Izbrana poglavja iz biostatistike

Opis predmeta

Študent izbere enega od naslednjih treh sklopov:

Analiza preživetja:

Temeljna znanja:
- Krnjenje, krivulja preživetja, trenutno tveganje
- Regresijski modeli v analizi preživetja
- Točkasti procesi
Specifične metode in poglavja:
- Metode prileganja
- Pojasnjena variabilnost
- Relativno preživetje
- Linearni model za okrnjene podatke
- Pseudo-opazovanja
- Sotveganja in večstanjski modeli

2. Metode za analizo visokodimenzionalnih podatkov z aplikacijami v bioinformatiki:

Temeljna znanja:
- Statistične značilnosti visokodimenzionalnih podatkov
- Visokodimenzionalni podatki v biomedicinskih raziskavah
- Metode za večkratno testiranje in razvrščanje
Specifične metode in poglavja:
- Vrste napak pri večkratnem testiranju.
- Prilagojene in neprilagojene p-vrednosti in nadzor napake prve vrste
- Multivariatne permutacijske metode
- Multivariatne razvrščevalne funkcije
- Ocena napovedne natančnosti

3. Načrtovanje in analiza poskusov

Temeljna znanja:
- Vsebinsko pomembni pojmi
- Osnovne poskusne zasnove: značilnosti, uporabnost, prednosti in slabosti
- Bolj kompleksne poskusne zasnove: značilnosti, uporabnost, prednosti in slabosti
- Statistična analiza: parametrični in neparametrični pristopi
- Posplošeni linearni modeli in njihova uporaba za analizo poskusov
Specifične metode in poglavja:
- Modeliranje: različni pristopi in njihova uporaba
- Odzivne ploskve

Cilji in kompetence

Namen predmeta je pregled nekaterih področij biostatistike in specifičnih metod, ki jih uporabljamo pri analizi podatkov, s poudarkom na analizi preživetja, metodah za analizo visokodimenzionalnih podatkov z aplikacijami v bioinformatiki in metodami, ki se uporabljajo za načrtovanje in analizo poskusov v različnih vedah.

Metode poučevanja in učenja

Predavanja.
Seminarske naloge, ki predstavljajo pregled literature in so podlaga za doktorsko delo študenta.
Konsultacije.

Predvideni študijski rezultati

Študent se bo v okviru predmeta temeljito seznanil z obstoječimi metodami na izbranem področju. Pridobljeno znanje bo osnova za doktorsko delo študenta.

Reference nosilca

Maja Pohar Perme:

1. PAVLIČ, Klemen, POHAR PERME, Maja (2019). Using pseudo-observations for estimation in relative survival. Biostatistics, 20(3): 384-399

2. POHAR PERME, Maja, PAVLIČ, Klemen (2018). Nonparametric relative survival analysis with the R package relsurv. Journal of statistical software, 87(8): 1-27

3. POHAR PERME, Maja, STARE, Janez, ESTEVE, Jacques (2012). On estimation in relative survival. Biometrics, 68: 113-120.

4. KRAGH ANDERSEN, Per, POHAR PERME, Maja, van HOUWELINGEN, Hans, et al. Analysis of time‐to‐event for observational studies: Guidance to the use of intensity models. Statistics in Medicine. 2020; 1– 27.

Temeljni viri in literatura

Collett D (2003): Modelling Survival Sata in Medical Research. Chapman & Hall.
Kalbfleisch JD, Prentice RL (2002): The Statistical Analysis of Failure Time Data. New York:Wiley.
Andersen PK, Borgan O, Gill R, Keiding N (1993): Statistical Models Based on Counting Processes. New York: Springer.
Simon RM, Korn EL, McShane LM, Radmacher MD, Wright GW, Zhao Y (2004). Design and Analysis of DNA Microarray Investigations. Springer: New York, NY.
Dudoit S, van der Laan MJ (2008). Multiple Testing Procedures with Applications to Genomics. Springer Series in Statistics. Springer: New York, NY.
Bishop CM (2006). Pattern Recognition and Machine Learning. New York: Springer.
Box G, Hunter S, and Hunter WG (2005). Statistics for Experimenters: Design, Innovation, and Discovery, Wiley.
Mead R, Curnow R & Hasted A. (2002). Statistical Methods in Agriculture and Experimental Biology, Third Edition. Chapman & Hall/CRC Press.
Steel RGD., Torrie JH., Dickey D (1997). Principles and Procedures of Statistics. A Biometrical Approach. McGraw-Hill.
Quinn GP., Keough MJ (2002). Experimental design and data analysis for biologists. Cambridge University Press.
Kuehl RO (2000). Design of experiments: statistical principles of research design and analysis. Duxbury/Thomson Learning.