Дистанционный курс «Статистические методы анализа биомедицинских данных»

Статистические методы анализа биомедицинских данных
АктуальностьИдёт набор
Стоимость15 000
Начало занятий16 октября 2017
  Записаться на курс

Цель программы – формирование базовых знаний по обработке номинальных случайных величин (СВ), знакомство с современными методами многомерного анализа номинальных СВ и применение методов логистической регрессии для построения моделей описательного и диагностического назначения.

Компетенции

В результате освоения программы слушатель должен знать:

  • Шкалы представления СВ.
  • Принципы описания СВ номинального типа и их взаимосвязей на основе таблиц сопряженных признаков типа 2 * 2, 2 * N.
  • Особенности применений и ограничения тестов хи-квадрат Пирсона, отношения правдоподобия и точного теста Фишера, а также процедур построения отношения шансов (OR) или рисков (RR).
  • Возможности визуализации описательных характеристики номинальных СВ в виде графических процедур.
  • Принципы исследования таблиц сопряженности типа M * N на основе лог-линейного анализа; возникающие при этом проблемы и методы их преодоления.
  • Особенности построения логистических моделей для вариантов follow-up study и case-control.
  • Методы отбора экспериментального материала по критериям целостности данных и взаимосвязей потенциальных предикторов с целевой переменной.
  • Пути преодоления проблем мультиколлинеарности созданием нескольких наборов исходных потенциальных предикторов или выделением более сильного в взаимосвязанной паре единственного набора.
  • Методы пошагового построения многомерных моделей.
  • Варианты выбора наилучшей модели с использованием нескольких критериев, включая AUC и EPV.
  • Анализ качественных характеристик многомерных логистических моделей, анализ остатков, проверка внутренней и внешней валидности.
  • Способы визуализации математических моделей на основе ROC-кривых и диаграмм отношения шансов.

Целевая аудитория

  • студенты программ бакалавриата (при подготовке ВКР), магистранты, аспиранты; 
  • специалисты, занятые обработкой медико-биологической информации, имеющие среднее профессиональное (или) или высшее образование.

Авторы программы

  •   Б.И. Смирнов, к.т.н., доцент, доцент кафедры РС СПбГЭТУ «ЛЭТИ»,
  •   А.Б. Хачатурян, к.т.н., доцент кафедры РС СПбГЭТУ «ЛЭТИ».

Описание технологии обучения

Технология обучения включает в себя дистанционное самостоятельное изучение материалов (видеолекции, тесты и электронные документы) в системе электронного обучения, выполнение практических работ с последующим их повторением на основе высланных синтаксических файлов и исходных данных, ответов на вопросы для самопроверки и выполнения индивидуальных заданий (ИДЗ). ИДЗ отправляются преподавателю на проверку.

В процессе обучения преподавателем осуществляется консультирование слушателей по выполнению практических заданий и рассмотрению типовых вопросов, поступивших от участников обучения.

Продолжительность программы

Программа рассчитана на 56 академических часов (продолжительность видеоматериалов, доступных для изучения составляет 13 академических часов).

Длительность курса составляет 9 недель. Средняя недельная нагрузка на обучающегося – от 4 до 8 часов. Нагрузка возрастает по мере освоения лекционного материала.

Краткое содержание программы

Программа включает в себя 3 темы:

Введение в курс.

Тема 1. Анализ номинальных переменных

Блок 1. Классификационный анализ - логистическая регрессия

Блок 1.1. Типы шкал, использованные в анализе.

Блок 1.2. Табличное представление данных в статистике.

Блок 1.3. Описательные характеристики номинальных переменных.

Блок 1.4. Критерии взаимосвязи двух номинальных переменных.

Блок 1.5. Фиктивные переменные

Блок 1.6. Оценка взаимосвязи двух номинальных переменных.

Практическое занятие. На примере экспериментальных данных показывается ход выполнения исследований, начиная со краткого знакомства с пакетом, и завершая визуализацией полученных результатов.

 

Тема 2. Лог-линейный анализ

Модуль 1. Анализ ТСП 2 * N и N * M

Блок 1.1. Связь и независимость в ТСП N * M

Блок 1.2. Анализ ТСП 2 * 3

Блок 1.3. Лог-линейный анализ

Блок 1.4. Лог-линейный анализ в пакете SPSS

Блок 1.5. Подбор модели

Блок 1.6. Общий лог-линейный анализ

Модуль 2. Верификация и визуализация построенной модели

Блок 2.1. Проблемы множественных сравнений

Блок 2.2. Графическое представление моделей

Блок 2.3. Прогнозирование ИМ у больных с ХСН.

 

Тема 3. Логистическая регрессия

Блок 1. Классификационный анализ - логистическая регрессия

Блок 1.1 Две формы логистической регрессии

Блок 1.2 Исходные данные анализа

Блок 1.3 Разведочный анализ 

Практика 1 по теме 3. Краткий обзор возможностей пакета, знакомство с структурой данных анализа, выполнение блоков 1.1 - 1.3 варианта демо.

 

Блок 2 Одномерные и многомерные модели

Блок 2.1 Одномерные модели

Блок 2.2 Характеристики классификации

Блок 2.3 Списки независимых переменных

Блок 2.4 Проблема мультиколлинеарности

Блок 2.5 Уточнение списка переменных с учетом мультиколлинеарности

Блок 2.6 Многомерные модели

Практика 2 по теме 3. Выполнение блоков 2.1 - 2.6 варианта демо.

 

Блок 3 Анализ модели, построение ROC-кривой или отношения шансов

Блок 3.1 ROC-кривые прогнозирования целевой категории

Блок 3.2 Сравнение моделей на основе AUC

Блок 3.3 Оценка качества модели

Блок 3.4. Анализ остатков

Блок 3.5. Блочная структура подгонки модели

Блок 3.6. Валидность модели

Практика 3 по теме 3. Выполнение блоков 3.1 - 3.6 варианта демо.

 

Блок 4 Реализация модели логистической регрессии

Блок 4.1 Модель прогнозирования бактериальных инфекций после ТГСК

Блок 4.2 Структура программного модуля

Блок 4.3 Примеры использования модуля

Практика 4 по теме 3. Выполнение блоков 4.1 - 4.3 варианта демо.

Заключение

Итоговая аттестация

В рамках итоговой аттестации слушатель проходит тестирование по 1-му и 3-му разделам программы. Критерием положительной итоговой аттестации является успешное прохождение тестирования и выполнение ИДЗ.


Контактная информация

пн. - пт. с 10:00 до 17:00
+7 812 346-28-18, +7 812 346-45-21
+7 812 346-45-21
ino@etu.ru

Запись на курс

Отправляя сообщение с помощью данной формы, вы соглашаетесь с обработкой своих персональных данных в соответствии с «Политикой обработки и защиты персональных данных СПбГЭТУ «ЛЭТИ». Все поля помеченные * являются обязательными для заполнения.