Diplomado en Bioestadística avanzada

Descripción del curso:

El propósito del curso es que el alumno aprenda a ajustar e interpretar los modelos estadísticos más usados en Ciencias de la Salud (regresión lineal, análisis de la varianza y covarianza, regresión logística y regresión Poisson), usando algunos de los programas estadísticos más populares (R, Stata y SPSS). Para el aprendizaje se utilizarán clases en video, tutoriales prácticos y foros de discusión.

Resultados de Aprendizaje:

• Describir la teoría básica de los modelos estadísticos lineales, logísticos y Poisson.
• Aplicar programas estadísticos para el ajuste de modelos estadísticos.
• Interpretar los resultados relacionados con modelos estadísticos.

Contenidos:

• Introducción a los Modelos Estadísticos. Asociación conjunta, control de confusión y modelos predictivos.
• Modelos de regresión lineal simple y múltiple. 
  • Ajuste del modelo e interpretación de resultados.
  • Validación de supuestos.
  • Concepto de R2. Capacidad predictiva de un modelo lineal.
  • Aplicaciones: asociación conjunta, control de confusión, predicción.
  • Instrucciones necesarias para obtener estos resultados en los programas estadísticos más comúnmente utilizados (SPSS, R, Stata).
• Modelos ANOVA y ANCOVA.
  • Introducción de variables dummy a una regresión.
  • Ajuste del modelo e interpretación de resultados.
  • Validación de supuestos.
  • Aplicaciones: asociación conjunta, control de confusión, predicción, diseño de experimentos.
  • Instrucciones necesarias para obtener estos resultados en los programas estadísticos más comúnmente utilizados (SPSS, R, Stata).
• Modelos de regresión logística.
  • Ajuste del modelo e interpretación de resultados. OR crudo y ajustado.
  • Validación de supuestos.
  • Porcentaje correcto de clasificación. Test Hosmer y Lemeshow de bondad de ajuste.
  • Aplicaciones: Evaluación y construcción de scores de riesgo, Curvas ROC.
  • Instrucciones necesarias para obtener estos resultados en los programas estadísticos más comúnmente utilizados (SPSS, R, Stata).
• Modelos de regresión Poisson.
  • Ajuste del modelo e interpretación de resultados.
  • Validación de supuestos.
  • Aplicación: razones de prevalencia.
  • Instrucciones necesarias para obtener estos resultados en los programas estadísticos más comúnmente utilizados (SPSS, R, Stata).
• Métodos de selección de variables: All Subsets y procedimientos paso-a-paso
• Concepto de Interacción: Interacción de dos variables categóricas e interacción de una variable categórica y una numérica.

Estrategias Metodológicas:

• Video clases
• Lecturas
• Casos prácticos
• Foro de discusión

Estrategias Evaluativas:

• 4 controles parciales individuales : 60%
• Prueba final individual de aplicación : 40%

Descripción del curso:

El propósito de este curso es que el alumno aprenda a ajustar e interpretar los modelos de análisis de sobrevivencia más usados en Bioestadística, en sus versiones no paramétricas o semi-paramétricas (como las curvas de sobrevida de Kaplan – Meier o el Modelo de Cox) y paramétricas. Para el aprendizaje se utilizarán clases en video, tutoriales prácticos y foros de discusión, disponibles en plataforma Web.

Resultados de Aprendizaje:

• Aplicar el método de Kaplan – Meier y otros métodos no paramétricos relacionados para estimar la distribución del tiempo de sobrevida hasta la ocurrencia de un evento, así como el modelo de riesgos proporcionales de Cox para estimar el tiempo de sobrevida en función de una o más variables explicatorias.
• Interpretar modelos de sobrevivencia paramétricos básicos.

Contenidos:

• Análisis de Sobrevida Actuarial
  • Posibles diseños
  • Concepto de tiempo de sobrevida y datos censurados.
  • Concepto de función densidad y función de sobrevivencia.
  • Función de sobrevivencia empírica.
  • Tablas de vida.
  • Función de sobrevivencia de Kaplan – Meier.
  • Precisión e intervalo de confianza de la estimación de Kaplan – Meier.
• Sobrevida Relativa
  • Introducción: Tipos de Análisis de Sobrevida
  • Sobrevida relativa.
  • Cálculo de Sobrevida Esperada
  • Sobrevida relativa acumulada
• Comparación de Curvas de Sobrevida
  • Test de Log-rango y test de Wilcoxon.
  • Comparación de más de dos curvas de sobrevida.
• Extensión en Análisis de Sobrevida
  • Función de hazard y función de hazard acumulado.
  • Modelo de riesgos proporcionales de Cox. Ejemplos de uso.
  • Introducción a los modelos de sobrevivencia paramétrica.

Estrategias Metodológicas:

• Video clases
• Lecturas
• Casos prácticos (nota: Los modelos de sobrevivencia paramétricos se muestran en Stata y R, ya que SPSS no ajusta estos modelos).
• Foro de discusión

Estrategias Evaluativas:

• Controles individuales semanales : 60%
• Tareas individuales de aplicación : 40%

Descripción del curso:

El propósito de este curso es que el alumno conozca los pasos necesarios para realizar revisiones sistemáticas y pueda evaluar la calidad de la literatura disponible. Posteriormente, se espera que el alumno pueda combinar los resultados de la literatura usando métodos de meta-análisis. El aprendizaje se realiza mediante presentaciones PowerPoint, tutoriales y foros de discusión.

Resultados de Aprendizaje:

• Plantear hipótesis y preguntas estructuradas en procesos de investigación de temáticas asociadas a las Ciencias de la Salud.
• Realizar búsquedas usando herramientas de uso común en revisiones sistemáticas, organizando la información de la literatura en matrices de datos.
• Aplicar los métodos más usados para combinar medidas de efecto o riesgo y otros métodos asociados, usando programas estadísticos.

Contenidos:

• Revisiones Sistemáticas
  • Preguntas e hipótesis estructuradas en Ciencias de la Salud.
  • Métodos para realizar búsquedas sistemáticas usando herramientas de uso frecuente en Internet.
  • Matriz de extracción de datos para organizar la información proveniente de los artículos.
  • Instrumentos para evaluar la calidad de los artículos.
  • Formas de presentar los resultados (PRISMA y análisis narrativo).
• Meta-análisis
  • Formas de cuantificar medidas de efecto o riesgo.
  • Métodos para asignar ponderaciones a estudios en un meta-análisis.
  • Meta-análisis usando método de efectos fijos y método de efectos aleatorios.
  • Cuantificación de la heterogeneidad entre estudios.
    • Formas de presentación de un meta-análisis.
    • Sesgo de publicación.
• Programas computacionales para Revisiones sistemáticas y meta-análisis
  • Uso de programas Stata y R para revisiones y meta-análisis.
  • Instrucciones necesarias para realizar un meta-análisis en los programas estadísticos REVMAN (de Cochrane Library), EPIDAT

Estrategias Metodológicas:

• Video clases
• Lecturas
• Casos prácticos
• Foro de discusión

Estrategias Evaluativas:

• Controles al final de cada uno de los 3 módulos : 50%
• Prueba final individual de conocimiento : 50%

Descripción del curso:

El propósito del curso es que el alumno identifique, ajuste e interprete modelos de efectos mixtos, los cuales son una generalización de los modelos lineales de regresión, al permitir la inclusión de efectos fijos y aleatorios simultáneamente. El aprendizaje se realiza a través de presentaciones PowerPoint, ejercicios prácticos usando programas estadísticos y mediante la participación en foros de discusión.

Resultados de Aprendizaje:

• Describir la teoría básica de los modelos de datos correlacionados.
• Emplear programas estadísticos para ajustar modelos de datos correlacionados.
• Interpretar resultados de modelos de datos correlacionados.

Contenidos:

• Introducción a los datos correlacionados.
• Modelos simples: datos pareados en dos o más tiempos o condiciones fijas.
• Modelo lineal de efectos mixtos.
• Estimación de efectos fijos y de efectos aleatorios.
• Modelo mixto lineal general.
• Modelos de efectos mixtos para datos binarios. Regresión logística mixta.
• Modelos de efectos mixtos para conteos. Regresión Poisson mixta.
• Ecuaciones de estimación generalizadas (Generalized estimating Equations o Modelos GEE).
• Instrucciones necesarias para ajustar modelos básicos para datos correlacionados en los programas estadísticos más comúnmente utilizados en Ciencias de la Salud (SPSS, R, Stata).

Estrategias Metodológicas:

• Video clases
• Lecturas
• Casos prácticos
• Foro de discusión

Estrategias Evaluativas:

• Prueba individual de conocimiento : 50%
• 2 controles parciales individuales sobre aspectos teóricos del curso : 25%
• 2 trabajos prácticos individuales usando bases de datos : 25%