Università degli studi di Milano-Bicocca Scuola di Economia e Statistica Dipartimento di Statistica e Metodi Quantitativi Guida dello studente Corso di Laurea Magistrale in Biostatistica Anno 2014-2015 Università degli Studi di Milano - Bicocca Scuola di Economia e Statistica Dipartimento di Statistica e Metodi Quantitativi Guida al Corso di Laurea Magistrale in Biostatistica Anno accademico 2014 - 2015 INDICE PRESENTAZIONE DEL CORSO ............................................................................. 1 INFORMAZIONI GENERALI ..................................................................................... 5 ORGANIZZAZIONE DEL CORSO .......................................................................... 10 ELENCO DEGLI INSEGNAMENTI E DEI PROGRAMMI INDICAZIONI GENERALI .................................................................................. 15 ANALISI E MODELLI DEMOGRAFICI .............................................................. 16 BASI DI DATI ..................................................................................................... 17 BIOINFORMATICA ............................................................................................ 18 CALCOLO DELLE PROBABILITA’ .................................................................... 20 CONTROLLO STATISTICO DELLA QUALITA’ ................................................ 21 ELEMENTI DI BIOLOGIA ................................................................................. 23 ELEMENTI DI MEDICINA E SANITA’ PUBBLICA ............................................ 25 FARMACOEPIDEMILOGIA ............................................................................... 26 INFERENZA STATISTICA................................................................................. 28 METODOLOGIA DELLA RICERCA CLINICA ED EPIDEMIOLOGICA (ELEARNING) ...................................................................................................... 30 MODELLI STATISTICI I .................................................................................... 33 Modulo MODELLI LINEARI PER DATI CATEGORIALI Modulo MODELLO LINEARE GENERALIZZATO MODELLI STATISTICI APPLICATI ALLE SPERIMENTAZIONI CLINICHE ..... 37 MODELLI STATISTICI E INFERENZA BAYESIANA ....................................... 38 Modulo Modelli statistici II Modulo Inferenza bayesiana MODELLI STATISTICI PER LA GENETICA ..................................................... 40 POPOLAZIONE, TERRITORIO E SOCIETA’.................................................... 41 I PROCESSI STOCASTICI.................................................................................. 42 STATISTICA AMBIENTALE ............................................................................. 43 STATISTICA SPAZIALE ................................................................................... 44 STATISTICAL MODEL IN EPIDEMIOLOGY .................................................... 46 VALUTAZIONE STATISTICA DEI SISTEMI SANITARI…………………...........48 II PRESENTAZIONE DEL CORSO ______________________________________________________ Coordinatore: prof.ssa Antonella Zambon Nell’anno 2013-2014 è stato attivato il primo anno del Corso di Laurea Magistrale in Biostatistica, di seguito indicato come Corso. L'obiettivo formativo generale di questo Corso è quello di fornire una preparazione qualificata allo svolgimento di funzioni di progettazione, gestione, analisi, interpretazione statistica e valutazione di studi sperimentali, indagini osservazionali e sistemi di monitoraggio e sorveglianza nei campi della biologia, delle biotecnologie, della medicina preventiva, clinica e riabilitativa, della veterinaria, delle scienze ambientali, della demografia. Il Corso fornisce: • solide basi matematiche e statistiche; • buona padronanza degli strumenti informatici e di calcolo automatico; • buona conoscenza degli strumenti logico-concettuali e metodologici nell'ambito della ricerca sperimentale e osservazionale; • approfondita conoscenza delle tecniche statistiche che trovano particolare applicazione nel contesto della biostatistica e delle statistica applicata all’ambiente fisico e sociale; • particolare sensibilità al linguaggio ed un livello adeguato di conoscenza del contesto biologico, medico e ambientale al quale la biostatistica è applicata, che lo metta in grado di collaborare con esperti in altre discipline. Il laureato in biostatistica è in grado di: • partecipare alla stesura dei protocolli di ricerca fornendo le proprie competenze per la definizione e la scelta del disegno dello studio e dei criteri di selezione delle unità statistiche da includere, della messa a punto degli strumenti di raccolta e di misura, dei metodi statistici da impiegare, del numero di unità statistiche da considerare tenendo conto del livello di significatività e della potenza dello studio rispetto al contesto in cui sta operando, delle procedure per la gestione dei dati mancanti, inutilizzati o spuri, per la segnalazione di qualunque deviazione dal piano statistico originale, e per il controllo e l'assicurazione della qualità dei dati; • intervenire nelle procedure di gestione del dato dalla sua raccolta su supporto cartaceo o elettronico, al controllo della sua qualità, alla chiusura del database collaborando con la figura del data manager; • effettuare l'analisi statistica dei dati attraverso la costruzione di modelli atti a spiegare i fenomeni oggetto di studio anche con l'impiego di strumenti di calcolo automatico avanzati e di algoritmi sofisticati; • lavorare con altre figure professionali recependo il problema biologico, clinico, sociale o ambientale che il gruppo di lavoro intende affrontare, • comunicare, attraverso la stesura di report finali e lavori scientifici, i metodi, i risultati e l'interpretazione statistica di uno studio utilizzando l’appropriato linguaggio scientifico. 1 La durata normale del Corso di Laurea magistrale in Biostatistica, è di due anni. Per conseguire la laurea magistrale in Biostatistica lo studente deve acquisire 120 crediti formativi universitari (CFU). Gli studenti che superano gli esami del Corso e l’esame di Laurea conseguono il titolo accademico di : Dottore magistrale in Biostatistica. Gli studenti iscritti al Corso potranno anche effettuare periodi di ricerca presso strutture esterne, oltre a soggiorni di studio presso altre Università italiane ed europee, anche nel quadro di accordi internazionali. Negli ultimi tre anni accademici almeno 15 studenti hanno svolto all'estero le loro attività per la preparazione della tesi. Tra le più prestigiose sedi estere scelte dagli studenti del Corso di laurea magistrale in Biostatistica e statistica sperimentale ricordiamo il Karolinska Institutet (Svezia) e la Harvard University (Stati Uniti). L’acquisizione della laurea magistrale in Biostatistica consente di accedere ai corsi di Dottorato di ricerca e ai Corsi di Master Universitario di II livello. Sbocchi occupazionali La Laurea magistrale in Biostatistica consente l'inserimento nei seguenti settori economici: - istituti di ricerca biologica, biotecnologica, clinica ed epidemiologica, - aziende ospedaliere, - istituti di ricovero e cura a carattere scientifico, - aziende sanitarie locali, - agenzie sanitarie regionali, - osservatori epidemiologici, - registri di patologia, - aziende farmaceutiche e CRO (Contract Research Organization), - agenzie regionali per la protezione ambientale, - aziende di servizi. Qualche dato sul Corso Immatricolazioni Il Corso di laurea magistrale in Biostatistica e statistica sperimentale (precedente denominazione del Corso) è attivo dall'anno accademico 2003-2004. Durante questi anni l'andamento delle immatricolazioni è rimasto costante: 20032004 63 2 20042005 45 20052006 52 20062007 64 20072008 38 20082009 51 20092010 51 20102011 65 20112012 48 Abbandoni Le percentuali di abbandono nel primo anno di Corso sono rimaste stabili e contenute. 20032004 25,4 20042005 31,1 20052006 21,2 20062007 20,3 20072008 10,5 20082009 23,5 20092010 15,7 20102011 15,4 Soddisfazione per la didattica erogata Ogni anno l'Ateneo svolge un'indagine conoscitiva sulla qualità della didattica erogata mediante la somministrazione di un apposito questionario anonimo. Alla domanda Sono complessivamente soddisfatto di come è stato svolto questo insegnamento? la percentuale di giudizi positivi fornita dagli studenti frequentanti gli insegnamenti del Corso di laurea magistrale in Biostatistica e statistica sperimentale (precedente denominazione del corso) nell'anno accademico 2011-2012 è stata dell'85.3% (76.1% nell'anno accademico2010-2011 e 84.3% nell'anno accademico precedente). Laureati in corso Le percentuali di successo ovvero le percentuali di studenti che si sono laureati in corso sono soddisfacenti, soprattutto se si tiene conto che molti degli studenti del Corso di laurea in oggetto sono studenti-lavoratori. 20032004 41,3 20042005 31,1 20052006 38,5 20062007 40,6 20072008 55,3 20082009 29,4 [ tratto da: Bagnardi et al., Analisi delle Carriere degli studenti Ateneo di MilanoBicocca] Dopo la laurea Da una rilevazione del CRISP (Centro di ricerca interuniversitario per i servizi di pubblica utilità dell'Università degli Studi di Milano-Bicocca) emerge che circa il 90% dei laureati in Biostatistica e statistica sperimentale (precedente denominazione) durante l'anno accademico 2011-2012 lavorava al momento della laurea o ha trovato lavoro subito dopo il conseguimento del titolo. Prima di iscriversi Si consiglia di contattare la coordinatrice del corso Prof.ssa Antonella Zambon ([email protected]) per un colloquio preliminare. Sono ammessi al Corso i laureati in Scienze statistiche, Classe 37 del DM 509/99 e Classe L- 41 del DM 270/04. Gli studenti in possesso di altro titolo di laurea posso- 3 no accedere al Corso, previa verifica, da parte di un’apposita Commissione, dei requisiti minimi di accesso, indicati nel Regolamento didattico del Corso, attraverso la valutazione della carriera pregressa. Per ulteriori informazioni si consulti il regolamento (art.5) disponibile all’indirizzo biostat.dismeq.unimib.it alla sezione Didattica Regolamenti e Calendario. Per poter affrontare senza difficoltà il Corso di Laurea Magistrale in Biostatistica uno studente che non proviene da un corso di laurea triennale con indirizzo quantitativo dovrebbe acquisire prima dell'inizio dell'anno accademico alcuni concetti base in Matematica, Statistica e Informatica. Questi contenuti possono essere discussi nel colloquio preliminare con la Prof.ssa Zambon. Si consiglia quindi di richiedere questo colloquio appena possibile 4 INFORMAZIONI GENERALI ______________________________________________________ Come raggiungere la sede del corso La sede del corso è situata nell’edificio U7, in Via Bicocca degli Arcimboldi 8 a Milano. Gli spazi dell’edificio U7 sono aperti dal lunedì al venerdì, dalle ore 8.00 alle ore 20.00. Per contattare la Portineria dell’edificio U7, chiamare al numero 02 64487099. Il complesso universitario Bicocca, situato nella zona Nord di Milano, è raggiungibile mediante: • auto: è disponibile un ampio parcheggio sotterraneo di 900 posti con accesso da Piazza dell’Ateneo Nuovo; • metropolitana: Linea 1, fermata Precotto, poi metrotramvia 7 in direzione Messina oppure Linea 3, fermata Zara, poi metrotramvia 7 in direzione Precotto; Linea 5, fermata Bicocca poi metrotramvia 7 in direzione Precotto • autobus: Linea 87 (Sesto Marelli - stazione Centrale), fermata Teatro Arcimboldi; Linea 52 (Q.re Comasina – Bicocca Università), fermata via Polvani – via A. Pirelli; Linea 81 (Sesto Marelli – Lambrate), fermata Breda Rucellai da dove è possibile utilizzare il sottopasso pedonale per raggiungere piazzale Egeo; Linea 728 (Cinisello Balsamo – Bicocca Università), fermata Milano Greco (capolinea); inoltre Brianza Trasporti effettua due collegamenti con la Bicocca, uno per Monza e l'altro per Mariano Comense; • tram: Linea 31 , fermata San Glicerio; Linea 7 , fermata Arcimboldi; • treno: stazione di Milano Greco-Pirelli; • ecobus gratuito che collega i vari edifici dell’Ateneo (capolinea in Piazza Egeo). La Segreteria Didattica La Segreteria didattica fornisce informazioni e distribuisce il materiale disponibile sull’offerta didattica, il calendario didattico, gli orari di ricevimento dei professori; fornisce altresì informazioni relative ai Servizi Integrati di Facoltà (S.I.FA). Segreteria didattica e SIFA: Alessandra Verduci Tel: 02.64485811 fax: 02.64485878, e-mail: [email protected] Apertura al pubblico: mercoledì: ore 10.00-12.00 e su appuntamento Segretaria didattica e Stage Annalisa Murolo Tel: 02.64485876 – Fax: 02.6448.5878, e-mail: [email protected] Apertura al pubblico: mercoledì: ore 10.00-12.00 e su appuntamento 5 I servizi per gli studenti I Rappresentanti degli studenti Oltre ai docenti anche alcuni studenti iscritti ai corsi di laurea in statistica, eletti periodicamente, partecipano alle sedute del Consiglio di Coordinamento Didattico. Gli studenti rappresentanti sono attualmente: Alice Corbella, Silvia Bordogna, Stefano Griggio, Nicola Pesenti, Paolo Testa e Andrea Torti. Gli studenti possono rivolgersi ai Rappresentanti degli studenti, contattandoli via e-mail all’indirizzo: [email protected]. L’Ufficio Stage L’Ufficio Stage del Corso di laurea è' il punto di riferimento per la ricerca e lo svolgimento di stage e tirocini; cura e promuove i contatti con Enti ed Aziende. Annalisa Murolo Tel: 02.64485876 – Fax: 02.6448.5878 e-mail: [email protected] Edificio U7, 4 piano, ufficio 4056 Apertura al pubblico: mercoledì: ore 10.00-12.00 e su appuntamento Docenti di riferimento per attività di orientamento e stage Prof. Giovanni Corrao Tel. +39 02.6448.5801 e-mail: [email protected] Prof. Marco Fattore Tel. +39 02 6448.3227 e-mail: [email protected] Studiare all’estero L’Unione Europea ha istituito diversi programmi riguardanti l’internazionalizzazione degli studi universitari. 1) Il programma Erasmus permette di trascorrere un periodo di studio (fino a dodici mesi) presso un’ Università straniera con un contributo da parte della Comunità Europea. Per l’anno accademico 2013 – 2014, si intende promuovere lo scambio di studenti con le Università di seguito indicate: Hogskolen I Oslo (Norvegia) Universitetet I Oslo (Norvegia) Universidad Hernandez De Elche-Alicante (Spagna) 6 Universidad Carlos III de Madrid (Spagna) Universitè d’Orlèans (Francia) Universite’ Paris 1 Panthéon Sorbonne (Francia) Gazi Üniversitesi (Turchia) Yaşar Üniversitesi (Turchia) Universiteit Gent (Belgio) Stockholms Universitet (Svezia) Nel bando saranno indicati i requisiti richiesti e tutte le informazioni per presentare la candidatura. Non è possibile sostenere all’estero i seguenti esami: Analisi Matematica I, Analisi Matematica II, Algebra Lineare, Statistica I, Statistica I e statistica ambientale, Calcolo delle Probabilità, Statistica II, Analisi Statistica Multivariata. 2) Il programma Erasmus Placement permette agli studenti di accedere a tirocini presso imprese, centri di formazione e di ricerca presenti in uno dei Paesi partecipanti al Programma. Lo studente Erasmus Placement, che riceve un contributo comunitario per un periodo di tirocinio che va da un minimo di 3 a un massimo di 6 mesi, ha l’opportunità di acquisire competenze specifiche ed una migliore comprensione della cultura socioeconomica del Paese ospitante. 3) Il programma Summer Winter School (Cina, India, Russia, Brasile) ha come obiettivo primario quello di sviluppare negli studenti la capacità di gestire i processi di innovazione in modo qualificato e propositivo e di toccare con mano i processi attuali di internazionalizzazione degli scambi economici e delle relazioni. Gli studenti selezionati frequenteranno, prima di partire, un ciclo di lezioni introduttive alle realtà dei Paesi ospitanti. Nel corso delle due settimane di permanenza all’estero gli studenti, alloggiati presso i campus delle strutture ospitanti, seguono lezioni e visitano Aziende locali e Enti non profit. Docenti di riferimento per Erasmus e internazionalizzazione: Prof. Rino Bellocco Tel. +39 02.6448.5831, e-mail: [email protected] Dott.ssa Fulvia Pennoni Tel. +39 02.6448.5856 e-mail: [email protected] Per l’Erasmus Placement, il referente amministrativo è: Annalisa Murolo tel. 02 64485876, fax 02 64485878, e-mail: [email protected] Laboratori informatici e sistemi informatici Il Corso dispone di un laboratorio di informatica accessibile agli studenti iscritti (aula 2086) e di un laboratorio (aula 2059) accessibile ai laureandi e ai dottorandi in ot- 7 temperanza al calendario accademico. I laboratori sono al II piano dell’ Edificio U7 e sono aperti dalle ore 9.00 alle ore 17.30. I laboratori sono dotati complessivamente di 40 postazioni workstation con Windows XP collegate in rete. Numerosi pacchetti software di interesse statistico sono già installati ed utilizzabili, quali ad esempio Mathematica, SPSS, SAS, R, Stata, ArcGis. Inoltre gli studenti hanno la possibilità di accedere a tutti i laboratori informatici di Ateneo, distribuiti in tutti gli edifici in cui si tengono le lezioni. Un’ulteriore possibilità di accesso ad alcuni software di carattere statistico è fornita dal laboratorio virtuale che permette di accedere via Internet ad una selezione dei programmi più utilizzati per l’analisi statistica, collegandosi per esempio anche dal computer di casa. Docenti di riferimento per Laboratori e Sistemi informatici: Ing. Mirko Cesarini Tel. +39 02 6448.5849, e-mail: [email protected] Dott. Roberto Boselli Tel. +39 02 6448.5855, e-mail: [email protected] I tecnici informatici responsabili sono: Andrea Pagliari, ufficio 2063 tel. 02 64485824, e-mail: [email protected] Riccardo Giani, ufficio 2044 Tel. 02 64485825, e-mail: [email protected] Sito del corso di laurea Tutte le informazioni contenute in questa Guida, i Regolamenti didattici dei corsi, i servizi, le pagine personali dei docenti, sono disponibili nel sito web del corso di laurea all’indirizzo http://biostat.dismeq.unimib.it alla sezione Didattica Regolamento e Calendari. Iscrizioni Le modalità e i termini di scadenza delle immatricolazioni sono indicati nel sito di Ateneo www.unimib.it, sezione Segreterie Studenti. Docenti di riferimento per ricostruzioni carriere: Prof. Giorgio Vittadini Tel: 02-64483189 Fax: 02-64485830, e-mail: [email protected] Prof.ssa Antonella Zambon Tel. +39 02.6448.5814, e-mail: [email protected] 8 Comitato di Coordinamento Didattico Prof. Giovanni Corrao Tel: 02-64485854 Fax: 02-64485899, e-mail: [email protected] Prof. Giorgio Vittadini Tel: 02-64483189 Fax: 02-64485830, e-mail: [email protected] Prof.ssa Antonella Zambon Tel. +39 02.6448.5814, e-mail: [email protected] Per altre informazioni: Sportello telefonico – Servizio orientamento di Ateneo Sportello Telefonico: 02.6448.6448 Lunedì, martedì e giovedì dalle 9.00 alle 12.00 Mercoledì e venerdì dalle 14.00 alle 16.00 Richieste via email: sono disponibili indirizzi email per diverse tematiche − informazioni sulle immatricolazioni e iscrizioni, procedure e scadenze, servizi e le opportunità: [email protected] − informazioni sul tirocinio formativo attivo: [email protected] − informazioni sugli stage: [email protected] − informazioni sul job placement: [email protected] − informazioni su esami e prove di accertamento di lingua straniera: [email protected] − informazioni su esami e prove di accertamento di informatica: [email protected] Front office: Edificio U17, Piazzetta Difesa per le Donne (adiacente a via Padre Beccaro) 9 ORGANIZZAZIONE DEL CORSO DI LAUREA ______________________________________________________ Elenco delle attività secondo il regolamento del Corso di Laurea Magistrale in Biostatistica anno 2014-2015. I ANNO Settori MAT/06 BIO/10 MED/42 SECS-S/01 MED/01 SECS-S/01 Insegnamenti Calcolo delle probabilità Elementi di biologia Elementi di medicina e di sanità pubblica Inferenza statistica Metodologia della ricerca clinica ed epidemiologica (e-learning) M Modelli statistici I Modulo: Modello lineare generalizzato Modulo: modelli lineari per dati categoriali Attività formative a scelta CFU 6 6 12 6 12 12 6 6 6 II ANNO Settori SECS-S/04 ING-INF/05 MED/01 SECS-S/01 MED/01 Insegnamenti CFU Analisi e Modelli demografici 6 Basi di dati 6 Modelli statistici applicati alle sperimentazioni cliniche 6 Modelli statistici e inferenza bayesiana 12 Modulo: Inferenza bayesiana 6 Modulo: Modelli statistici II 6 Statistical models in epidemiology 12 Attività formative a scelta 6 Altre attività formative 2 Prova finale 10 Attività formative a scelta La scelta di tali attività deve essere coerente con il progetto formativo ed esplicitata nel piano di studi che ogni studente deve presentare. La coerenza sarà valutata dal Comitato di Coordinamento Didattico sulla base del piano di studi presentato. Tra gli insegnamenti impartiti che possono concorrere al conseguimento dei CFU dedicati alle attività autonomamente scelte, si segnalano, in quanto particolarmente coerenti con il percorso formativo offerto dal Corso di laurea magistrale in Biostatistica, i seguenti: 10 Area Settori INF/01 Biomedica MED/01 MED/01 SECS-S/01 Statistico SECS-S/01 Demografica SECS-S/04 SECS-S/01 StatisticoSECS-S/01 ambientale SECS-S/01 Insegnamenti Bioinformatica Farmacoepidemiologia Modelli statistici per la genetica Controllo statistico della qualità Valutazione statistica dei sistemi sanitari Popolazione territorio e società Processi stocastici Statistica ambientale Statistica spaziale CFU 6 6 6 6 6 6 6 6 6 Altre attività formative Le attività in questione sono volte ad acquisire ulteriori conoscenze utili sia per ’inserimento nel mondo del lavoro che per agevolare le scelte professionali mediante la conoscenza diretta del settore lavorativo cui il titolo di studio può dare accesso. Tali attività sono svolte dallo studente mediante la frequenza di seminari/workshop predisposti a questo fine dal Dipartimento di Statistica e Metodi Quantitativi, da altri Enti universitari o extrauniversitari, o la partecipazione ad attività di ricerca presso aziende pubbliche o private. Prova finale Per il conseguimento della laurea magistrale è richiesta l’elaborazione di una tesi di laurea originale. La tesi consiste in un elaborato scritto, contenente i contributi e/o i risultati conseguiti dallo studente mediante un’attività di ricerca teorica e/o sperimentale riguardante tematiche coerenti con gli obiettivi formativi del Corso di laurea magistrale. In particolare, lo studente dovrà dimostrare di saper inquadrare criticamente la letteratura di riferimento più recente, nonché di essere in grado di utilizzare gli strumenti più appropriati per l’analisi teorica e/o l’investigazione empirica dell’argomento oggetto della tesi. Le attività di preparazione della tesi possono essere svolte presso: - un istituto, ente o centro di ricerca nazionale o internazionale con il tutoraggio di un ricercatore dell’istituto e la supervisione di un docente del Dipartimento di Statistica e Metodi Quantitativi o di altri Dipartimenti dell’Università di Milano-Bicocca, - il Dipartimento di Statistica e Metodi Quantitativi dell’Università di Milano-Bicocca con il tutoraggio di un docente o di un ricercatore del Dipartimento stesso. La prova finale consiste nella discussione della tesi in seduta pubblica, di fronte a una Commissione composta da professori e/o ricercatori del Dipartimento di Statistica e Metodi Quantitativi ed eventualmente di altri Dipartimenti o Università. La commissione esprime la valutazione finale in centodecimi, con eventuale lode, tenendo conto sia dello svolgimento della prova finale, sia dell’intera carriera universitaria dello studente, secondo quanto stabilito dal Regolamento didattico di Ateneo. La tesi di laurea magistrale può essere redatta e discussa in lingua inglese. 11 Qui di seguito sono riportati alcuni titoli di tesi magistrale in Biostatistica e Statistica Sperimentale degli ultimi anni. • La valutazione della qualità in sanità: metodologie di composizione di indicatori. Confronto tra diversi modelli di sintesi numerica dei risultati. • Access to Antiretroviral Therapy and Treatment effectiveness among Injection Drug Users: results from a Swedish population based study • Aggiustamento per i confondenti non misurati negli studi osservazionali: un approccio bayesiano • L'utilizzo del Design of Experiment nel Controllo della Qualità: il caso Solving Efeso • Analisi di dati longitudinali: lo studio highcare • An M-quantile regression approach to assess the floor effect on indoor radon concentration • Tecniche innovative nel controllo della qualità: il caso della Solving Efeso • Erythropoietin-Stimulating Agents in relation to sex and outcomes in non dialysis CKD patients • Linear and Quantile Mixed-Effects Models comparison in Traumatic Brain Injury clinical trials • New developments in PS to control the confounding bias in observational studies: the High-Dimensional Propensity Score. • Studio dei determinanti dell'astinenza da alcol in una coorte di pazienti ricoverati nei servizi residenziali alcologici • La valutazione della qualità in sanità : metodologie di composizioni di indicatori. Confronto tra diversi modelli di sintesi numerica esintesi grafica dei risultati. • Mediated effect of DNA Hypomethylation on the association between pollutant exposures and cardiovascular related responses. • L'associazione tra assunzione di folati e rischio di vari tumori in una serie di studi caso-controllo • Analisi di dati Immunochip in famiglie di pazienti affetti da Sclerosi Multipla • L'utilizzo di test statistici di significatività sostanziale nel processo di verifica delle ipotesi sperimentali: il test Chi-quadrato. • Applicazione di strumenti di Statistical Process Control per la definizione degli standard operativi di produzione. • In-depth theoretical and applied examination on immeasurable time bias • Metodi multivariati sugli esiti del monitoraggio dell'entomofauna dell'area cacuminale del Gennargentu. • Analisi delle sperimentazioni cliniche secondo gli approcci adattativi: rassegna delle metodologie proposte e approfondimento delle principali tecniche analitiche • Biases in epidemiological studies: a review, application and critical assessment with particular attention to selection bias • Genome wide analysis of DNA methylation from the "Illumina 450k Beadchip". An application in an Enviromental Study. 12 • Studio dell'incidenza della sifilide in una coorte di soggetti HIV positivi con tempi di diagnosi censurati in un intervallo • Active Surveillance in prostate cancer: data management, analyses and predictive modelling • Analisi della distorsione nel campionamento per centri in assenza di ponderazione • Utilizzo di glitazoni nel trattamento del diabete di tipo 2 e rischio di tumore: una meta-analisi • Analisi dei risultati di un modello multilevel applicato in diverse condizioni. • Effects of air pollutants on DNA methylation using mixed-effect models. Results from the Beijing Truck Drivers Air Pollution Study • Indagine di prevalenza della malattia parodontale in un campione della popolazione torinese • Il ruolo delle migrazioni internazionali sul versante alpino d'Italia. • Mortalità per tumore del polmone in Europa (1970-2009): analisi degli effetti di età, periodo e coorte di nascita. • Validazione di una scala per pazienti miastenici attraverso la Rasch Analysis: il caso dell'Istituto Besta. • Analisi di uno studio cross-sectional sugli aspetti economici legati al fumo in Europa • Valore prognostico della perdita di peso nei pazienti affetti da insufficienza cardiaca (studio GISSI-HF). • Stima della densità di una popolazione di Corvus cornix mediante campionamento Line transect. • Le carriere del personale in Bicocca: un'analisi longitudinale • Analisi della risposta cellulo-mediata verso antigeni regolatori, strutturali e accessori di HIV-1 in coorti selezionate di pazienti infetti • Alterazioni nel pathway insulina/IGF1 nelle diverse tipologie di carcinoma mammario. • Determinanti della Sopravvivenza dopo l'introduzione della terapia HAART in Italia: uno studio basato sui dati dell'Italian Seroconversion Study Frequenza Non sono previsti obblighi di frequenza. Modalità di verifica del profitto Gli insegnamenti relativi alle attività formative si concludono con un esame scritto e orale o orale mentre le attività formative relative alla lingua e alle abilità informatiche si concludono con una prova di idoneità. Per l’acquisizione dei CFU nelle altre attività formative lo studente deve: (a) partecipare a un congruo numero di attività seminariali documentate dalla certificazione di partecipazione, (b) presentare al Comitato di Coordinamento Didattico una rela- 13 zione scritta sull’attività frequentata, (c) riportare il parere favorevole da parte del Comitato della relazione presentata. Calendario didattico e appelli d'esame L’organizzazione della didattica è su base semestrale. Il primo semestre comprende il periodo settembre-gennaio, il secondo semestre va da febbraio a giugno. Ciascun semestre è diviso in due cicli. Ciascun ciclo comprende, di norma, oltre alle settimane dedicate alle lezioni, una settimana di recupero e un periodo dedicato agli appelli d’esame degli insegnamenti che si sono conclusi alla fine del ciclo. Ciascun insegnamento prevede 6 appelli d’esame all’interno del singolo anno accademico così suddivisi: una sessione a novembre (per tutti i corsi del secondo semestre oppure del primo semestre che terminano a novembre); due sessioni nel periodo gennaio-febbraio; una sessione ad aprile (per tutti i corsi del primo semestre oppure del secondo semestre che terminano ad aprile); tre sessioni nei mesi di giugno, luglio e settembre. Il calendario didattico e l’orario delle lezioni sono pubblicati su http://biostat.dismeq.unimib.it/ e/o www.statistica.unimib.it Piano di studio Il piano di studio è l’insieme delle attività formative obbligatorie, delle attività previste come opzionali e delle attività formative scelte autonomamente dallo studente in coerenza con il Regolamento didattico del corso di studio. Allo studente viene automaticamente attribuito un piano di studio all’atto dell’iscrizione al primo anno, che costituisce il piano di studio statutario. Successivamente (di norma al secondo anno) lo studente deve presentare un proprio piano di studio con l’indicazione delle attività opzionali e di quelle a scelta. Il piano di studio è approvato dal Consiglio di Coordinamento didattico Le modalità e le scadenze di presentazione del piano sono definite dall’ Ateneo. Docenti di riferimento per il piano di studio Prof. Giorgio Vittadini Tel: 02-64483189 Fax: 02-64485830, e-mail: [email protected] Prof.ssa Antonella Zambon Tel. +39 02.6448.5814, e-mail: [email protected] 14 ELENCO DEGLI INSEGNAMENTI E DEI PROGRAMMI ______________________________________________________ Indicazioni generali I programmi che proseguono nelle pagine successive costituiscono i corsi: del primo anno della laurea magistrale, come da Regolamento 2014-2015 del secondo anno della laurea magistrale, come da Regolamento 20132014 Si consiglia di visitare le pagine personali dei docenti per il materiale didattico dei corsi nonché per altre informazioni riguardanti la didattica. Si accede alle pagine personali dei docenti all’indirizzo www.statistica.unimib.it, alla voce Facoltà, Offerta Formativa – Laurea Magistrale in Biostatistica. In caso di difformità riscontrate tra la Guida e il Regolamento didattico del Corso di laurea, fare riferimento al Regolamento. 15 Analisi e modelli demografici Demographic Analysis and Models Crediti: 6 Settore scientifico disciplinare: SECS-S/04 1. Obiettivi dell’attività formativa Il corso intende offrire gli strumenti per valutare ed interpretare le manifestazioni dei fenomeni demografici e sociali e delle trasformazioni quantitative e strutturali di una. 2. Programma riassuntivo Analisi e misura della disuguaglianza e della povertà; Evoluzione nel tempo di fenomeni demografici e sociali; Previsioni delle famiglie; Tecniche di analisi di dati longitudinali applicate in ambito demografico. 3. Propedeuticità Nessuna 4. Tipologia didattica Lezioni frontali ed applicazioni in laboratorio. 5. Modalità dell’esame L’esame consiste in una prova orale con discussione di un elaborato concordato con il docente. 6. Programma dettagliato Evoluzione nel tempo di fenomeni demografici e sociali: - Misure sintetiche del momento scomposizione tra effetto cadenza ed 16 effetto intensità - Analisi ripetute effetto tempo e coorte Analisi e misura della disuguaglianza e della povertà: - Indicatori e proprietà povertà assoluta - povertà relativa - Applicazione a dati di indagine reali EUSILC. Modelli di previsione delle famiglie: - Definizioni - Metodi - utilizzo delle previsioni demografiche - implementazione delle previsioni a livello regionale per l’Italia. Tecniche di analisi di dati longitudinali applicate in ambito demografico: analisi event history e sequence analysis. 7. Materiale didattico Stefani Scherer, Analisi dei dati longitudinali, Il Mulino, 2013. Baldini e Toso, Disuguaglianza, povertà e politiche pubbliche, Il Mulino, 2009. Firebaugh, Analyzing repeated surveys, SAGE University Paper, 1997. Altro materiale sarà fornito durante il corso. Analisi e modelli demografici Docente responsabile: Elisa Barbiano di Belgiojoso ● [email protected] ● + 39 02 64485881 Basi di dati Titolo in inglese Crediti: 6 Settore scientifico disciplinare: ING-INF/05 1. Obiettivi dell’attività formativa L’obiettivo è di fornire le conoscenze necessarie sia metodologiche che implementative per l’analisi e la progettazione di sistemi per la gestione dei dati. Gli argomenti vengono trattati sia dal punto di vista teorico sia dal punto di vista implementativo. Alla fine del corso lo studente dovrebbe aver acquisito non soltanto le conoscenze teoriche sulla materia trattata, ma anche le tecniche e gli strumenti metodologici sufficienti per affrontare e condurre a termine il progetto completo di progettazione di una base di dati per il supporto decisionale. 2. Programma riassuntivo Progettazione di basi di dati La progettazione concettuale e logica Normalizzazione Basi di dati per il supporto alle decisioni 3. Propedeuticità Non sono previste propedeuticità per il corso 4. Tipologia didattica Lezioni frontali e attività di laboratorio 5. Modalità dell’esame L’esame consiste di una prova orale. 6. Programma dettagliato Progettazione di basi di dati - Metodologie e modelli per il progetto. - Il ciclo di vita dei sistemi informativi, metodologie di progettazione e basi di dati. - Il modello Entità – Relazione. - Documentazione di schemi E-R, regole aziendali, tecniche di documentazione. La progettazione concettuale e logica - L’analisi e la specifica dei requisiti. - Strategie di progetto. - Qualità di uno schema concettuale. - Strumenti CASE per la progettazione di basi di dati. La normalizzazione - Ridondanze e anomalie. - Dipendenze funzionali. Forme normali. Progettazione di basi di dati e normalizzazione. Basi di dati per il supporto alle decisioni - Architetture e paradigmi per l’analisi dei dati. - Architetture e schemi dei data warehouse. - Operazioni per l’analisi dei dati, interfacce per la formulazione di query, drill down e roll up, data cube. - Data mining. 7. Materiale didattico Sarà indicato dal docente a lezione. Basi di dati Docente responsabile: Mario Mezzanzanica ● [email protected] ● + 39 02 64485887 17 Bioinformatica Statistical Models and Computational Algorithms for Genetics Crediti: 6 Settore scientifico disciplinare: INF/01 1. Obiettivi dell’attività formativa 6. Programma dettagliato L'obiettivo principale consiste nel fornire una introduzione agli algoritmi combinatori e le tecniche di simulazione. Verranno inoltre presentati gli strumenti necessari per lo studio e la modellazione di problemi e sistemi biologici complessi. Nozione di problema computazionale, algoritmo, tempo di calcolo, spazio di calcolo, complessità asintotica, notazione O(•) 2. Programma riassuntivo Ricerca di motivi Distanza di edit. Allineamento locale e globale di 2 sequenze Problemi e Algoritmi. Complessità in tempo e spazio. Tecniche avanzate di programmazione dinamica Problemi ed algoritmi su sequenze biologiche. Inferenza di alberi: metodi basati su distanza Problemi ed algoritmi su alberi. Problemi ed algoritmi su grafi. Approcci matematici e algoritmici per la descrizione e l'analisi di sistemi biologici. Aplotipi e genotipi Sequenziamento per ibridazione Selezione di probe per fingerprinting. Systems Biology: metodi e teorie per lo studio di sistemi biologici complessi, gli approcci riduzionistico e olistico. Approcci matematici e algoritmici per la descrizione e l'analisi di sistemi biologici. Il rumore biologico. Modelli deterministici e modelli stocastici. Simulazione Montecarlo per i processi cellulari. Tecniche di ottimizzazione per i problemi della stima dei parametri. Cenni di analisi di sensitività. Bistabilità (il modello di Schlögl) e stiffness. Modelli deterministici e modelli stocastici. Simulazione Montecarlo per i processi cellulari. 3. Propedeuticità Nessuna. 4. Tipologia didattica Lezioni frontali 5. Modalità dell’esame L'esame consiste in una prova orale. 18 Bioinformatica Docente responsabile: Gianluca Della Vedova ● [email protected] ● + 39 02 64485862 7. Materiale didattico Appunti del docente. N.C. Jones, P.A. Pevzner, An Introdution to Bioinformatics Algorithms, MIT Press Bioinformatica Docente responsabile: Gianluca Della Vedova ● [email protected] ● + 39 02 64485862 19 Calcolo delle probabilità Probability Crediti: 6 : MAT/06 Settore scientifico disciplinare: MAT/06 1. Obiettivi dell’attività formativa Riprendere i concetti fondamentali della teoria della probabilità in maniera rigorosa. Presentare in maniera sistematica le variabili aleatorie multidimensionali, in modo da dare agli studenti le basi teoriche per affrontare corsi di processi stocastici e statistica matematica. 2. Programma riassuntivo Richiami di probabilità "elementare". Variabili aleatorie multidimensionali. Teoremi limite. Cenni introduttivi alla teoria dei processi stocastici. 3. Propedeuticità bile aleatoria.. Variabili aleatorie multidimensionali, densità congiunta, vettore delle medie e matrice di covarianza. Funzioni caratteristiche: definizione, proprietà principali, corrispondenza tra distribuzioni e funzioni caratteristiche. Indipendenza di variabili aleatorie. Convergenza di variabili aleatorie: quasi certa, in media p-esima, in probabilità e in legge. Leggi dei Grandi Numeri e Teorema del Limite Centrale. 7. Materiale didattico Testi di riferimento P. Baldi "Calcolo delle Probabilià" J. Jacod, P. Protter "Probability essentials" Altro materiale suggerito in aula dal docente. Corsi di base di probabilità, analisi matematica e algebra lineari, come quelli impartiti in un corso di Laurea triennale in Statistica. 4. Tipologia didattica Lezioni frontali 5. Modalità dell’esame Scritto e orale 6. Programma dettagliato Richiami sui concetti base della probabilità, misure di probabilità e loro proprietà. Definizione di variabile aleatoria, sua media e momenti p-esimi; legge di una varia- 20 Calcolo delle probabilità Docente responsabile: Federica Masiero ● [email protected] ● + 39 02 64485769 Controllo statistico della qualità Statistical quality control Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1. Obiettivi dell’attività formativa 3. Propedeuticità L’obiettivo del corso è di illustrare sotto il profilo teorico e pratico le metodologie per il controllo statistico della qualità, principalmente nel campo industriale oltre che in ambito di marketing e di valutazione dei servizi alla persona di pubblica utilità. Il corso si propone di rendere lo studente autonomo nell’utilizzo degli strumenti statistici, proposti nella parte teorica, attraverso applicazioni a casi empirici con l’ausilio di appositi pacchetti statistici. Il corso copre, in particolare, i contenuti teorici del metodo Six Sigma a livello di competenza Green Belt e permette di accedere al relativo percorso di certificazione. Nessuna. 2. Programma riassuntivo PARTE A: Controllo statistico della qualità nei processi di produzione di prodotti e di servizi industriali e introduzione al metodo del Sei Sigma. PARTE B: Valutazione dei servizi di pubblica utilità alla persona in base all'efficienza e all'efficacia relativa. Parte del corso si svolgerà in laboratorio statistico-informatico, dove verranno sviluppati esempi applicativi con l'ausilio del software statistico SAS e dell’ambiente statistico R. 4. Tipologia didattica L’attività formativa prevede lezioni teoriche ed esercitazioni pratiche svolte in laboratorio statistico-informatico. 5. Modalità dell’esame La prova d'esame è caratterizzata da domande a risposta multipla riguardanti la parte teorica del corso e dalla risoluzione al calcolatore di un problema empirico di controllo della qualità industriale e di valutazione dei servizi di pubblica utilità alla persona utilizzando dati reali. 6. Programma dettagliato PARTE A Definizione del concetto di qualità e delle sue dimensioni. Introduzione alle norme ISO e al metodo Sei Sigma Il controllo in corso di produzione: i sette strumenti del controllo statistico della qualità: le carte di controllo per variabili e per attributi, analisi di capacità del processo • Cenni alle carte di controllo robuste rispetto a dati dipendenti Controllo statistico della qualità Docente responsabile: Giorgio Vittadini ● [email protected] ● + 39 02 64483189 21 PARTE B La valutazione dei servizi alla persona di pubblica utilità: introduzione generale Manuale SAS. Il concetto di output e outcome La valutazione di efficacia La valutazione di efficienza Esempi applicativi 7. Materiale didattico Materiale didattico (dispense, diapositive, programmi di calcolo, etc..) reso disponibile on line dai docenti. Testi di riferimento PARTE A Montgomery, D.C. (2013). Introduction to Statistical Quality Control, 7th Edition, Wiley. Montgomery, D.C. (2006). Controllo statistico della qualità, seconda edizione MacGraw-Hill. Gitlow, H.S. e Levine, D.M., (2005). Six Sigma for Green Belts and Champions: Foundations, DMAIC, Tools, Cases and Certification, Pearson Education, Limited. Wheeler D.J. Chambers D.S. (2010). Understanding Statistical process control, 3rd Edition, SPC Press. PARTE B Vittadini, G. (2010), La valutazione della qualità nel sistema sanitario, analisi dell’efficacia ospedaliera in Lombardia, Guerini e Associati. Pagano, L. e Vittadini, G. (2004). Qualità e valutazione della struttura sanitaria, manuale di analisi e misurazione della performance, Etas. Gori, E. e Vittadini, G. (1999). Qualità e valutazione nei servizi di pubblica utilità, Etas. 22 Controllo statistico della qualità Docente responsabile: Giorgio Vittadini ● [email protected] ● + 39 02 64483189 Elementi di biologia Elements of Biology Crediti: 6 Settore scientifico disciplinare: BIO/10 1. Obiettivi dell’attività formativa Fornire le conoscenze di base per poter affrontare e discutere argomenti di natura biologica in termini statistici. 2. Programma riassuntivo Il corso fornisce le conoscenze essenziali di chimica generale e chimica organica, una trattazione delle principali classi di molecole biologiche, con particolare enfasi su proteine e acidi nucleici (struttura e loro funzioni biologiche). Vengono anche impartite conoscenze elementari circa l’organizzazione strutturale delle cellule e un quadro generale del metabolismo. Il materiale genetico. Basi dell’ereditarietà. Genetica quantitativa. Genetica di popolazioni. Microarray. Farmacocinetica. Farmacodinamica. Farmacotossicologia. 3. Propedeuticità Nessuna. 4. Tipologia didattica Lezioni frontali. 5. Modalità dell’esame Esame orale. 6. Programma dettagliato Elementi di biochimica: teoria del legame chimico (legame ionico e covalente); interazioni non covalenti e loro ruolo nella struttura delle molecole biologiche; concetto di concentrazione; l’equilibrio chimico; il pH e il suo ruolo nei processi biologici; soluzioni tampone; principali classi di composti di interesse biologico e loro ruoli strutturali e funzionali: carboidrati, lipidi, acidi nucleici, proteine e vitamine. i diversi livelli organizzativi delle proteine (struttura primaria, secondaria, terziaria e quaternaria); ruoli funzionali delle proteine, alcuni esempi di proteine di rilevante interesse biologico; l’organizzazione strutturale dei sistemi viventi; differenze nella struttura e nell’organizzazione generale di cellule procariotiche ed eucariotiche; Il dogma centrale della biologia: trascrizione e traduzione; struttura e ciclo vitale dei virus; il metabolismo ossidativo Elementi di genetica: basi fisiche dell’ereditarietà (cromosomi, mitosi, meiosi); replicazione e trascrizione del DNA; genetica Mendeliana; genetica quantitativa; genetica di popolazioni (equilibrio di Hardy-Weinberg, polimorfismo delle popolazioni naturali, variazioni delle frequenze geniche); Elementi di Biologia Docente responsabile: Maria Elena Regonesi ● [email protected] ● + 39 02 64483437 23 • principi generali dei microarray. Elementi di farmacologia: sviluppo pre-clinico e clinico di un farmaco; definizione di farmaco, agonisti, antagonisti, agonisti inversi e agonisti parziali; farmacocinetica (assorbimento, distribuzione, metabolismo ed eliminazione dei farmaci); modalità d'azione di un farmaco; esempi di diverse categorie di farmaci; determinazione delle curve doserisposta. sistema immunitario. 7. Materiale didattico Testi di riferimento Il materiale del corso è disponibile online, in una pagina che verrà segnalata dalla docente. 24 Elementi di biologia Docente responsabile: Maria Elena Regonesi ● [email protected] ● + 39 02 64483437 Elementi di medicina e sanità pubblica Essentials of medicine and public health Crediti: 12 Settore scientifico disciplinare: MED/42 1. Obiettivi dell’attività formativa 5. Modalità dell’esame L’obiettivo del corso è quello di introdurre lo studente ai concetti essenziali della medicina e della sanità pubblica. Verranno fornite le basi conoscitive inerenti la nascita e l’evoluzione storica della biomedicina, con particolare riguardo all’origine e allo sviluppo della clinica e dell’organizzazione sanitaria. Tale sviluppo verrà documentato con una descrizione delle condizioni di salute della popolazione e dei principali problemi aperti dalla ricerca biomedica. Scritto (quiz e relazione) e orale. 2.Programma riassuntivo L’insegnamento verterà sulla storia della medicina e dell’epidemiologia al fine di mettere in evidenza l’evoluzione del concetto di salute e dell’organizzazione sanitaria. Verrà fornita una panoramica delle condizioni di salute nelle popolazioni, a riguardo delle malattie comunicabili e non comunicabili, nei loro rapporti con l’ambiente e la situazione sociale. Verranno infine accennati i problemi aperti dalla ricerca biomedica, anche per gli aspetti che vanno oltre la terapia. 3. Propedeuticità Nessuna. 6. Programma dettagliato Storia della medicina e dell'epidemiologia Concetto di salute ed evoluzione dei sistemi sanitari (con particolare riguardo a EU e USA) e cenni di health technology assessment. La salute nel mondo, malattie comunicabili e non comunicabili. I principali indicatori di salute. Epidemiologia ed elementi di fisiopatologia di malattie infettive, cardiovascolari, respiratorie croniche, metaboliche, gastroenteriche e tumori. Metodi per condurre una revisione bibliografica qualitativa. Medicina, ambiente e lavoro. I determinati sociali di salute e malattia, stress, inquinamento e mutamento climatico. Problemi aperti: la medicina oltre la terapia (miglioramento delle capacità naturali, essere e fare meglio, rallentare l'invecchiamento, evitare la depressione). 7. Materiale didattico Sarà fornito dal docente, che potrà eventualmente suggerire testi integrativi. 4. Tipologia didattica Lezioni frontali, seminari, esercitazioni Elementi di medicina e sanità pubblica Docente responsabile: Giancarlo Cesana ● [email protected] ● + 39 0392333097 25 Farmacoepidemiologia Pharmacoepidemiology Crediti: 6 Settore scientifico disciplinare: MED/01 1. Obiettivi dell’attività formativa Il corso si propone di esaminare i principali modelli per l’analisi dei risultati di uno studio clinico e/o di farmacoepidemiologia mettendo lo studente in grado di redigere il rapporto finale di uno studio clinico sperimentale od osservazionale o di una metaanalisi. 2. Programma riassuntivo L’insegnamento introduce le principali misure epidemiologiche (associazione, impatto); i modelli di inferenza causale e il paradigma degli studi clinici randomizzati; i metodi di osservazione in farmacovigilanza (cenni). 3. Propedeuticità Nessuna. 4. Tipologia didattica lezioni frontali 5. Modalità dell’esame L’esame consiste in alcune prove in itinere e in una prova orale che verterà sull’intero programma del corso. 6. Programma dettagliato Introduzione − Perché un approccio epidemiologico al- lo studio del rapporto tra uomo e farmaco? − Insufficienza dei trial clinic preregistrativi − Insufficienza del sistema di sorveglianza basato sulle segnalazioni spontanee − Inadeguatezza dei sistemi di monitoraggio attivo − Per produrre evidenze di causalità con un processo induttivo che prescinda dal giudizio clinico − In cosa consiste (e a cosa serve) un approccio epidemiologico? − Il modello (farmaco)epidemiologico di riferimento − Profili di farmacoutilizzazione, beneficio-rischio e costi-efficacia − Un esempio motivante − Uso degli archivi elettronici in farmacoepidemiologia − Database clinici vs. database amministrativi − Vantaggi e limiti nell’uso dei database amministrativi Indicatori di farmacoutilizzazione − Definizioni di compliance, persistenza e aderenza − Lettura e discussione di un articolo scientifico Tecniche per il controllo del confondimento 26 Farmacoepidemiologia Docente responsabile: Giovanni Corrao ● [email protected] ● + 39 0264485854 − Riepilogo sulle tecniche per il controllo dei confondimenti misurati (restrizione, appaiamento, stratificazione, regressione multivariate, propensity score − Confondenti misurati da altri studi (campionamento a due stadi e propensity score calibration) − Confondenti non misurabili: (i) disegni con soli casi − Confondenti non misurabili: (ii) Monte Carlo sensitivity analysis e Prior event rate adjustment − Lettura e discussione di un articolo scientifico 7. Materiale didattico A lezione verrà fornito il materiale didattico (diapositive, letture di approfondimento, articoli scientifici). Farmacoepidemiologia Docente responsabile: Giovanni Corrao ● [email protected] ● + 39 0264485854 27 Inferenza statistica Statistical inference Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1.Obiettivi dell’attività formativa 6. Programma dettagliato Il corso si propone di presentare le nozioni generali e i metodi dell’inferenza statistica, con particolare riguardo a problemi di stima puntuale e intervallare e di verifica d'ipotesi, utilizzando come filo conduttore l'approccio basato sulla verosimiglianza. A tale scopo verranno inoltre preliminarmente introdotti gli strumenti di calcolo delle probabilità necessari. Complementi sulle variabili casuali multidimensionali 2. Programma riassuntivo Complementi sulle variabili casuali multidimensionali Convergenza di successioni di variabili casuali Verosimiglianza Stimatori di massima verosimiglianza − Vettori casuali discreti e assolutamente continui − Indipendenza, distribuzioni marginali e condizionate, valore atteso condizionato − Momenti Convergenze di successioni di variabili casuali − Principali tipi di convergenze e loro proprietà − Leggi dei grandi numeri e teoremi centrali del limite − Ordine in probabilità e metodo delta Verosimiglianza Test del rapporto di verosimiglianza − La funzione di verosimiglianza Regioni di confidenza basate sulla verosimiglianza − Statistiche sufficienti 3. Propedeuticità Si presuppone la conoscenza delle nozioni di calcolo delle probabilità e inferenza statistica a livello dei corsi base di una laurea triennale in scienze statistiche. 4. Tipologia didattica Lezioni frontali − Il principio di verosimiglianza − Famiglie esponenziali Stimatori di massima verosimiglianza − Equazioni di verosimiglianza − Informazione attesa e osservata di Fisher − Riparametrizzazioni − Proprietà degli stimatori di verosimiglianza Test del rapporto di verosimiglianza 5. Modalità dell’esame − Test basati sulla verosimiglianza e L’esame consiste in una prova scritta. loro distribuzione 28 Inferenza statistica Docente responsabile: Andrea Ongaro ● [email protected] ● + 39 02 64485875 − Casi notevoli − Regioni di confidenza derivate dalla verosimiglianza − Criteri di selezione del modello 7. Materiale didattico Testi di riferimento Azzalini A., Inferenza Statistica: un’introduzione basata sul concetto di verosimiglianza (2 ed.), Springer-Verlag, 2001. Dall’Aglio G., Calcolo delle probabilità, Zanichelli, 2003. Pace L., Salvan A., Introduzione alla statistica: inferenza, verosimiglianza, modelli, Cedam, Padova, 2001. Ross S., Calcolo delle probabilità, Apogeo, 2006. Testi di utile consultazione Mood A. M., Graybill F.A., Boes D.C., Introduzione alla statistica, McGraw-Hill Libri Italia, Milano, 1991. Inferenza statistica Docente responsabile: Andrea Ongaro ● [email protected] ● + 39 02 64485875 29 Metodologia della ricerca clinica ed epidemiologica (E-Learning) Methods in Clinic and Epidemiologic Research (E-Learning) Crediti: 12 Settore scientifico disciplinare: MED/01 Crediti: 3 1. Obiettivi dell’attività formativa Il corso si propone di: introdurre le fonti di incertezza del processo clinico, dalla formulazione della diagnosi, alla scelta della terapia e/o dell’intervento preventivo; si propone inoltre di esaminare criticamente le misure proposte in letteratura sulla validità della diagnosi, sul disaccordo clinico, sulla frequenza della malattia e dei suoi possibili esiti, sull’associazione tra determinanti e rischio di malattia, sull’efficacia e sull’impatto degli interventi terapeutici e preventivi. Un altro obiettivo è quello di approfondire gli aspetti legati al disegno degli studi mettendo lo studente in grado di leggere criticamente la letteratura medica e di redigere il protocollo di uno studio clinico sperimentale od osservazionale o di una meta-analisi. 2. Programma riassuntivo L’insegnamento si propone di introdurre le misure di incertezza del processo diagnostico; esaminare le misure di frequenza degli eventi clinici e dei suoi determinanti e gli errori casuali e sistematici delle misure cliniche; esaminare gli studi osservazionali e sperimentali; 3. Propedeuticità Nessuna. 4. Tipologia didattica E-Learning 5. Modalità dell’esame L’esame consiste in alcune prove in itinere e in una prova orale che verterà sull’intero programma del corso. 6. Programma dettagliato Misure di incertezza del processo diagnostico Incertezza del processo diagnostico − Introduzione al processo diagnostico − Accuratezza e precisione della misure cliniche − Validità e riproducibilità del giudizio clinico Caratteristiche operative di un test diagnostico − Validità di un test diagnostico − Test espressi con una scala continua e la curva ROC − Scelta del test Predittività di un test diagnostico − Valore predittivo − Valore predittivo positivo e prevalenza − Valore predittivo positivo e ragionamento clinico Caratteristiche operative e predittività dei test multipli 30 Metodologia della ricerca clinica ed epidemiologica (E-Learning) Docente responsabile: Giovanni Corrao ● [email protected] ● + 39 02 64485801 − Combinazione di test − Test in serie − Test in parallelo Accordo tra osservatori − Un richiamo ai concetti di validità e riproducibilità − La misura della concordanza − Quanto frequentemente si verifica il disaccordo tra clinici? − Distorsione da selezione Il ruolo del confondimento − Introduzione − Definizione di confondente − Metodi di controllo del confondimento Studi osservazionali e sperimentali La ricerca clinica tra sperimentazione e osservazione − Gerarchia delle evidenze Misure di frequenza degli eventi clinici e dei loro determinanti Frequenza degli eventi clinici − I concetti di incidenza e prevalenza − Le misure di insorgenza (incidenza) Determinanti degli eventi clinici − Introduzione − Misure di associazione − Misure di impatto Efficacia delle azioni terapeutiche − Introduzione − Forza dell’efficacia − Bilancio tra benefici e rischi del trattamento Errori casuali e sistematici delle misure cliniche Precisione delle misure − Studi non controllati − Studi controllati con controlli storici − Studi controllati con controlli concorrenti: l’epidemiologia analitica − Sperimentazioni cliniche controllate e randomizzate Meta-analisi di sperimentazioni cliniche − controllate e randomizzate Studi di coorte − Razionale e finalità − Aspetti legati alla pianificazione dello studio − Aspetti legati all’analisi dei dati − Aspetti legati alla comunicazione dei risultati − Forze e debolezze del disegno osservazionale di coorte Studi caso-controllo − Un richiamo ai concetti di precisione e validità − Definizione − Precisione, variabilità casuale e intervalli di confidenza − La misura dell’associazione negli studi caso-controllo − Misure descrittive − Il razionale degli studi caso-controllo − Misure di associazione − Aspetti legati alla pianificazione dello studio − Riepilogo − Aspetti legati all’analisi dei dati Validità delle misure − Aspetti legati alla comunicazione dei risultati − Un richiamo al concetto di validità 31 Metodologia della ricerca clinica ed epidemiologica (E-Learning) Docente responsabile: Giovanni Corrao ● [email protected] ● + 39 02 64485801 − Forze e debolezze del disegno osservazionale di caso-controllo Sperimentazioni cliniche Razionale delle sperimentazioni cliniche − Cenni storici sulla sperimentazione clinica dei farmaci − Le fasi della sperimentazione clinica di un farmaco − Aspetti etici delle sperimentazioni cliniche − Aspetti legati alla pianificazione dello studio − Aspetti legati all’analisi dei dati − Aspetti legati alla comunicazione dei risultati − Forza e insufficienza del metodo sperimentale Revisioni sistematiche e modelli metaanalitici. 7. Materiale didattico Per ogni argomento, sulla piattaforma elearning, è disponibile il materiale didattico della parte del corso erogato in e-learning (testi scritti, esercizi di autoverifica, programmi di calcolo, e articoli scientifici). 32 Metodologia della ricerca clinica ed epidemiologica (E-Learning) Docente responsabile: Giovanni Corrao ● [email protected] ● + 39 02 64485801 Modelli statistici I Statistical models I Crediti: 12 Modulo Modelli lineari per dati categoriali Modulo Modello lineare generalizzato SECS-S/01 - Crediti: 6 SECS-S/01 - Crediti: 6 1. Obiettivi dell’attività formativa Il corso ha quale obiettivo l'estensione del modello lineare classico a modellistiche più avanzate con riferimento a due ambiti principali: (1) i modelli lineari per dati categoriali, secondo i due approcci, rispettivamente, del modello lineare generale, che riguarda i modelli a rango non pieno, e del modello lineare generalizzato, che riguarda variabili risposta con legge di distribuzione appartenente alla famiglia esponenziale; (2) i modelli lineari generalizzati sviluppati per i casi, rispettivamente, di: errori eteroschedastici e/o correlati, più di una variabile dipendente, dati con struttura gerarchica, e variabili esplicative latenti. Ciascun ambito sarà l'oggetto specifico di un modulo del corso. b. Modello lineare generalizzato Parte A Modelli lineari generalizzati (GLS) Modello multivariato e Modello SURE Modello Multilevel Parte B Correlazione spuria e Path analysis Modello fattoriale esplorativo e confermativo Applicazioni su software SAS 3. Propedeuticità Per questa attività formativa è indispensabile la conoscenza degli argomenti trattati nei corsi di base di Analisi Statistica Multivariata. 4. Tipologia didattica 2. Programma riassuntivo L’insegnamento è articolato nei seguenti due moduli: a. Modelli lineari per dati categoriali Parte A Modello lineare generale (GLM) Casi particolari: Modello ANOVA a una e più vie e Modello ANCOVA Applicazione a dati reali e sperimentali con il software SAS Parte B Modello lineare generalizzato (GzLM) Casi particolari: Modelli logit e probit, modelli log-lineari Cenni ai modelli GEE per dati correlati Applicazione a dati reali con SAS Lezioni in classe e in laboratorio statisticoinformatico 5. Modalità dell’esame Esami scritti e analisi di casi empirici da preparare sulla base di metodologie assegnate nominalmente a ciascuno studente alla fine del corso. Ulteriori informazioni sono riportate sul sito: http://www.statistica.unimib.it/utenti/solaro Lezioni frontali, esercitazioni e laboratorio. Modelli statistici I Docente responsabile: Giorgio Vittadini ● [email protected] ● + 0264483189 33 6. Programma dettagliato a. Modelli lineari per dati categoriali Docente: Nadia Solaro [email protected] Parte A La teoria del modello lineare generale (GLM): specificazione del modello, ipotesi, soluzione del sistema di equazioni normali mediante inversa generalizzata, funzioni stimabili e loro proprietà, nozione di ipotesi testabile. Relazione con il metodo di stima dei minimi quadrati vincolati: approcci sum-to-zero e set-to-zero linear constraints. Costruzione di contrasti. Procedure di confronto multiplo. Casi particolari di GLM: modelli ANOVA ad effetti fissi a una e a più vie, modello ANCOVA. Cenni ai modelli ANOVA ad effetti casuali. Applicazioni in SAS: PROC GLM. Applicazioni in SAS: PROC LOGISTIC e PROC GENMOD. b. Modello lineare generalizzato Docente: Giorgio Vittadini [email protected] Parte A Modelli lineari generalizzati: modelli lineari generalizzati con errori eteroschedastici. Modelli lineari generalizzati con errori correlati. Modelli lineari generalizzati con errori correlati e eteroschedastici. Modello lineare classico multivariato e modello multivariato con diverse ipotesi sugli errori. Modello SURE. Modello Multilevel: struttura gerarchica dei dati e diversi tipi di regressione. Modello lineare con popolazione suddivisa in gruppi. Analisi varianza a effetti misti. Analisi covarianza. Modello Multilevel: ipotesi; metodi di stima; interpretazione risultati; diagnostica; applicazioni. Parte B Modello lineare generalizzato (GzLM): distribuzione di probabilità della variabile risposta, link function e specificazione del modello, ipotesi, metodo di stima di massima verosimiglianza, proprietà degli stimatori, criteri per la valutazione della bontà di adattamento del modello, intervalli di confidenza e verifica di ipotesi. Casi particolari di GzLM: modelli logit e probit, modelli log-lineari per tabelle di contingenza multidimensionali, modelli per risposte ordinali. Cenni ai modelli GEE (Generalized Estimating Equations) per dati correlati: GEE come estensione dell'approccio GzLM. Modelli subject-specific e populationaveraged. 34 Parte B Path analysis − Correlazione spuria e modelli causali. Path analysis: ipotesi; metodi di stima; interpretazione risultati. Modello strutturale di path analysis. Analisi fattoriale − Tipologia delle variabili latenti. Analisi fattoriale: ipotesi; metodi di stima delle comunalità; metodi per ricavare i parametri; metodi per ricavare i punteggi fattoriali; rotazione dei fattori; non identificabilità dei parametri e indeterminatezza dei fattori. Modelli statistici I Docente responsabile: Giorgio Vittadini ● [email protected] ● + 0264483189 Analisi fattoriale confermativa. 7. Materiale didattico a. Modelli lineari per dati categoriali Testi di riferimento − Materiale didattico messo a disposizione dalla docente e scaricabile alla pagina web (accesso protetto da password e riservato agli studenti del corso): − http://www.statistica.unimib.it/utenti/s olaro − All’inizio del corso la docente attiverà un servizio di mailing list al quale si possono iscrivere tutti gli studenti a cui l’insegnamento è rivolto. Il servizio verrà poi disattivato alla fine del corso. − Hardin, J. W. and Hilbe, J. M. (2003), Generalized Estimating Equations, Boca Raton, FL: Chapman & Hall/CRC − Liang, K. Y. and Zeger, S. L. (1986), “Longitudinal Data Analysis Using Generalized Linear Models,” Biometrika, 73, 13–22 − McCullagh, P. and Nelder, J. A. (1989), Generalized Linear Models, Second Edition, London: Chapman & Hall − Nelder, J. A. and Wedderburn, R. W. M. (1972), “Generalized Linear Models”, Journal of the Royal Statistical Society, Series A, 135, 370–384 − Searle, S. R. (1971), Linear Models, New York: John Wiley & Sons b. Modello lineare generalizzato − Agresti, A. (2002), Categorical Data Analysis, Second Edition, New York: John Wiley & Sons Testi di riferimento − Dobson, A. (1990), An Introduction to Generalized Linear Models, London: Chapman & Hall − http://www.statistica.unimib.it/utenti/vi ttadini/DIDATTICA/DIDATTICA.html − Littell, R. C., Freund, R. J., and Spector, P. C. (2002), SAS for Linear Models, 4th Edition, Cary, NC: SAS Institute Inc. − Zeger, S. L., Liang, K. Y., and Albert, P. S. (1988), “Models for Longitudinal Data: A Generalized Estimating Equation Approach”, Biometrics, 44, 1049–1060 Testi integrativi − Diggle, P. J., Liang, K. Y., and Zeger, S. L. (1994), Analysis of Longitudinal Data, Oxford: Clarendon Press − Lucidi presentati nel corso disponibili dopo le lezioni sul sito del docente: − Materiale prodotto in laboratorio statistico-informatico durante le esercitazioni (codici SAS e output delle analisi): − http://www.statistica.unimib.it/utenti/s olaro Testi integrativi Per l’argomento: Modello lineare in presenza di eteroschedasticità e/o di errori correlati: metodo dei minimi quadrati generalizzati. Modello lineare multivariato. Modello SURE Modelli statistici I Docente responsabile: Giorgio Vittadini ● [email protected] ● + 0264483189 35 Baltagi B. H. (2008), Econometrics, fourth Edition, Springer Berlin (Part I capitoli 1-5; Part II capitoli 9-10-11). Faliva M. (1987), Econometria. Principi e metodi, UTET, Bologna (capitoli 5, 6, 7). Johnston J. (1993). Econometrica, 3a edizione, Franco Angeli, Milano (capitoli 2, 3, 5, 7, 8). Srivastava V.K., Giles D.E.A. (1987). Seemingly Unrelated Regression Equations Models, Marcel Dekker, New York (In particolare, capitoli 1, 2). Zellner A. (1962), An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias. Journal of the American Statistical Association, vol. 57, n. 298, pp. 348 – 368. Manuale SAS/STAT 9.3 (capitoli 4, 41, 76). Manuale SAS/ETS 9.3 (capitoli 8, 29). Per l’argomento: Modelli multilevel Goldstein H. (1999), Multilevel Statistical Models, Multilevel Models Project, Institute of Education, London (capitoli 1, 2, 3), download: http://www.ats.ucla.edu/stat/examples/msm _goldstein/goldstein.pdf Snijders T.A.B., Bosker R.J. (1999), Multilevel Analysis – An introduction to basic and advanced multilevel modelling, SAGE Publications, London (capp. 1-7). Manuale SAS/STAT 9.3 (capitoli 5, 6, 58). Per l’argomento: Path Analysis, modelli ad equazioni strutturali − Dillon W R, Goldstein M (1984). Path Analysis. In: Dillon W R, Goldstein M, Multivariate Analysis: Methods And Applications, Wiley (capitolo 12). Methods And (cap.13). Applications, − Duncan O.D (1966). Path Analysis: Sociological Examples. The American Journal of Sociology, Vol. 72 (1): 1:16. − Mueller R.O. (1996) Linear Regression And Classical Path Analysis. In: Basic Principles Of Structural Equation Modeling. Springer Verlag, 1-62 (cap. 1). − Manuale SAS/STAT 9.3 (capitoli 17, 26). Per l’argomento: Analisi fattoriale − Dillon W R, Goldstein M, Multivariate Analysis: Methods And Applications, Wiley (capitolo 3). − Fabbris L., Statistica Multivariata, McGraw- Hill, Milano, 1997, (capitolo 5). − Lawley, D. N., & Maxwell, A. E (1963), Factor analysis as a statistical method. London: Butterworths. − Manuale SAS/STAT 9.3 (capitoli 9, 26, 34). − Il Manuale SAS/STAT VS 9.3 User’s Guide è disponibile al link: http://support.sas.com/documentation /onlinedoc/stat/index.html#stat93 − Il Manuale SAS/ETS VS.9.3 User’s Guide è disponibile al link: http://support.sas.com/documentation /cdl/en/etsug/63939/PDF/default/etsu g.pdf − Dillon W R, Goldstein M (1984). Latent Structure Analysis. In: Dillon W R, Goldstein M, Multivariate Analysis: 36 Wiley Modelli statistici I Docente responsabile: Giorgio Vittadini ● [email protected] ● + 0264483189 Modelli statistici applicati alle sperimentazioni cliniche Methods for clinical and epidemiological research Crediti: 6 Settore scientifico disciplinare: MED/01 1. Obiettivi dell’attività formativa Il corso si propone di fornire le basi teoriche e le conoscenze informatiche necessarie per l’analisi di dati raccolti mediante un disegno sperimentale, e l’interpretazione dei risultati, con particolare attenzione ai disegni a misure ripetute e ai disegni adattativi. Tutti gli argomenti sono completati da esercitazioni pratiche condotte in ambiente SAS. 2. Programma riassuntivo Il corso si propone di fornire una panoramica dei principali disegni degli esperimenti (completamente casualizzato, a blocchi, fattoriale, frazionario, split plot, a misure ripetute, crossover, studi adattativi sia per quanto riguarda la loro pianificazione che la stima dell’ampiezza campionaria. Per ognuno di questi disegni verranno presentati i modelli statistici più adeguati per la loro analisi in ambiente SAS. 3. Propedeuticità Nessuna propedeuticità 6. Programma dettagliato La ricerca clinica I principali disegni sperimentali Cenni al modello lineare mediante approccio matriciale Analisi della varianza Analisi della covarianza Analisi della varianza per disegni a misure ripetute: ANOVA, MANOVA, modelli misti Disegni adattativi a gruppi sequenziali Disegni con randomizzazione adattativa Disegni con ristima dell’ampiezza campionaria Disegni adattivi di fase II/III 7. Materiale didattico Testi di riferimento DAVIES CS. Statistical Methods for the Analysis of Repeated Measurements. Springer CHANG M. Adaptive Design Theory and Implementation Using SAS and R Chapman & Hall 4. Tipologia didattica Lezioni frontali Le slide delle lezioni e il materiale integrativo saranno disponibili sulla pagina personale del docente 5. Modalità dell’esame Tesine scritte di approfondimento e prove in laboratorio informatico. Modelli statistici applicati alle sperimentazioni cliniche Docente responsabile: Antonella Zambon ● [email protected] ● + 0264485814 37 Modelli statistici e inferenza bayesiana Statistical Models and Bayesian Inference Crediti: 12 Modulo Modelli statistici II Modulo Inferenza Bayesiana SECS-S/01 - Crediti: 6 SECS-S/01 - Crediti: 6 1. . Obiettivi dell’attività formativa 4. Tipologia didattica Il corso si propone due obiettivi: 1) dare indicazioni sulla scelta delle procedure inferenziali, discutere le relazioni tra procedure analitiche e tecniche di statistica applicata che sfruttano modo intensivo il calcolatore 2) fornire le nozioni di base dell’impostazione bayesiana all’inferenza statistica ed illustrare, in tale ottica, alcuni modelli di ampio utilizzo. A. Modelli statistici II L’attività formativa prevede lezioni teoriche ed esercitazioni pratiche svolte in laboratorio statistico-informatico e l’assegnazione di esercizi da svolgere durante il corso. B. Inferenza Bayesiana 2. Programma riassuntivo L’insegnamento è articolato nei seguenti due moduli: A. Modelli Statistici II Introduzione alle tecniche di analisi dei dati che prevedono un uso intensivo del calcolatore. Utilizzo delle simulazioni per risolvere problemi inferenziali e sviluppare nuovi aspetti statistici. B. Inferenza Bayesiana Introduzione al modello bayesiano, scelta della distribuzione a priori, aspetti computazionali (metodi mcmc), fondamenti dell’approccio decisionale e dell’inferenza bayesiana. L’attività formativa è svolta attraverso lezioni ed è coadiuvata da esercitazioni in laboratorio. 5. Modalità dell’esame A. Modelli Statistici II L’esame consiste in una prova scritta che si svolge in laboratorio-statistico informatico e comprende sia domande teoriche che quesiti su dati reali e simulati da risolvere tramite l’utilizzo dell’ambiente statistico R. B. Inferenza Bayesiana L’esame consiste in una prova scritta e una prova in laboratorio. 6. Programma dettagliato A. Modelli Statistici II Docente: Fulvia Pennoni 3. Propedeuticità [email protected] E’ vivamente consigliata la conoscenza delle nozioni impartite nell’insegnamento di Teoria dell’Inferenza e una conoscenza di base dell’ambiente statistico R. Simulazione di processi casuali: generazione di numeri pseudo-casuali, valutazione della qualità dei generatori. 38 Modelli statistici e Inferenza Bayesiana Docente responsabile: Sonia Migliorati● [email protected] ● + 39 02 64485874 Generazione di realizzazioni da variabili casuali: metodo della trasformata inversa, metodo di accettazione/rifiuto Illustrazione del metodo Monte Carlo del valore medio, metodo colpito/mancato e campionamento per importanza Introduzione ai metodi di ricampionamento, Jackknife e Bootstrap Illustrazione delle diverse tipologie di bootstrap. Stima della varianza e intervalli di confidenza bootstrap. Cenni al bootstrap per dati con strutture di dipendenza Cenni ai metodi di ottimizzazione B. Inferenza Bayesiana Docente: Sonia Migliorati [email protected] Introduzione al modello bayesiano: distribuzione a priori, funzione di verosimiglianza, distribuzione a posteriori, meccanismo di aggiornamento ovvero il teorema di Bayes Scelta della distribuzione a priori: assegnazione diretta, distribuzioni non informative, classi coniugate, metodi basati sulla distribuzione predittiva Aspetti computazionali: metodi Monte Carlo e Markov chain Monte Carlo per realizzare l’inferenza bayesiana. I fondamenti dell’approccio decisionale: funzioni di perdita, criteri di ottimalità, funzioni di rischio e perdita attesa finale Inferenza bayesiana: stima puntuale, stima per Regioni, verifica di ipotesi e fattore di Bayes Il modello lineare. programmi di calcolo, etc..) reso disponibile on line dal docente. Testi di riferimento: Braun W. J., Murdoch D. J. (2007). A First Course in Statistical Programming with R. Cambridge-University Press, NewYork. Gentle, J. E., Härdle W., Mori Y. (2004). Handbook of computational statistics. Springer Berlin. Lange, K. (2010). Numerical analysis for statisticians, 2nd Edition, Springer, New York. Rizzo M. L. (2008). Statistical Computing with R, Chapman & Hall, New York. B. Inferenza Bayesiana Testi di riferimento Berger J.O., Statistical Decision Theory and Bayesian Analysis, Springer-Verlag, 1985. Lee P.M., Bayesian Statistics: an Introduction, Arnold, 2004. Piccinato L., Metodi per le Decisioni Statistiche, Springer-Verlag Italia, 1996. Robert C.P., The Bayesian Choice, 2nd Edition, Springer, 2001. Per alcune parti del corso verrà indicato materiale aggiuntivo ad integrazione dei libri di testo. 7. Materiale didattico A. Modelli Statistici II Materiale didattico (dispense, diapositive, Modelli statistici e Inferenza Bayesiana Docente responsabile: Sonia Migliorati● [email protected] ● + 39 02 64485874 39 Modelli statistici per la genetica Statistical Models for Genetics Crediti: 6 Settore scientifico disciplinare: MED/01 1. Obiettivi dell’attività formativa Il corso si propone di fornire le conoscenze di base per un approccio statistico rigoroso per il mappaggio e l'identificazione di loci implicati in patologie/caratteri nell'uomo; inoltre si pone l’obiettivo di fornire una introduzione alla modellizzazione di vari problemi computazionali derivanti dallo studio di dati biologici. 2. Programma riassuntivo L’insegnamento introduce i concetti fondamentali di genetica e probabilità applicati alle malattie genetiche mendeliane ed a ereditarietà complessa; i disegni di studio ed i modelli teorici in statistica genetica applicabili ai diversi disegni epidemiologici. Tutorials sull’uso di softwares specifici per l'analisi di linkage e associazione saranno associati alle lezioni teoriche. 3. Propedeuticità 6. Programma dettagliato Mendel e le Malattie genetiche complesse. Eterogeneità genetica, penetranza, epistasi, pleiotropia ed altri fattori che “complicano” l’identificazione del tipo di ereditarietà, Interazioni gene-gene e gene-ambiente. Equilibrio di Hardy-Weinberg Introduzione ai principali tipi di studio in epidemiologia e statistica genetica Analisi di segregazione e Linkage Analisi di associazione: Linkage disequilibrium, Studi casi-controllo, Studi familiari Il progetto HapMap e gli studi GWA (Genome Wide Analyses) Ereditabilità dei tratti quantitativi 7. Materiale didattico Il materiale didattico sarà fornito dal docente durante il corso e disponibile online in un sito ad hoc per gli studenti. Nessuna. 4. Tipologia didattica Lezioni frontali ed esercitazioni (esercizi metodo problem-solving e tutorials sull’uso di software comunemente utilizzati per l'analisi di linkage e associazione). 5. Modalità dell’esame L'esame consiste in una prova scritta. 40 Modelli statistici per la genetica Docente responsabile: da definire ● @unimib.it ● + 39 02 6448 Popolazione, territorio e società Population, Territory and Society Crediti: 6 Settore scientifico disciplinare: SECS-S/04 1. Obiettivi dell’attività formativa Fornire gli strumenti per valutare l'intensità e il calendario degli eventi che accompagnano il ciclo di vita degli individui. Sviluppare gli aspetti di localizzazione territoriale dei fenomeni socio - demografici. Approfondire il tema della esclusione sociale rispetto ai metodi di misura e allo studio della sua incidenza differenziale. 2. Programma riassuntivo vita e processi di transizione Tecniche per l'analisi e il confronto territoriale di indicatori socio - demografici per la misura del capitale umano Strumenti di misura e analisi degli aspetti differenziali dell'esclusione sociale 7. Materiale didattico Dispense e report statistici saranno forniti durante il corso. Analisi dei corsi di vita e processi di transizione Confronto territoriale di indicatori socio demografici per la misura del capitale umano Misura e analisi degli aspetti differenziali dell'esclusione sociale 3. Propedeuticità Questa attività formativa deve essere preceduta dal superamento dall’esame di Demografia I. 4. Tipologia didattica Lezioni frontali. 5. Modalità dell’esame L’esame consiste in una prova orale. 6. Programma dettagliato Metodi e modelli per l'analisi dei corsi di 41 Popolazione, territorio e società Docente responsabile: Gian Carlo Blangiardo ● [email protected] ● + 39 0264485850 Processi stocastici Stochastic Processes Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1. Obiettivi dell’attività formativa Il corso si propone di introdurre i concetti fondamentali relativi ad alcune classi di processi di largo interesse e utilità nelle applicazioni, con particolare riferimento a quelle di tipo spaziale ed ambientale. 2. Programma riassuntivo Definizione generale di processo stocastico Processi markoviani Processi di punto Processi spaziali 3. Propedeuticità Si presuppone la conoscenza delle nozioni di calcolo delle probabilità a livello dei corsi base di una laurea triennale in Scienze statistiche. 4. Tipologia didattica Lezioni frontali. 5. Modalità dell’esame L’esame finale consiste in una prova orale. − Equazioni di Chapman-Kolmogorov − Classificazione degli stati − Distribuzioni limite Cenni sulle catene di Markov a tempo continuo Moto browniano Processo di Poisson Processi di punto nello spazio Processi spaziali: − Stazionarietà e isotropia − Variogramma e covariogramma − Principali modelli parametrici isotropici 7. Materiale didattico Testi di riferimento Ross S., Probability models, Academic Press, 2003. Durrett R., Essentials of stochastic processes, Springer, 1999. Karlin S., Taylor H.M., A first course in stochastic processes, Academic Press, 1975. Per la parte riguardante i processi spaziali è disponibile una apposita dispensa. 6. Programma dettagliato Introduzione alla teoria generale dei processi stocastici Catene di Markov a tempo discreto 42 Processi stocastici Docente responsabile: Andrea Ongaro ● [email protected] ● + 39 02 64485875 Statistica ambientale Environmental Statistics Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1. Obiettivi dell’attività formativa Distribuzioni asintotiche dei valori estremi Il corso intende fornire un’introduzione ai metodi statistici utilizzati nell'analisi di dati ambientali e introdurre modelli e metodi per l’analisi di processi il cui valore varia nello spazio. Introduzione ai modelli per la correlazione spaziale di dati ambientali Introduzione alla previsione spaziale ottima in campo ambientale 7. Materiale didattico 2. Programma riassuntivo L’insegnamento intende fornire un’introduzione alle principali applicazioni della Statistica in campo ambientale. Testi di riferimento S.K. Thompson, “Sampling”, Wiley, New York, 2002. Dispense e articoli indicati dal docente. 3. Propedeuticità Per questa attività formativa è richiesta la conoscenza degli argomenti trattati nel corso di Statistica II. 4. Tipologia didattica Lezioni frontali. 5. Modalità dell’esame L’esame consiste in una prova scritta e una orale. 6. Programma dettagliato Introduzione all’Ecologia statistica Campionamento ambientale e stima della densità di una popolazione biologica (line transect, point transect, cattura-ricattura) Teoria dei valori estremi (teoria classica; modelli a soglia) Statistica ambientale Docente responsabile: Piero Quatto ● [email protected] ● + 39 02 64485838 43 Statistica spaziale Spatial Statistics Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1. Obiettivi dell’attività formativa Monte Carlo. Il corso intende fornire un’introduzione ai metodi statistici per l’analisi di processi il cui valore varia nello spazio. Stima dell’intensità di un processo di Poisson 2. Programma riassuntivo Introduzione all’ analisi esplorativa dei dati spaziali; modelli e metodi geostatistici; modelli e metodi per dati da processo di punto spaziale; cenni a modelli e metodi per dati di area. 3. Propedeuticità Per questa attività formativa è richiesta la conoscenza degli argomenti trattati nei corsi di Statistica II e Processi stocastici. 4. Tipologia didattica Lezioni frontali teoriche e in laboratorio informatico. 5. Modalità dell’esame L’esame consiste in una prova orale. 6. Programma dettagliato Introduzione. Variabilità di piccola e larga scala. Tipologie di dati spaziali PARTE A. I processi di punto spaziali. I processi di Poisson omogenei e non Omogenei. Test per l’ipotesi CSR. Introduzione ai test 44 PARTE B. Geostatistica Richiami sui processi stocastici gaussiani. Stazionarietà. Correlogramma e variogramma. Caratteristiche del variogramma: soglia, range e nugget. Isotropia. Alcuni modelli parametrici isotropici. Analisi esplorativa per la componente di larga e piccola scala. Analisi della componente di piccola scala: stima del variogramma: metodo dei momenti, stima robusta e kernel, stime di massima verosimiglianza e dei minimi quadrati (ols, wls, gls). Analisi della componente di larga scala: metodi parametrici, cenni sulla regressione non parametrica. La previsione spaziale. Il metodo kriging: semplice, ordinario e universale, lognormale e a blocchi. PARTE C: Dati di area Misure di autocorrelazione spaziale: indice di Moran e Geary. Test parametrici e di permutazione per la correlazione spaziale. Lisciamento di mappe di tassi, stimatori bayesiani empirici e test di correlazione di Assunção e Reis. Statistica Spaziale Docente responsabile: Riccardo Borgoni ● [email protected] ● + 39 02 64485845 PARTE D: Laboratorio in ambiente R Richiami sui processi stocastici gaussiani 7. Materiale didattico Testi di riferimento R. Borgoni, A. Ongaro, 2005, Note sui processi stocastici spaziali. Dipartimento di Statistica Università Milano-Bicocca. R. Haining, 2003, Spatial Data Analysis: Theory and Practice, Cambridge University Press, Cambridge UK. O. Schabenberger, C.A. Gotway, 2005, Statistical methods for spatial data analysis Chapman & Hall/CRC. Ulteriore materiale verrà indicato dal docente all’inizio del corso. Testi integrativi J.P. Chilès, P. Delfiner, 1999, Geostatistic modelling spatial uncertainty, Wiley New York. N A.C. Cressie, 1993, Statistics for spatial data , New York, Wiley. P. Goovaerts,1997, Geostatistics for natural resources evaluation, Oxford University Press. Statistica spaziale Docente responsabile: Riccardo Borgoni ● [email protected] ● + 39 02 64485845 45 Statistical Models in Epidemiology Crediti: 12 Settore scientifico disciplinare: MED/01 1. Obiettivi dell’attività formativa Il corso ha i seguenti obiettivi: 1) Introduzione ai concetti fondamentali di inferenza causale in epidemiologia 2) Introduzione all'analisi della sopravvivenza 3) Introduzione all’analisi dei dati longitudinali la comprensione delle slides e articoli distribuiti durante il corso. 4. Tipologia didattica Lezioni frontali 5. Modalità dell’esame 2. Programma riassuntivo Esame scritto e discussione orale L’insegnamento è articolato in 3 parti: 6. Programma dettagliato A. Causal Inference in Epidemiology A. Causal Inference in Epidemiology Counterfactuals e Potential Oucomes, DAGS, Confondimento e bias da selezione. Mediazione e Interazione. Introduzione ai Modelli Marginali Strutturali. Concetto di Associazione e Causalità, definizione di counterfactual e potential outcome.Il concetto di confondimento e bias da selezione e la costruzione dei grafici causali. Collapsability. Concetto di Mediazione e di Interazione. Modelli Causali e Modelli associativi. B. Survival data analysis Introduzione all'analisi dei tempi di sopravvivenza: metodi non parametrici, semiparametrici e parametrici per lo studio della funzione di sopravvivenza e della funzione di rischio. C. Longitudinal data Analysis Introduzione all’analisi longitudinali: i modelli marginali e i modelli a effetti causali per risposte continue e discrete. 3. Propedeuticità Si consiglia di rivolgersi al Coordinatore del corso di studio. La conoscenza della lingua inglese viene considerata un requisito importante per la lettura e 46 B. Survival data analysis Introduzione all'analisi della sopravvivenza. Definizione ed esempi. Censura e troncamento. Funzioni di sopravvivenza, densità e rischio. Procedura “st” in Stata. Stima e confronto delle funzioni di sopravvivenza di Kaplan-Meier e Nelson-Aalen. Tavole di sopravvivenza. Log-rank test, Wilcoxon-Breslow-Gehan, Tarone-Ware test. Il modello di regressione Regressione di Cox. Formulazione e ipotesi. Verosimiglianza Parziale. Interpretazione dei parametri del modello. Diagnostica: Martingale e Deviance dei residuals, valutazione delle ipotesi del modello. Analisi dei rischi Statistical Models in Epidemiology Docente responsabile: Rino Bellocco ● [email protected] ● + 0264485831 competitivi. Modelli parametrici. C. Longitudinal data analysis Introduzione ai dati longitudinali, review dei concetti di base. Esempi, Notazione. Introduzione ai dati correlati. Modelli parametrici e semi-parametrici per la modellazione del trend temporale di una variabile di risposta continua. I modelli marginali o population average e la modellazione della covarianza: strategie per la modellazione della media e covarianza. Il modello a effetti causali. Panoramica di modelli lineari generalizzati per dati longitudinali per l’analisi di outcomes discrete. 7. Materiale didattico A. Causal Inference in epidemiology Testi di riferimento Hernan. M., Robins, J. Causal Inference http://www.hsph.harvard.edu/faculty/miguelhernan/causal-inference-book/ Jewell, N.P Statistics for epidemiology. B. Survival data analysis Testi di riferimento Kleinbaum, D.G. Survival Analysis, A selflearning text. Springer C. Longitudinal data analysis Testi di riferimento Fitzmaurice, G. M., Laird, N. M., and Ware, J. H. (2013). Applied Longitudinal Analysis. Statistical Models in Epidemiology Docente responsabile: Rino Bellocco ● [email protected] ● + 0264485831 47 Valutazione statistica dei sistemi sanitari Statistical Evaluation in Healthcare Crediti: 6 Settore scientifico disciplinare: SECS-S/01 1.Obiettivi dell’attività formativa L'obiettivo del corso consiste nel descrivere i principali ambiti di valutazione dei sistemi sanitari, con particolare riferimento alle principali esperienze in essere in ambito nazionale e internazionale. Il corso si propone di illustrare le principali metodologie statistiche che riguardano tecniche modellistiche di regressione semplice e multilevel, nonché metodologie per l’analisi delle politiche sanitarie con particolare riferimento al Differences in Differences e la stima di frontiere stocastiche. Inoltre si affronterà il tema della rappresentazione grafica degli esiti delle valutazioni. Lo studente dovrà acquisire i concetti riguardanti i sistemi sanitari e la loro valutazione, le strategie modellistiche adeguate e la capacità di elaborazione attraverso l'utilizzo di opportuni software statistici. 2.Programma riassuntivo Parte introduttiva: I modelli di governance dei sistemi sanitari e le esperienze di valutazione. Prima parte: La valutazione dei sistemi sanitari rispetto all'efficacia, l'efficienza e la customer satisfaction. Seconda parte: Applicazioni pratiche della valutazione. 3. Propedeuticità Nessuna. 48 4. Tipologia didattica Lezioni teoriche e al laboratorio informatico 5. Modalità dell’esame La prova d'esame consiste in un'esercitazione in laboratorio che comprenderà domande sul programma del corso e un'applicazione pratica degli elementi acquisiti. 6. Programma dettagliato Il Sistema Sanitario Nazionale e il caso particolare del Sistema Lombardo. Il concetto di efficacia (effectiveness) e di valutazione degli outcome in sanità. L'efficienza delle strutture ospedaliere. Gli indicatori di processo e la valutazione ex ante. I modelli lineari e l'uso dei modelli multilevel nella valutazione di efficacia. La frontiera stocastica come strumento di valutazione dell'efficienza sanitaria. Le tecniche di valutazione delle politiche sanitarie. La rappresentazione grafica e la sintesi degli indicatori di valutazione. L'utilizzo dei software statistici adeguati per la valutazione in sanità. 7. Materiale didattico Testi di riferimento Lucidi presentati durante il corso resi disponibili on line. Testi integrativi G. Vittadini (2012), Manuale del Sistema di valutazione della performance degli ospedali lombardi, Aracne editrice, Roma Valutazione Statistica dei sistemi sanitari Docente responsabile: da definire ● @unimib.it ● + 39 02 B. H. Baltagi (2011) Econometrics, 5th edition, Springer, Berlin. Snijders, Tom A.B., and Bosker, Roel J.Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling, second edition. London etc.: Sage Publishers, 2012 Goldstein H, Leyland AH (2001), Multilevel Modelling of Health Statistics, Wiley, Chichester. Valutazione Statistica dei sistemi sanitari Docente responsabile: da definire ● @unimib.it ● + 39 02 49