Bioestatística

O obxectivo principal desta materia é familiarizar ao alumnado cos conceptos e técnicas básicas de Estatística Descritiva, Teoría da Probabilidade e Inferencia Estatística. O obxectivo é 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 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 das decisións baseadas en resultados estatísticos.

1. Estatística descritiva.
Definición e obxectivos da Estatística. Estatística en investigación médica. deseño do 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.

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 da probabilidades totais. regra de Bayes. Prevalencia e incidencia dunha enfermidade. Probas de diagnóstico: sensibilidade, especificidade e valores preditivos.

3. Variables aleatorias discretas.
Concepto de variable aleatoria unidimensional. Variable aleatoria discreta. Función masa de probabilidade función de distribución e supervivencia. Medidas características: valor esperado e varianza. Distribución binomio. Distribución de Poisson.

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 diagnósticos binormais. Teorema do límite central. Aproximación da distribución binomial polo normal. Distribucións asociadas ao normal: Chi-cuadrado, T-Student.

5. Estimación puntual e de intervalo.
Obxectivos da inferencia estatística. Conceptos de parámetro e estatística. Distribucións da mostra de estatísticas 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 da tamaño da mostra.

6. Introdución á proba de hipóteses.
Conceptos básicos: Hipótese nula e alternativa; contraste unilateral e contraste bilateral; áreas de aceptación e rexeitamento; erro de tipo I e nivel de significación; erro de tipo II e potencia; valor p. Contraste na media (en poboacións normais) e na proporción. Comparación de contrastes medias en poboacións normais (para dúas mostras independentes ou pareadas) e proporcións.

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

8. Modelo de regresión lineal simple.
Gráfico de dispersión. Covarianza e coeficiente de correlación lineal. Método dos mínimos cadrados. Inferencia sobre os parámetros. Descomposición de variabilidade. A proba F. Coeficiente de determinación. Diagnóstico modelo. Predición.

Alonso Pena, M., Bolón Rodríguez, D., Ameijeiras Alonso, J., Saavedra Nieves, A. e Saavedra Nieves, P. (2024). Manual de R para prácticas deBioestadística. 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.

Coñecementos:
Con53. Coñecer, valorar criticamente e saber utilizar as tecnoloxías e fontes da información clínica e biomédica,
obter, organizar, interpretar e comunicar información clínica, científica e sanitaria.
Con54. Comprender os conceptos básicos da bioestatística e a súa aplicación ás ciencias médicas.
Con55. Ser capaz de deseñar e realizar estudos estatísticos sinxelos mediante programas informáticos e
interpretar os resultados.
Con56. Comprender e interpretar datos estatísticos na literatura médica.
Con59. Xestionar de forma autónoma un ordenador persoal e as aplicacións informáticas máis habituais na materia
de biomedicina.
Con62. Comprender e interpretar criticamente textos científicos.

Competencias:
Comp01. Capacidade de análise e síntese.
Comp05. Competencias básicas de informática.
Comp06. Habilidades de xestión da información (capacidade para buscar e analizar información de
fontes diversas).
Comp07. Resolución de problemas.
Comp08. Toma de decisións.
Comp09. Capacidade crítica e autocrítica.
Comp13. Capacidade para comunicarse con expertos doutras áreas.
Comp17. Capacidade para aplicar os coñecementos na práctica.
Comp18. Habilidades de investigación.
Comp19. Capacidade de aprender.

Habilidades ou habilidades:
H/D28. Obter e utilizar datos epidemiolóxicos e avaliar tendencias e riscos para a toma de decisións
saúde.
H/D31. Coñecer, valorar criticamente e saber utilizar fontes de información clínica e biomédica para obter,
organizar, interpretar e comunicar información científica e sanitaria.
H/D32. Saber utilizar as tecnoloxías da información e da comunicación en ámbitos clínicos, terapéuticos,
preventiva e investigadora.
H/D33. Manter e utilizar rexistros con información do paciente para a súa posterior análise, preservando o
confidencialidade dos datos.
H/D34. Ter, na actividade profesional, un punto de vista crítico, creativo, con escepticismo construtivo e
orientado á investigación.
H/D36. Ser capaz de formular hipóteses, recoller e valorar de forma crítica información para resolver problemas.
problemas, seguindo o método científico.
H/D37. Adquirir formación básica para actividades de investigación.

A docencia expositiva e interactiva será presencial. No Campus Virtual do curso, os estudantes atoparán notas e conxuntos de problemas. Ademais, a través do Campus Virtual, o alumnado poderá realizar probas e entregar traballos 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 cadernos de exercicios que se achegarán. En canto ao material para seguir o curso, ademais da bibliografía recomendada, o alumnado terá acceso a materiais didácticos complementarios no Campus Virtual.

Docencia interactiva (21 horas): a docencia interactiva divídese en seminarios de resolución de exercicios e prácticas informáticas. Nestas sesións, o alumnado introducirase no uso do paquete R para a análise de datos estatísticos traballando casos prácticos.

Titorías (3 horas): As titorías están destinadas ao seguimento da aprendizaxe do alumnado. Estas sesións centraranse principalmente nas habilidades relacionadas co razoamento crítico e as habilidades comunicativas.

Avaliación continua (30%): Realizaranse dúas probas para resolver dúbidas e problemas, similares ás resoltas nas sesións do seminario, cun peso do 5% cada unha. Cunha ponderación do 20%, proporase unha terceira proba para resolver casos prácticos mediante o programa estatístico R. Estas actividades poderán realizarse presencialmente ou en liña.

Exame final (70%): O exame final constará de varias cuestións teóricas e prácticas e problemas sobre o contido da materia.

O peso da avaliación continua na oportunidade de recuperación será o mesmo que no exame ordinario do semestre.

Téñase en conta que, nos casos de realización fraudulenta de exercicios ou probas, será de aplicación o disposto na “Normativa de avaliación do rendemento académico do alumnado e de revisión das cualificacións”.

Nesta materia o alumnado dispón de 60 horas de docencia presencial (36 horas de docencia expositiva, 21 horas de docencia interactiva e 3 horas de titorías).

Considérase necesario dedicar aproximadamente 90 horas de traballo individual do alumno. Ademais, o alumnado debe practicar a resolución de problemas a partir de boletíns ou bibliografía recomendada.

Recoméndase seguir as sesións expositivas e interactivas, así como as actividades propostas, como medio imprescindible para aproveitar o material.

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.

Os materiais do curso poranse a disposición dos estudantes a través do Campus Virtual da USC. Pretendemos que esta plataforma sexa o principal medio de comunicación cos estudantes, reforzada con MS Teams e correo electrónico.