Kursa kods SDSK7040
Fakultāte Medicīnas fakultāte
Kredītpunkti, lekciju skaits
Kredītpunkti ECTS kredītpunkti Kopējais auditoriju stundu skaits Lekciju stundu skaits Semināru un praktisko darbu stundu skaits Studenta patstāvīgā darba stundu skaits
2 3 32 20 4 48
E-kursi SDSK7040: Medicīniskā statistika doktorantiem
Kursa anotācija Kursa mērķis ir sniegt doktorantiem pamatzināšanas par medicīniskās statistikas izmantošanu datu apstrādē. Kursā akcents ir uz medicīniskās statistikas jēgpilnu apmācību, apgūstot biežāk lietoto statistisko testu uzbūvi, pielietojumu un datu vizualizācijas principus, lai studiju kursa noslēgumā doktoranti patstāvīgi spētu veikt un interpretēt datu pamata analīzi.
“The p value was never meant to be used the way it's used today” - Goodman.
Viena no mūsdienu medicīnisko pētījumu problēmām ir p-vērtības kļūdainā interpretācija, tāpēc viens no kursa pamatmērķiem ir censties papildināt plaši izmantoto, bet reālā praksē maznozīmīgo p-vērtību un jēdzienu „statistiskais nozīmīgums“ ar citiem, daudz būtiskākiem statistiskajiem rādītājiem, tādējādi uzlabojot veikto pētījumu nozīmīgumu un sniedzot arī kritisku skatu uz mūsdienu medicīniskajām publikācijām.
Rezultāti Zināšanas: Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus:
-Vizualizēt datus ar nepieciešamajām pamata diagrammām;
-Atpazīt situācijas datu apstrādē aprakstošās statistikas un hipotēžu pārbaudes pamata līmenī;
-Raksturot mērījumu un anketu datus izmantojot standarta statistiskos rādītājus un testus;
-Pamatot, kāpēc izdzīvotības datiem (laiks līdz notikumam) nepieciešama atsevišķa analīzes metode;
-Ar izpratni lasīt statistiski orientētus medicīniskās pētniecības rakstus.

Prasmes: Studiju kursa apguves rezultātā studenti pratīs:
-Sagatavot un ievadīt datus IBM SPSS programmā, veikt datu kodēšanu.
-Veikt nepieciešamās manipulācijas un transformācijas IBM SPSS programmā;
-Aprēķināt aprakstošās statistikas rādītājus un uzzīmēs datus raksturojošas vizuālās pamata diagrammas, kā arī spēs vizuāli novērtēt datu sadalījumu atšķirības starp grupām;
-Atšķirt standartnovirzes un standartkļūdas izmantošanu datu raksturošanai;
-Atšķirt, vai kvantitatīvās pazīmes raksturošanai jāizmanto (M; SD) vai Me [IQR];
-Novērtēt normālsadalījuma esamību un aprēķināt tā galvenos raksturojošos parametrus;
-Aprēķināt vienfaktora regresijas vienādojumu un veikt tā analīzi;
-Aprēķināt Pīrsona un Spīrmena korelācijas koeficientu;
-Aprēķināt determinācijas koeficientu un izskaidrot to;
-Veikt vienkāršu loģistiskās regresijas analīzi un izvērtēt tās rezultātus;
-Atšķirt atkarīgas no neatkarīgām izlasēm;
-Veikt t-testus, interpretēt tā rezultātus; aprēķināt 95% ticamības intervālu un izskaidrot tā nozīmi;
-Veikt trīs un vairāk izlašu salīdzināšanu ar ANOVA metodi;
-Veikt Pīrsona hī kvadrāta, Fišera eksakto un Maknēmara statistisko testu;
-Nodefinēt izdzīvotības analīzes jēdzienu, uzzīmēt Kaplana-Meijera izdzīvotības līkni un izskaidrot tās rašanās principus;

Kompetence:
Studiju kursa apguves rezultātā studenti būs spējīgi veikt patstāvīgu sava pētnieciskā darba apstrādi, izmantojot pamata statistiskos testus un datu vizualizāciju.

Kursa plāns 1. Primārā un sekundārā datu analīze. Datu veidi. Mērskalas. Aprakstošās un secinošās statistikas jēdziens. L2
2. Kvanitatīvo datu variabilitātes pamatanalīze. Normālsadalījums un tā raksturojošie rādītāji (vidējais, mediāna, moda, standartnovirze, standartkļūda, kvartīles, asimetrijas un ekscesa koeficienti utt.). Ticamības intervāla jēdziens. Datu vizualizācijas pamatprincipi – histogramma, kastveida diagramma u.c. L4
3. Izlases lieluma aprēķināšana. Statistiskā testa jēdziens. Statistiskās hipotēzes. Norādošā un nenorādošā hipotēze. p-vērtība, kas tā ir un kas tā nav. Statistiskā efekta jēdziens, tā pielietojamība datu apstrādē un interpretācijā. L2
4. Korelācijas analīzes princips. Pīrsona un Spīrmena korelācijas koeficients. L2
5. Vienfaktora un daudzfaktoru lineārās regresijas analīze. Determinācijas koeficients. L2
6. Logit funkcija. Loģistiskās regresijas analīzes uzbūves pamatprincipi un izmantošana slimības faktoru analīzē un pacientu klīnisko iznākumu paredzēšanai. L2
7. Atkarīgu un neatkarīgu izlašu jēdziens. Vienas un divu izlašu t-testi, dispersiju analīze (ANOVA), to lietošanas nosacījumi. Lēvena tests. L2
8. Kvantitatīvo datu apstrāde. Hī kvadrāta atbilstības tests. RxC tabulas. Pīrsona hī kvadrāta un Fišera precīzais tests neatkarīgām izlasēm. Maknēmara tests atkarīgām izlasēm. L2
9. Kaplana-Meijera izdzīvotības analīzes pamatprincipi. Cenzētu un necenzētu datu jēdziens. Izdzīvotības līkne, tās pamatanalīze. Koksa-proporcionālo draudu regresija. L2
10. Medicīnisko pētījumu un publikāciju analīze no statistikas un pētījuma dizaina viedokļa. S4

11. Laboratorijas darbi IBM SPSS programmā. Ld8
Prasības kredītpunktu iegūšanai Studentu semestra vērtējumu veido:
- rakstisks starppārbaudījums: doktorantiem jāsagatavo 2 medicīnisko publikāciju analīze, analizējot pielietotos statistiskos testus un veikto datu vizualizāciju (50%),
- kursa noslēguma pārbaudījums: rakstisks kontroldarbs ar daudzizvēļu atbilžu jautājumiem (50%).

Nodarbību kavējuma gadījumā doktoranti praktiskos darbus veic patstāvīgi un to izpildi pārrunā ar docētāju konsultāciju laikā.
Mācību literatūra 1. A. Field. Discovering Statistics using IBM SPSS Statistics. 4th edition, ISBN-13: 978-1446249185, 2013.
2. Teibe U. Bioloģiskā statistika. Rīga: LU Akadēmiskais apgāds, p 155, 2007.

3. K. Mārtinsone, A. Pipere, D. Kamerāde. Pētniecība: Teorija un prakse. Izdevniecība RaKa, ISBN 978-9984-46-355-1, 2016.
Papildus literatūra 1. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. – Datorzinību centrs, 2006, p 352.

2. Harris M. and G.Taylor. Medical Statistics Made Easy. - Springer-Verlag New York Inc, 2003, p 114.
Studiju programmas Medicīna un farmācija