Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Matemātiskās statistikas metodes veselības zinātnēs I
Kursa kods
SL_043
Zinātnes nozare
Matemātika; Varbūtību teorija un matemātiskā statistika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Ārstniecība; Farmācija
LKI
8. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Māra Grēve
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija
Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab
Par studiju kursu
Mērķis
Sniegt zināšanas par statistikas jēdzienu izmantošanu veselības zinātnēs un radīt izpratni par uz pierādījumiem balstītas medicīnas nozīmi veselības aprūpē.
Priekšzināšanas
Nepieciešamas Matemātikas un informātikas zināšanas.
Studiju rezultāti
Zināšanas
1.Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus atpazīt statistisko terminoloģiju un izmantotās datu izpētes metodes zinātniskajās publikācijās.
Prasmes
1.Studiju kursa apguves rezultātā studējošie pratīs: • Korekti sagatavot un ievadīt datus Jamovi vidē; • Izveidot un rediģēt tabulas, diagrammas; • Izvēlēties piemērotas datu apstrādes metodes, t.sk., veikt statistisko hipotēžu pārbaudes.
Kompetences
1.Studiju kursa apguves rezultātā studējošie spēs pareizi interpretēt svarīgākos statistiskos rādītājus un praktiski izmantot apgūtās pamata statistiskās metodes pētījumu datu apstrādē.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
1. Izveidot tabulu ar plānotā vai esošā pētījuma mainīgo nosaukumiem un datu piemēriem, norādot katram mainīgajam atbilstošo mērskalu.
2. Papildināt zināšanas par statistikas metodēm atbilstoši lekciju un nodarbību plānam, izmantojot obligāto literatūru.
3. Iepazīties ar statistikas metožu aprakstu piemēriem specifikai atbilstošās brīvpieejas zinātniskajās publikācijās.
|
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
-
|
|
Atrisināti praktiskie uzdevumi, strādājot individuāli vai grupās (100%).
|
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Statistikas loma pētījuma procesā. Aprakstošās statistikas un slēdzienstatistikas būtība. Hipotēžu pārbaudes principi ar P-vērtību un ticamības intervāliem.
Apraksts
Anotācija: Lekcijas laikā tiks gūts ieskats par statistikas lomu pētījuma procesā, tās klasifikāciju un praktisko nozīmi veselības zinātnēs. Tiks apskatīti arī galvenie statistisko hipotēžu pārbaudes principi (P-vērtība un ticamības intervāli), kā arī pārpratumi, kas var rasties, interpretējot statistisko testu rezultātus.
Nodarbības jautājumi: 1. Statistikas loma pētījuma procesā veselības zinātnēs.
2. Aprakstošās statistikas un slēdzienstatistikas nozīme uz pierādījumiem balstītā medicīnā.
3. Hipotēžu pārbaudes principi.
4. Ticamības intervālu būtība un izmantošanas iespējas.
Literatūra: 1. Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2019. ISBN: 978-1-119-16781-5
2. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S., N., and Altman, D. G. 2016. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. Eur J Epidemiol. 31(4): 337-350. DOI: 10.1007/s10654-016-0149-3.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu veidi un mērskalas. Normālsadalījuma jēdziens. Datu analīzes metožu dažādība.
Apraksts
Anotācija: Lekcijas laikā tiks demonstrētas atšķirības starp dažādiem datu veidiem un to mērskalām, kā arī pievērsta uzmanība nepieciešamībai pārbaudīt atbilstību normālsadalījumam kvantitatīviem datiem. Tiks gūts ieskats statistisko datu analīzes metožu dažādībā un apskatīti testa izvēles principi, kas ir atkarīgi no analizējamo datu mērskalas un kvantitatīvajiem datiem – atbilstoši empīriskā sadalījuma veidam.
Nodarbības jautājumi: 1. Datu veidu un mērskalu raksturojums, to atšķirības datu statistiskās analīzes procesā.
2. Normālsadalījuma loma datu analīzē un tā noteikšanas iespējas.
3. Ieskats metožu dažādībā likumsakarību novērtēšanai datos.
Literatūra: 1. Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2019. ISBN: 978-1-119-16781-5
2. Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, Sage Publications, 2013. ISBN-13: 978-1446249185
3. Koo, T. K. and Li, M. Y. 2016. A Guideline of Selecting and Reporting Intraclass Correlation coefficients for Reliability Research. Journal of Chiropractic Medicine. 15(2), 155–163.
DOI: 10.1016/j.jcm.2016.02.012
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Datu sagatavošana analīzei Jamovi programmas vidē. Aprakstošā statistika, vienizlases statistiskie testi
Apraksts
Anotācija: Nodarbība tiks veltīta praktisko iemaņu nostiprināšanai IBM SPSS Statistics vidē, sagatavojot datus analīzei un aprakstot, vizualizējot un analizējot likumsakarības kvalitatīviem datiem. Tiks pievērsta uzmanība korekta testa izvēlei, atkarībā no analizējamo izlašu skaita (vienas un divas izlases testi) un īpašībām (atkarīgu un neatkarīgu izlašu testi).
Nodarbības jautājumi: 1. Datu sagatavošana analīzei IBM SPSS Statistics vidē.
2. Aprakstošā statistika kvalitatīviem datiem.
3. Vienas izlases Hī kvadrāta tests, Divu neatkarīgu izlašu Hī kvadrāta tests un Fišera ekzaktais tests.
4. Maknemāra tests.
Literatūra: 1. Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal, 2nd edition, John Wiley & Sons, 2014. ISBN-13: 978-1118589939
2. Andrade, C. 2016. Understanding relative risk, odds ratio, and related terms: as simple as it can get. J Clin Psychiatry. 76(7): 857-861. DOI: 10.4088/JCP.15f10150.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Statistikie testi neatkarīgiem novērojumiem (parametriskie un neparametriskie testi).
Apraksts
Anotācija: Nodarbība tiks veltīta praktisko iemaņu nostiprināšanai aprakstot, vizualizējot un analizējot atšķirības kvantitatīviem datiem un datiem ordinālu mērskalā, izmantojot parametriskos un neparametriskos testus. Tiks apskatīta parametrisko un neparametrisko testu atšķirība, kā arī testu izvēle atkarībā no analizējamo izlašu skaita (testi vienai, divām un vairāk par divām izlasēm) un īpašībām (atkarīgu un neatkarīgu izlašu testi).
Nodarbības jautājumi: 1. Aprakstošās statistikas izvēle kvantitatīviem datiem un datiem ordinālu mērskalā.
2. Parametrisko un neparametrisko testu atšķirības.
3. T-testi un dispersiju analīze.
4. Manna-Vitnija tests, Vilkoksona tests, Kruskola-Volisa tests.
5. Diagrammu konstruēšana kvantitatīviem datiem un datiem ordinālu mērskalā.
Literatūra: 1. Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal, 2nd edition, John Wiley & Sons, 2014. ISBN-13: 978-1118589939
2. Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, Sage Publications, 2013. ISBN-13: 978-1446249185
3. Hopkins, S., Dettori J. R., Chapman, J. R. 2018. Parametric and Nonparametric Tests in Spine Research: Why Do They Matter? Global Spine J. 8(6): 652–654. DOI: 10.1177/2192568218782679
4. Nahm, F. S. 2016. Nonparametric statistical tests for the continuous data: the basic concept and the practical use. Korean J Anesthesiol. 69(1): 8–14. DOI: 10.4097/kjae.2016.69.1.8
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Statistikie testi atkarīgiem novērojumiem (parametriskie un neparametriskie testi).
Apraksts
Anotācija: Nodarbība tiks veltīta praktisko iemaņu nostiprināšanai korelācijas koeficientu aprēķināšanai (parametriskais Pīrsona un neparametriskais Spīrmena korelācijas koeficients), un izpratnes veicināšanai par regresijas analīzes principiem un izmantošanas iespējām (viena faktora un daudzfaktoru regresija; lineārā un binārā loģistiskā regresija). Tiks gūts ieskats situācijās, kad nepieciešams aprēķināt Kronbaha alfa koeficientu.
Nodarbības jautājumi: 1. Korelācijas analīzes būtība, Pīrsona un Spīrmena korelācijas koeficients.
2. Viena faktora lineārā regresija un daudzfaktoru regresija.
3. Binārās loģistiskās regresijas lietošanas priekšrocības.
4. Kronbaha alfa koeficients.
Literatūra: 1. Field A. Discovering Statistics using IBM SPSS Statistics, 4th edition, Sage Publications, 2013. ISBN-13: 978-1446249185
2. Schober, P., Vetter, T. R. 2021. Linear Regression in Medical Research. Anesth Analg. 132(1):108-109. DOI: 10.1213/ANE.0000000000005206.
3. Schober, P., Vetter, T. R. 2021. Logistic Regression in Medical Research. Anesth Analg. 132(2):365-366. DOI: 10.1213/ANE.0000000000005247.
4. https://statistics.laerd.com/spss-tutorials/cronbachs-alpha-using-spss-statistics.php
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
3
|
Tēmas
|
Darbs ar studentu datiem vai datu bāzem. Praktisko uzdevumu risināšana, darbs grupās.
Apraksts
Anotācija: Nodarbības laikā tiks gūts ieskats par izlases apjoma aprēķinu principiem un statistiskajā datu analīzē izmantoto metožu aprakstu veidošanas shēmu atbilstoši zinātnisko publikāciju prasībām. Praktiskā darba ietvaros tiks veidots statistiskās analīzes apraksts plānotajam promocijas darbam, atbilstoši pētījuma dizainam, izmantoto mainīgo mērskalām un specialitātei raksturīgajām datu analīzes metodēm.
Nodarbības jautājumi: 1. Izlases apjoma aprēķina piemēri.
2. Iepazīšanas ar statistikas metožu aprakstiem zinātniskajās publikācijās.
3. Izmantoto statistikas metožu apraksta izveide promocijas darba datiem, atbilstoši plānotajam pētījuma dizainam un izmantoto mainīgo mērskalām.
Literatūra: 1. Charan, J. and Biswas, T. 2013. How to Calculate Sample Size for Different Study Designs in Medical Research? Indian J Psychol Med. 35(2): 121–126. DOI: 10.4103/0253-7176.116232
2. Simpson, S. H. 2015. Creating a Data Analysis Plan: What to Consider When Choosing Statistics for a Study. Canadian Journal of Hospital Pharmacy. 68(4): 311–317. DOI: 10.4212/cjhp.v68i4.1471
3. Zinātniskās publikācijas specialitātē, atbilstoši plānotajai promocijas darba tēmai.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
16 ak. st.
Gala pārbaudījums:
Eksāmens
Bibliogrāfija
Obligātā literatūra
1.
Petrie, A., Sabin, C. Medical Statistics at a Glance. 4th edition, Wiley-Blackwell, 2020.
2.
Peat, J., Barton, B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2nd edition, John Wiley & Sons, 2014. (pēdējais iznākušais izdevums)
3.
Field, A. Discovering Statistics using IBM SPSS Statistics. 4th edition, Sage Publications, 2024.
Papildu literatūra
1.
Simpson, S. H. 2015. Creating a Data Analysis Plan: What to Consider When Choosing Statistics for a Study. Canadian Journal of Hospital Pharmacy. 68(4): 311–317. DOI: 10.4212/cjhp.v68i4.1471Piemērots angļu valodas plūsmai
2.
Koo, T. K., Li, M. Y. 2016. A Guideline of Selecting and Reporting Intraclass Correlation coefficients for Reliability Research. Journal of Chiropractic Medicine. 15(2), 155–163. DOI: 10.1016/j.jcm.2016.02.012Piemērots angļu valodas plūsmai
3.
Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S., N., and Altman, D. G. 2016. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. Eur J Epidemiol. 31(4): 337-350. DOI: 10.1007/s10654-016-0149-3.Piemērots angļu valodas plūsmai
4.
Andrade, C. 2016. Understanding relative risk, odds ratio, and related terms: as simple as it can get. J. Clin Psychiatry. 76(7): 857-861. DOI: 10.4088/JCP.15f10150.Piemērots angļu valodas plūsmai
5.
Hopkins, S., Dettori, J. R., Chapman, J. R. 2018. Parametric and Nonparametric Tests in Spine Research: Why Do They Matter? Global Spine J. 8(6): 652–654. DOI: 10.1177/2192568218782679Piemērots angļu valodas plūsmai
6.
Nahm, F. S. 2016. Nonparametric statistical tests for the continuous data: the basic concept and the practical use. Korean J. Anesthesiol. 69(1): 8–14. DOI: 10.4097/kjae.2016.69.1.8Piemērots angļu valodas plūsmai
7.
Schober, P., Vetter, T. R. 2021. Linear Regression in Medical Research. Anesth Analg. 132(1):108-109. DOI: 10.1213/ANE.0000000000005206.Piemērots angļu valodas plūsmai
8.
Charan, J., Biswas, T. 2013. How to Calculate Sample Size for Different Study Designs in Medical Research? Indian J Psychol Med. 35(2): 121–126. DOI: 10.4103/0253-7176.116232Piemērots angļu valodas plūsmai
Citi informācijas avoti
1.
Laerd Statistics.Piemērots angļu valodas plūsmai