Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Datu analīze veselības aprūpē
Kursa kods
SL_039
Zinātnes nozare
Ekonomika un uzņēmējdarbība; Sociālā ekonomika
Kredītpunkti (ECTS)
6,00
Mērķauditorija
Veselības vadība
LKI
7. 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 14a, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab
Par studiju kursu
Mērķis
Datu analīze veselības aprūpē modulis ir sadalīts 3 apakšmoduļos
1. Matemātika un tās pielietojums veselības vadībā
2. Datu apstrāde un datu tipi veselības aprūpē
3. Statistikas un statistikas metožu pielietojums veselības vadībā
Apakšmodulis: “Matemātika un tās pielietojums veselības vadībā”
Šis modulis ir nepieciešams, lai nodrošinātu studentiem pamata teorētiskās zināšanas statistisko datu apstrādē, kas sniedz zināšanas kvantitatīvo metožu priekšrocībās un ierobežojumos.
Apakšmodulis: “Datu apstrāde un datu tipi veselības aprūpē”
Šis modulis iepazīstina studentus ar datu klasifikāciju veselības aprūpē, pieejamos datu avotus un datu sagatavošanu kvantitatīvajai analīzei.
Apakšmodulis: “Statistikas un statistikas metožu pielietojums veselības vadībā”
Šis modulis nodrošina studentiem zināšanas un prasmes visbiežāk lietotajās aprakstošās un slēdzienstatistikas metodēs, regresijā un korelāciju analīzē.
Mācību un mācīšanās aktivitātes visiem 3 apakšmoduļiem ietver prezentācijas, lekcijas, gadījuma izpētes, diskusijas un praktiskos darbus.
Priekšzināšanas
Pamatzināšanas matemātikā un informātikā.
Studiju rezultāti
Zināšanas
1.Pēc moduļa pabeigšanas studenti: • Demonstrēs zināšanas un pamatidejas lineārajā algebrā, ieskaitot lineārās sistēmas, neatkarību, matricu teoriju un lineāras transformācijas; • Pārzinās datu tipus un datu avotus veselības aprūpē; • Atpazīs terminoloģiju, kas tiek izmantota statistikā un pamata metodes, kas tiek izmantotas publikācijās; • Pārzinās bieži izmantoto programmu (Excel un SPSS) datu apstrādes rīkus; • Pārzinās datu apstrādes kritērijus dažādām statistikas metodēm; • Mācēs korekti interpretēt svarīgākos statistiskos indikatorus.
Prasmes
1.Pēc moduļa pabeigšanas studenti: • Spēs pielietot lineāro sistēmu metodes dažādām problēmām; • Ievadīt un labot datus programmās Exdel un SPSS, identificēt datu tipus un validēt datus; • Sagatavot datus statistiskajai analīzei; • Izvēlēties pareizu datu apstrādes metodi, kā arī, spēs veikt hipotēžu testēšanu; • Analizēt datus ar programmām Excel un SPSS; • Veidot tabulas un diagrammas programmās MS Excel un IBM SPSS, rezultātu attēlošanai; • Pareizi veikt secinājumus no iegūtajiem rezultātiem.
Kompetences
1.Pēc moduļa pabeigšanas studenti: • Spēs pamatot un veikt lēmumus par statistisko datu tipiem, avotiem un apstrādes metodēm; • Atpazīs pareizās metodes, lai veiktu aprēķinus problēmām; • Spēs izmantot pareizās statistiskās metodes, lai sasniegtu pētījuma mērķus, izmantojot programmas Excel un SPSS; • Praktiski pielietot statistiskās metodes lai veiktu pētījuma datu apstrādi.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
-
|
|
• Zinātniski pētnieciskās literatūras par datu analīzi un statistikas metodēm apguve.
• Individuālā un grupas klases darba izstrāde un prezentācija.
Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā.
|
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
-
|
|
• Iesaistīšanās lekcijās – 25%.
• Kvalitāte un termini individuālajos un grupu uzdevumos – 25%.
• Eksāmena precizitāte – 50%.
|
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Augstākā matemātika, ievads lineārajā algebrā (matricas), grafu teorija.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Ievads varbūtību teorijā, Beijesa varbūtība.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu mērskalas, datu konvertācija, matemātiskas operācijas ar datiem un datu ievade.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu sagatavošana: datu ievade, datu validācija, trūkstošo datu apstrāde.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu filtrēšana, transformācija un jauno mainīgo aprēķināšana, netipiski augsto vai zemo vērtību aprēķināšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Datu filtrēšana, transformācija un jauno mainīgo aprēķināšana, netipiski augsto vai zemo vērtību aprēķināšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Aprakstoša statistika, teorētiskie un empīriskie sadalījumi, ticamības intervāli.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Aprakstošās analīzes veikšana programmās Excel un SPSS, datu grafiska reprezentācija un vizualizācija.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Hipotēžu testēšana. Vienizlases statistiskie testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Hipotēžu testēšana. Vienizlases statistiskie testi.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi neatkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi neatkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi neatkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi atkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi atkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Statistikie testi atkarīgiem novērojumiem. Parametriskie un neparametriskie testi.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija..
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Factor analysis - exploratory and confirmatory.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Factor analysis - exploratory and confirmatory.
|
Kopā kredītpunkti (ECTS):
6,00
Kontaktstundas:
48 ak. st.
Gala pārbaudījums:
Eksāmens
Bibliogrāfija
Obligātā literatūra
1.
Lang S. A First Course in Calculus, 5th edition, Springer-Verlag New York, 1986. (klasisks teorijas avots)
2.
Ross S. A First Course in Probability, 8th edition, Pearson Education, 2020.
3.
Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal, 2nd edition, John Wiley & Sons, 2014.
4.
Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2020.
5.
Field A. Discovering Statistics using IBM SPSS Statistics, 5th edition, Sage Publications, 2018.