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