ovaj tečaj fokusira se na napredne statističke metode, uključujući generalne linearne modele, logističku regresiju i analizu preživljenja. Osim što pokriva ove napredne teme, tečaj također uvodi osnove programiranja u SAS®-u, pružajući polaznicima potrebne vještine za primjenu naprednijih statističkih tehnika u praksi.

Kroz kombinaciju teorijskih koncepata i praktičnih primjera, sudionici će naučiti kako odabrati i primijeniti odgovarajuće statističke modele, procijeniti izvedbu modela te ispravno interpretirati rezultate koristeći SAS®. Na kraju tečaja, polaznici će biti osposobljeni za rad s kompleksnim skupovima podataka, procjenu ključnih pretpostavki i donošenje informiranih odluka na temelju naprednih statističkih analiza.

Program tečaja BIOSTATISTIKA 2

  1. Generalni linearni modeli (GLM)
  • Multipla linearna regresija
    • Dijagnostika
    • Kriteriji za odabir modela (adjusted R square, AIC, AICC, SBC)
    • Mallows’ Cp i Hockingov kriterij
  • Analiza kovarijance
  • Analiza varijance
    • Razlika između LSMEANS i MEANS
    • Analiza razlika između specifičnih grupa i usporedba između dviju i tri grupe
  1. Logistička regresija
  • Usporedba OLS i maksimalnih vjerojatnosti
  • Binarna logistička regresija s višestrukim prediktorima
  • Interpretacija Odds Ratio u modelima s kvalitativnim i kvantitativnim prediktorima
  • Pojam konkordancije i točnost predikcije
  • Kriteriji za odabir modela
  1. Procjena modela i ROC krivulja
  • Klasifikacijska tablica
  • Sensitivity i specificity
  • Youdenov indeks i selekcija optimalnog cutoffa
  1. Analiza preživljenja
  • Neparametrijska analiza preživljenja
  • Cox Proportional Hazards model
  • Kaplan-Meier krivulja
  1. Stratificirana analiza kontingencijske tablice (Cochran-Mantel-Haenszel Statistika)
  2. Narušene pretpostavke i posljedice na izvođenje modela
  • Problem neobičnih vrijednosti (outlier-i)
  • Problem multikolinearnosti u regresiji
  • Confounding i interakcije u modelima
  1.