Medizinische Statistik mit R

Kurslevel:
Einsteiger

Zielgruppe:
Forscher/innen und Datenanalysten im Bereich Medizin

Voraussetzungen:
Allgemeine Kenntnisse der Mathematik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
Dieses Seminar bietet eine Einführung in die medizinische Statistik und richtet sich speziell an die Bedürfnisse der medizinischen Forschung. Es bietet den Teilnehmer/innen anwendungsorientiert Hilfestellung in der Auswahl und Interpretation von Daten und Ergebnissen. Sie lernen die deskriptive und induktive Statistik kennen, beschäftigen sich mit Schätzer, Standardfehler und Konfidenzintervallen oder Testen von Hypothesen und betrachten die Analysetechniken von quantitativen und qualitativen Zielgrößen sowie Zähldaten. Speziell für die Analyse im Medizin-Bereich vermittelt das Seminar Ihnen die Analyse von Überlebenszeiten und Risiken sowie die Themen Klassifikation und Prognose. Das Seminar schließt ab mit der Beurteilung der Zuverlässigkeit von Messungen und speziellen Fragestellungen wie klinischen Studien, epidemiologischen Studien und der Meta-Analyse.

Themen:
A. Einführung
Dauer:0.25 Tage
Medizinische Statistik als Bestandteil medizinischer Forschung - Population und Stichprobe - Merkmale und Skalenarten

B. Beschreibende Statistik eines Merkmals
Dauer:0.5 Tage
Darstellung der Daten in Tabellen - Grafische Darstellung der Daten: Balkendiagramm, Kreisdiagramm, Histogramm, Polygon, Summenhistogramm, Summenpolygon

C. Wahrscheinlichkeitstheorie
Dauer:0.75 Tage
Grundmodell der Wahrscheinlichkeitstheorie: Zufällige Ereignisse und deren Verknüpfung, Klassische Definition der Wahrscheinlichkeit, Axiomatische Definition der Wahrscheinlichkeit, Rechnen mit Wahrscheinlichkeiten - Zufallsvariablen und ihre Verteilung: Grundbegriffe, Diskrete Zufallsvariablen, Stetige Zufallsvariablen, Verteilungsparameter - Spezielle Verteilungen: Diskrete Verteilungen, Stetige Verteilungen

D. Schätzung unbekannter Parameter
Dauer:0.25 Tage
Punktschätzungen - Bereichsschätzungen: Verteilung von Punktschätzungen, Konfidenzintervalle

E. Formulieren und Prüfen von Hypothesen
Dauer:0.25 Tage
Inhaltliche und statistische Hypothesen: Klassifikation inhaltlicher Hypothesen, Statistische Alternativhypothesen, Statistische Nullhypothesen - Fehlerarten bei statistischen Entscheidungen - Prüfung statistischer Hypothesen: Der p-Wert, Einseitige und zweiseitige Fragestellungen, Statistische Signifikanz - Ablauf statistischer Tests

F. Ausgewählte statistische Tests
Dauer:0.5 Tage
Parametrische Tests für normalverteilte Merkmale: Vergleich eines Mittelwerts mit einem bekannten Wert, Vergleich zweier Mittelwerte bei unabhängigen Stichproben, Vergleich zweier Mittelwerte bei verbundenen Stichproben, Äquivalenztests, Überprüfung der Voraussetzungen - Tests für ordinalskalierte Merkmale: Vergleich zweier Verteilungen bei unabhängigen Stichproben, Vergleich zweier Verteilungen für verbundene Stichproben - Tests für nominalskalierte (dichotome) Merkmale: Vergleich zweier Wahrscheinlichkeiten bei unabhängigen Stichproben, Vergleich zweier Wahrscheinlichkeiten bei verbundenen Stichproben

G. Analyse-Techniken für verschiedene Skalen
Dauer:0.5 Tage
Analyse von quantitativen Zielgrößen: Korrelationsanalyse, Grafische Veranschaulichung bivariater Zusammenhänge, Produkt-Moment-Korrelation, Interpretation von Korrelationen - Einfache lineare Regression: Modell und Voraussetzungen, Schätzung der linearen Regressionsfunktion, Varianzzerlegung und Bestimmtheitsmaß, Konfidenzintervalle und Tests - Analyse von qualitativen Zielgrößen: Korrelationsanalyse ordinalskalierter und nominalskalierter Merkmale - Analyse von Zähldaten

H. Spezielle medizinische Analysen
Dauer:0.5 Tage
Analyse von Überlebenszeiten: Links- und doppelt-zensiertes sowie Intervall-zensierte Beobachtungen, Überlebensfunktion, Hazard-Rate und Hazard-Funktion, Event-Time-Ratio, Weibull-Verteilung, Cox- und Weibull-Regression - Konkurrierende Risiken: Aalen-Johansen-Schätzer, Inzidenzfunktionen, Mehrstadienmodelle

I. Klassifikation und Prognose
Dauer:0.25 Tage
Prävalenz - Fagan-Nomogramm - ROC-Kurven und Binormale ROC-Kurven - Prognostischer und prädiktiver Faktor

J. Spezielle Fragestellungen
Dauer:0.25 Tage
Beurteilung der Zuverlässigkeit von Messungen: Intra-Raster, Inter-Raster, Test-Retest - Klinische Studien: Dosis-Wirkungs-Experiment, Einfluss von Gruppengrößen, Interaktionstest - Epidemiologische Studien: Confounding, Kohortenstudien, Fall-Kontroll-Studien - Meta-Analyse: Forest-Plot, Meta-Regressionsplot, Funnel-Plot

Unsere dozenten

Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.

Veröffentlichungen:

• "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)


• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)


• "Oracle SQL" (Comelio Medien, ISBN 978-3-939701-41-5)


• "SQL Server 2012: Data Mining und multivariate Verfahren" (Comelio Medien, ISBN 978-3-939701-85-9)


• "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)

Erfahrung:
Projekte:
Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.

Forschung:
Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Webseite:

• http://www.marco-skulschus.de


• http://de.wikipedia.org/wiki/Marco_Skulschus

Referenzkurse:

• Dummy