Γραμμικά Μοντέλα
| Τίτλος | Γραμμικά Μοντέλα / Linear Models |
| Κωδικός | ΜΙΣΤΑ004 |
| Σχολή | Επιστημών Υγείας |
| Τμήμα | Ιατρικής |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Άννα-Μπεττίνα Χάιδιτς |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 600020025 |
Πρόγραμμα Σπουδών: ΠΜΣ Στατιστική και Αναλυτική Βιοϊατρικών Δεδομένων (2020-σήμερα)
Εγγεγραμμένοι φοιτητές: 28
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| Κορμός | Υποχρεωτικό | 1 | 1 | 7,5 |
| Τίτλος | Γραμμικά Μοντέλα |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Διδάσκοντες άλλων Κατηγοριών |
|
| Ώρες Εβδομαδιαία | 3 |
| Ώρες Συνολικά | 39 |
| Class ID | 600259717
|
Τύπος Μαθήματος
Ανάπτυξης Δεξιοτήτων
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
- Eξ απoστάσεως εκπαίδευση
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600259717
- eLearning: https://elearning.auth.gr/course/view.php?id=15593
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία)
- Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Προαπαιτούμενα Μαθήματα
- ΜΙΣΤΑ001 Εισαγωγή στην Ανάλυση Δεδομένων
- ΜΙΣΤΑ002 Βασικές αρχές Στατιστικής
Μαθησιακά Αποτελέσματα
• τα βασικά είδη απλών και πολλαπλών γραμμικών μοντέλων που εφαρμόζονται στα ιατρικά δεδομένα (γραμμικό, λογιστικό, Cox)
• τις παραδοχές και τις προϋποθέσεις που θα πρέπει να πληρούνται για την εφαρμογή αυτών των μοντέλων
• το πόσο καλά προσαρμόζονται τα ερευνητικά τους δεδομένα στα υπο εξέταση μοντέλα (έλεγχος προσαρμογής)
• τις αναγκαίες συνθήκες που θα πρέπει να υπάρχουν ώστε να χαρακτηριστούν μια ή περισσότερες μεταβλητές ως συγχυτικές σε μια σχέση έκθεσης-αποτελέσματος
• την έννοια του τροποποιητικού παράγοντα και τη διαφορά του από τον συγχυτικό παράγοντα
• το λόγο που οι τεχνικές της πολλαπλής παλινδρόμησης καθιστούν εφικτή την ανάλυση της σχέσης ενός αποτελέσματος με μια προβλεπτική μεταβλητή υπό την πιθανή παρουσία συγχυτικών παραγόντων
• Υπολογισμός μεγέθους δείγματος για πολυπαραγοντικά
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
Περιεχόμενο Μαθήματος
1. Διερεύνηση και διαμόρφωση δεδομένων, οδηγίες για δημιουργία καλαίσθητων γραφημάτων με το πρόγραμμα R (πρακτική στο R)
2. Γραμμική σχέση μεταξύ 2 ποσοτικών μεταβλητών (Scatter plots, Pearson’s & Spearman’s correlation) (πρακτική στο R)
3. Θεωρία Γραμμικών Μοντέλων παλινδρόμησης και η σημασία τους στην ιατρική έρευνα και πράξη
4. Συγχυτικοί και τροποποιητικοί παράγοντες
5. Απλή και πολλαπλή γραμμική παλινδρόμηση και εφαρμογές σε ιατρικά δεδομένα (πρακτική στο R)
6. Απλή και πολλαπλή λογιστική παλινδρόμηση και εφαρμογές σε ιατρικά δεδομένα (πρακτική στο R)
7. Απλή και πολλαπλή παλινδρόμηση Poisson και εφαρμογές σε ιατρικά δεδομένα (πρακτική στο R)
8. Απλή και πολλαπλή Cox παλινδρόμηση και εφαρμογές σε ιατρικά δεδομένα (πρακτική στο R)
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Βιντεοδιαλέξεις
- Πολυμεσικό υλικό
- Διαδραστικές ασκήσεις
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 45 | ✓ | |||
| Εργαστηριακή Άσκηση | 60 | ✓ | |||
| Μελέτη και ανάλυση βιβλίων και άρθρων | ✓ | ||||
| Εξετάσεις | 65 | ✓ | |||
| Σύνολο | 170 |
Αξιολόγηση Φοιτητών
Περιγραφή
Εβδομαδιαία κουίζ πολλαπλών επιλογών
Αξιολόγηση των σχολίων που υποβάλλονται από κάθε εκπαιδευόμενο στις online ομάδες συζήτησης
Τελική αξιολόγηση με ερωτήσεις πολλαπλών επιλογών
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Διαμορφωτική, Συμπερασματική)
- Δημόσια Παρουσίαση (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Διαμορφωτική, Συμπερασματική)
- Εργαστηριακή Εργασία (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
1. Aho, Ken A. Foundational and applied statistics for biologists using R. CRC Press, 2013.
2. Bland, Martin. An introduction to medical statistics. 3rd Edition. Oxford University Press, 2000.
3. Crawley, Michael J. Statistics: an introduction using R, 2nd Edition. John Wiley & Sons, 2014.
4. MacFarland, Thomas W. Introduction to Data Analysis and Graphical Presentation in Biostatistics with R. Springer, 2014.
5. Daniel, Wayne W., and Chad L. Cross. Biostatistics: A Foundation for Analysis in the Health Sciences: A Foundation for Analysis in the Health Sciences. Wiley Global Education, 2012.
6. Logan M. Biostatistical Design and Analysis Using R: A Practical Guide. Wiley-Blackwell, 2010.
7. Aviva Petrie, Caroline Sabin. Medical Statistics at a Glance, 3rd Wiley 2009.
8. David G. Kleinbaum, Mitchel Klein. Survival Analysis: A self-learning text. 3rd Edition. Springer 2012.
9. David G. Kleinbaum. Logistic Regression: A self-learning text. 3rd Edition. Springer 2010.
10. Faraway, J. J. (2014). Linear Models with R (Chapman & Hall/CRC Texts in Statistical Science) (2nd ed.). Chapman and Hall/CRC.
Τελευταία Επικαιροποίηση
22-02-2023
