Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Psicologia
NEUROSCIENZE E RIABILITAZIONE NEUROPSICOLOGICA
Insegnamento
METODI STATISTICI PER LA SPERIMENTAZIONE CLINICA
PSO2043915, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
NEUROSCIENZE E RIABILITAZIONE NEUROPSICOLOGICA
PS1091, ordinamento 2017/18, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL METHODS FOR CLINICAL RESEARCH
Dipartimento di riferimento Dipartimento di Psicologia Generale
Sito E-Learning https://elearning.unipd.it/scuolapsicologia/course/view.php?idnumber=2018-PS1091-000ZZ-2018-PSO2043915-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile GIOVANNA CAPIZZI SECS-S/01

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
PSO2043915 METODI STATISTICI PER LA SPERIMENTAZIONE CLINICA GIOVANNA CAPIZZI PS1089
PSO2043915 METODI STATISTICI PER LA SPERIMENTAZIONE CLINICA GIOVANNA CAPIZZI PS1978

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 42 108.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2017

Commissioni d'esame
Commissione Dal Al Membri
7 2019 01/10/2019 30/09/2020 CAPIZZI GIOVANNA (Presidente)
PASTORE MASSIMILIANO (Membro Effettivo)
6 2018-1 01/10/2018 30/09/2019 CAPIZZI GIOVANNA (Presidente)
PASTORE MASSIMILIANO (Membro Effettivo)
TARANTINO VINCENZA (Membro Effettivo)

Syllabus
Prerequisiti: E' richiesta una conoscenza di base di calcolo della probabilità e della statistica di base (statistica descrittiva/inferenza).
Conoscenze e abilita' da acquisire: Alla fine del corso lo studente avrà le conoscenze necessarie per:
1) adattare dei modelli che pongano in relazione uno o più predittori/fattori sperimentali ed uno specifico status bio-medico.
1.a) individuare il modello più conveniente (in termini di predittori rilevanti, parsimonia nella stima dei parametri, loro interpretazione, valutazione del potenziale esplicativo e predittivo del miglior sottoinsieme di predittori individuati).
1.b) acquisire conoscenze sulla diagnostica dei modelli adattati, individuando unità statistiche semplicemente anomale o “influenti” sul modello.
2) trasferire le conoscenze sulla relazione tra gli indicatori di posizione e di variabilità di due popolazioni al caso di più popolazioni (eventualmente associati a diverse condizioni sperimentali).
3) conoscere l'importanza dell'esplorazione multivariata dei dati e della verifica degli assunti distributivi per una corretta interpretazione dei p-value dei test parametrici, cogliendo l'importanza di un approccio non parametrico ogni qualvolta uno o più assunti possano essere violati.
4) conoscere quali metodologie statistiche possono essere correttamente applicate a seconda della tipologia di studio disponibile (coorte, caso-controllo, cross-sectional, ecc.).
Modalita' di esame: L'esame è scritto e ha durata minima di 2 ore. L'intera prova viene svolta in aula informatica e prevede in buona parte l'utilizzo del software R.
Lo studente dovrà rispondere ad un insieme di domande aperte e a risposta multipla concernenti:
1. L'analisi statistica di un insieme di dati.
2. La giustificazione teorica della scelta di una metodologia di analisi piuttosto che un'altra.
3. Quesiti generali su una metodologia non necessariamente applicabile all'analisi del data set.

Il numero di domande è variabile (min 36, max 48 tra items e sotto items) ed è legato al numero di data set da analizzare (max 3) o alla complessità dell'unico data set assegnato.

In ogni caso è garantito da esame a esame un attento bilanciamento tra il numero delle domande e la complessità del data set da analizzare. Quando il data set è complesso il numero delle domande è circa pari al minimo sopra indicato.

Il voto finale deriva da una media ponderata tra numero di risposte errate e numero di domande prive di risposta. I pesi sono di volta in volta aggiustati per la complessità del quesito.
Gli studenti possono alla fine della prova accedere sempre alla visione del compito e ai dettagli del calcolo per il voto a loro assegnato.
Criteri di valutazione: La valutazione della preparazione dello studente si baserà sulla
a) comprensione degli argomenti svolti
b) acquisizione dei concetti, delle metodologie proposte e di una terminologia adeguata per la scrittura di report statistici su data set multivariati (con variabili eterogenee osservate su più unità statistiche).
c) capacità, sulla base dell'analisi di case studies, di individuare la metodologia di analisi più idonea, di applicarla in modo autonomo e consapevole, di isolare i risultati significativi evidenziandone criticità e vantaggi.
Contenuti: - Tecniche statistiche di esplorazione univariata e multivariata dei dati raccolti.
- Principali metodi statistici per verificare la relazione esistente tra dati sperimentali, continui e categoriali in ambito biomedico: metodi model-free illustrati per mezzo di tabelle di frequenza a due o a tre vie.
- Modelli Lineari Generalizzati (GLM) (regressione lineare e logistica multipla).
- ANOVA per misurazioni indipendenti e ripetute.
- Introduzione ai test statistici non parametrici.
Attivita' di apprendimento previste e metodologie di insegnamento: Didattica frontale ed esercitazioni guidate in aula informatica in cui si presentano e analizzano i risultati di studi sperimentali in ambito biomedico. I laboratori informatici costituiscono una parte integrante del corso. Casi studio reali vengono analizzati con R. Durante i laboratori si procede ad una analisi esplorativa dei dati e all'adattamento di convenienti modelli univariati e multivariati per esplorare la relazione tra più variabili.

E' fortemente consigliata la frequenza, soprattutto dei laboratori informatici.
Eventuali indicazioni sui materiali di studio: Agli studenti del corso vengono messe a disposizione le slides delle lezioni e l'analisi statistica dettagliata, comprensiva dei comandi di R, dei casi studi trattati duranti i laboratori informatici. In tale materiale vengono forniti dettagli su tutti i contenuti trattati durante le lezioni. Tutti i materiali vengono messi a disposizione sulla piattaforma Moodle dell'insegnamento.
Testi di riferimento:
  • Triola M. M., Triola M. F., “Statistica per le discipline biosanitarie“. --: Pearson Education It, 2009. Cap. 1-8, 10, 12 Cerca nel catalogo
  • Fox J., Applied regression analysis, linear models, and related methods. --: Sage, 1997. Cap. 5-15 Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Case study
  • Working in group
  • Questioning
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • R (software)