Bioestatística

O obxectivo principal desta materia é que o alumnado se familiarice cos conceptos e técnicas básicas da Estatística Descritiva, a Teoría da Probabilidade e a Inferencia Estatística. Preténdese que o alumnado comprenda a necesidade e utilidade da metodoloxía estatística na investigación en Ciencias da Saúde, especialmente no campo da Medicina.

Os obxectivos específicos da materia detállanse a continuación:

- Saber discriminar entre os obxectivos dunha análise estatística: descritivos ou inferenciais.
- Saber distinguir entre unha poboación estatística e unha mostra dela.
- Sintetizar e describir unha gran cantidade de datos, seleccionando as estatísticas adecuadas ao tipo de variables e analizando as relacións entre elas.
- Coñecer as bases probabilísticas da Inferencia Estatística, así como os principios xerais dos modelos probabilísticos máis habituais.
- Saber estimar parámetros descoñecidos dunha poboación a partir dunha mostra.
- Coñecer os principios e aplicacións da proba de hipóteses.
- Saber comparar dúas poboacións en función dos seus parámetros característicos e descoñecidos.
- Saber formular problemas reais en termos estatísticos e aplicar a Inferencia Estatística á súa resolución.
- Ser capaz de manexar paquetes de software estatístico.
- Asumir a necesidade e utilidade da Estatística como ferramenta no seu exercicio profesional, sendo conscientes do grao de subxectividade e do risco de decisións baseadas en resultados estatísticos.

Tema 1.- Estatística descritiva.
Definición e obxectivos da Estatística. Estatística en investigación médica. Deseño dun estudo, poboación e mostra. Tipos de variables estatísticas. Resumo da información contida nunha mostra: táboas de frecuencias e representacións gráficas. Medidas de centralización, posición, dispersión e forma.

Tema 2.- Cálculo de Probabilidades.
Experimento aleatorio. Espazo para eventos e mostras. Operacións con eventos. Definición axiomática de probabilidade. Probabilidade condicional. Independencia dos acontecementos. regra do produto. Teorema das probabilidades totais. regra de Bayes. Prevalencia e incidencia dunha enfermidade. Probas diagnósticas: sensibilidade, especificidade e valores preditivos.

Tema 3.- Variables aleatorias discretas.
Concepto de variable aleatoria unidimensional. Variable aleatoria discreta. Masa de probabilidade, función de distribución e función de supervivencia. Medidas características: valor esperado e varianza. Distribución binomial. Distribución de Poisson.

Tema 4.- Variables aleatorias continuas.
Variable aleatoria continua. Función de densidade, función de distribución e función de supervivencia. Medidas características: valor esperado e varianza. A distribución normal. Puntos de corte para as probas de diagnóstico binormais. Teorema do límite central. Aproximación da distribución binomial pola normal. Distribucións asociadas á normal: Chi-cuadrado, T-Student.

Tema 5.- Estimación puntual e por intervalos.
Obxectivos da inferencia estatística. Parámetro e conceptos estatísticos. Distribucións na mostraxe de estatísticos de interese. Estimación puntual da media, varianza e proporción. Sesgo e varianza. Intervalos de confianza para a media (en poboacións normais) e para a proporción. Determinación do tamaño da mostra.

Tema 6.- Introdución aos contrastes de hipótese.
Conceptos básicos: hipóteses nula e alternativa; contraste unilateral e contraste bilateral; zonas de aceptación e rexeitamento; erro de tipo I e nivel de significación; erro de tipo II e potencia; p-valor. Contraste sobre a media (en poboacións normais) e sobre a proporción. Contraste de comparación de medias en poboacións normais (para dúas mostras independentes ou pareadas) e de proporcións.

Tema 7.- Contrastes para variables categóricas.
Táboas de continxencia. Frecuencias observadas e frecuencias esperadas. Proba chi-cadrado de independencia. Corrección de Yates. Táboas de continxencia 2x2 no ámbito da Medicina. Medidas de asociación: risco relativo e odds ratio.

Tema 8.- Modelo de regresión lineal simple.
Diagrama de dispersión. Covarianza e coeficiente de correlación lineal. Método dos mínimos cadrados. Inferencia sobre os parámetros. Descomposición da variabilidade. O test F. Coeficiente de determinación. Diagnose do modelo. Predición.

- Alonso Pena, M., Bolón Rodríguez, D., Ameijeiras Alonso, J., Saavedra Nieves, A. e Saavedra Nieves, P. (2024). Manual de R para prácticas de Bioestadística. Servizo de Publicacións da Universidade de Santiago de Compostela. DOI: https://dx.doi.org/10.15304/9788419679536.
- Álvarez Cáceres, R. (2007) “Estadística Aplicada a las Ciencias de la Salud”. Editorial Diaz de Santos.
- Daniel, W.W. (2006) “Bioestadística. Base para el análisis de las ciencias de la salud”. (2ª ed). Editorial LIMUSA. Wiley.
- Douglas G. A. (1997) “Practical Statistics for Medical Research”. Ed. Chapman & Hall.
- Martín Andrés, A. e Luna del Castillo, J. (1994) “Bioestadística para las ciencias de la salud”. (4ª ed). Ediciones Norma.
- Martín Andrés, A. e Luna del Castillo, J. (1995) “50 +/- 10 horas de Bioestadística”. Ediciones Norma.
- Martínez González, M.A, Sánchez, A. e Faulin, J. (2006). “Bioestadística amigable”. 2ª ed. Editorial Diaz de Santos.
- Milton, J.S. (1994) “Estadística para biología y ciencias de la salud”. (2ª ed). Ed. Interamericana, McGraw-Hill.
- Paradis, E. (2003). R para principiantes. R Cran. Disponible en https:/ cran.r- project.org/doc/contrib/rdebuts_es.pdf
- Quesada, V. e outros (1982) “Curso de ejercicios de estadística”. (2ª ed). Editorial Alambra.
- Rosner, B. (2000) “Fundamentals of Biostatistics”. (5ª ed). Wadsworth Publishing Company. Duxbury Press.
- Venables, W.N., Smith, D.M. e the R Core Team (2020). An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics (Version 3.6.3). Disponible en https:/ cran.r-project.org/doc/manuals/r-release/R-intro.pdf.
- Verzani, J. (2005). Using R for Introductory Statistics. Chapman and Hall.

Segundo a ficha da materia que figura na Memoria para a Verificación do Título Oficial de Licenciado en Medicina pola USC, as competencias xerais relacionadas coa materia de Bioestatística son:

CG28.- Obter e utilizar datos epidemiolóxicos e valorar tendencias e riscos para a toma de decisións en materia de saúde.
CG31.- Coñecer, valorar criticamente e saber utilizar as fontes de información clínica e biomédica para obter, organizar, interpretar e comunicar información científica e sanitaria.
CG33.- Manter e utilizar os rexistros con información do paciente para a súa posterior análise, preservando a confidencialidade dos datos.
CG34.- Ter, na actividade profesional, un punto de vista crítico, creativo, con escepticismo construtivo e orientado á investigación.
CG35.- Coñecer a importancia e limitacións do pensamento científico no estudo, prevención e manexo das enfermidades.
CG36.- Ser capaz de formular hipóteses, recoller e valorar criticamente información para a resolución de problemas, seguindo o método científico.
GG37.- Adquirir formación básica para a actividade investigadora.

No ámbito da Bioestatística tamén se traballará a competencia CG32 (relacionada co uso das tecnoloxías da información e da comunicación en actividades clínicas, terapéuticas, preventivas e de investigación), a pesar de non figurar na ficha da materia.

As competencias específicas que o alumnado debe adquirir a través da materia de Bioestatística recóllense a continuación:

CEMII.32.- Coñecer os conceptos básicos da Bioestatística e a súa aplicación ás ciencias médicas.
CEMII.33.- Ser capaz de deseñar e realizar estudos estatísticos sinxelos mediante programas informáticos e interpretar os resultados.
CEMII.34.- Comprender e interpretar datos estatísticos na literatura médica.

Tamén se traballarán na materia as competencias CEMII.31 e CEMII.378 (relativas ao uso crítico das tecnoloxías e á xestión de aplicacións informáticas, respectivamente), aínda que non figuren na súa ficha.

A docencia expositiva e interactiva será presencial. No Campus Virtual da materia, o alumnado atopará notas e conxuntos de problemas. Ademais, a través do Campus Virtual, o alumnado poderá realizar probas e entregar tarefas de avaliación continua, tal e como se describe no apartado correspondente.

Docencia expositiva (36 horas): nas sesións de docencia expositiva, o profesorado explicará os conceptos teóricos e prácticos dos contidos, apoiado en presentacións multimedia. Tamén se resolverán algúns problemas normalizados, para que o alumnado poida traballar nos boletíns de exercicios que se lle proporcionarán. En canto ao material de seguimento da materia, ademais da bibliografía recomendada, o alumnado disporá de material didáctico complementario no Campus Virtual.

Docencia interactiva (20 horas): a docencia interactiva distribúese en seminarios para resolver exercicios e prácticas informáticas. Nestas sesións, o alumnado introducirase no uso do paquete R para a análise estatística de datos, traballando casos prácticos.

Titorías (4 horas): as titorías están deseñadas para o seguimento da aprendizaxe do alumnado. Nestas sesións traballarase fundamentalmente aquelas habilidades relacionadas co razoamento crítico e as habilidades comunicativas.

Avaliación continua (30%): realizaranse dúas probas para resolver cuestións e problemas, similares ás resoltas nas sesións do seminario, cun peso do 5% cada unha. Cun peso do 20%, proporase unha terceira proba para resolver casos prácticos co programa estatístico R. Estas actividades poderían realizarse presencialmente ou en liña.

Exame final (70%): o exame final constará de varias preguntas teórico-prácticas e problemas sobre os contidos da materia.

O peso da avaliación continua na oportunidade de recuperación será o mesmo que na convocatoria ordinaria do cuadrimestre.

Nos casos de realización fraudulenta de exercicios ou probas, será de aplicación o disposto na “Normativa de avaliación do rendemento académico do alumnado e revisión de cualificacións”.

Nesta materia, o alumnado dispón de 60 horas de docencia presencial (36 horas de docencia expositiva, 20 horas de docencia interactiva e 4 horas de titorías).

Por cada hora de docencia expositiva, considérase necesario dedicar ao redor de 1,5 horas de traballo individual por parte do alumnado. En relación á docencia interactiva, por cada hora considérase necesaria aproximadamente unha hora adicional para a preparación e posterior revisión dos exercicios e tarefas realizadas na clase. De forma complementaria, o alumnado deberá practicar a resolución de problemas a partir dos boletíns ou da bibliografía recomendada.

Recoméndase seguir as sesións expositivas e interactivas, así como as actividades propostas como medios fundamentais para o uso da materia.

Para superar con éxito a materia tamén é recomendable seguir os plans de traballo propostos. Tamén se recomenda que o alumnado practique o uso do paquete estatístico R para explorar as posibilidades das distintas técnicas explicadas ao longo do curso.

O material do curso porase a disposición do alumnado a través do Campus Virtual da USC. Pretendemos que esta plataforma sexa a principal vía de comunicación co alumnado, reforzada con MS Teams e o correo electrónico.