Bioestadística

Como ha sucedido con otros cursos de la carrera, la Secretaría de Posgrado, Ciencia, Técnica y Vinculación Tecnológica ha decidido ofrecerlo a interesados/as que cumplan con el perfil requerido, dada su utilidad científica.

Docente:

• Dr. Roberto Miguel Miatello

Objetivos Generales

• Conocer principios de estadística aplicada a las ciencias biomédicas.
• Planificar y ejecutar estudios estadísticos en todas sus etapas, a partir de datos propios aportados por cada alumno
• Evaluar críticamente la presentación, análisis e interpretación de datos de trabajos científicos en el área biomédica

Programa Analítico

1. Reseña histórica. Definición. Aplicaciones a las ciencias biomédicas. La información estadística. Individuo, población y muestra. Teoría elemental de la muestra. Datos de observación: atributos y variables. Escalas de medición. Variables discretas y continuas. Variables dependientes e independientes.
2. Organización, clasificación y tabulación de datos. Series simples. Distribuciones de frecuencias. Cuadros y gráficos estadísticos.
3. Medidas que caracterizan a una muestra: cálculo, propiedades, utilización y limitaciones. Medidas de tendencia central: media aritmética, moda, cuantiles (mediana, cuartiles, percentiles). Medidas de dispersión: rango, varianza, desviación estándar, coeficiente de variación. Medidas de apuntamiento y curtosis.
4. La probabilidad: ensayo, evento, experimento, espacio muestral. Definiciones. Axiomas y teoremas. Probabilidad condicional. Teorema de Bayes. Independencia estadística. Variable aleatoria. Ley de probabilidad. Función de densidad. Función de distribución. Esperanza matemática y varianza.
5. Distribuciones discretas de probabilidad: modelo Bernoulli. Distribuciones binomial y Poisson: características, parámetros, ajustamiento y gráficos. Distribuciones continuas de probabilidad: la distribución normal: propiedades, parámetros. Distribución normal tipificada. Areas de probabilidad. Aproximación normal a distribuciones binomial y  Poisson. Ajustamiento normal. La distribución "t" de Student
6. Distribuciones en el muestreo. Error de muestreo. Estimación estadística: puntual y por intervalos. Nivel de confianza y significancia. Potencia de una prueba. Pruebas de hipótesis. Errores tipo I y II. Ensayos unilaterales y bilaterales.
7. Inferencia estadística para la media: distribución en el muestreo, intervalos de confianza y pruebas de hipótesis para la media: Prueba de “t”, prueba de suma de rangos de Wilcoxon. Contraste de dos medias muestrales: Prueba de “t”  para muestras independientes. Prueba de Welch. Prueba de “t” para muestras apareadas. Distribuciones no paramétricas: Prueba de Mann-Whitney para pruebas independientes y de Wilcoxon para muestras pareadas. 
8. Distribución "F". Homogeneidad de varianzas. Análisis de la Varianza de un sólo factor. Supuestos en el análisis de la varianza. Post-tests `para comparaciones múltiples: Bonferroni. Student-Newman-Keuls, etc. Análisis de la varianza para medidas repetidas. Distribuciones no paramétricas: Pruebas de Kruskal-Wallis para muestras independientes y de Friedman para medidas repetidas.
9. Inferencia estadística para proporciones: distribución en el muestreo, intervalos de confianza y pruebas de hipótesis para proporciones y diferencias de proporciones.
10. Distribución "chi" cuadrado: análisis de frecuencias. Pruebas de independencia y de bondad de ajustamiento. Corrección de Yates. Análisis de tendencia. Prueba exacta de Fisher para muestra pequeñas. Prueba de McNemar para muestras pareadas. Medidas de riesgo: riesgo relativo, odds ratio. Intervalos de confianza para medidas de riesgo. Cálculo de sensibilidad y especificidad y sus intervalos de confianza.
11. Distribuciones bivariadas: Correlación lineal: Supuestos. Coeficiente de correlación de Pearson y determinación. Significación. Intervalos de confianza. Pruebas de hipótesis. Correlación de órdenes de Spearman. Ajustamiento de curvas. Regresión lineal: Supuestos. Propiedades. Intervalos de confianza. Pruebas de hipótesis. Introducción al análisis multivariado. Matrices de correlación múltiple. Regresión lineal múltiple. Regresión logística.
12. Introducción. Función de supervivencia y función de riesgo. Estimador de Kaplan-Meier para la función de supervivencia. Tiempos de supervivencia por intervalos. Métodos no paramétricos para comparar funciones de supervivencia. Test de log rank. Test de Wilcoxon.
13. Generalidades sobre estudios clínicos: estudios observacionales descriptivos: Medidas descriptivas. Reporte y serie de casos. Encuestas transversales. Estudios de correlación. Estudios observacionales analíticos: cohortes, casos y controles, corte transversal. Estudios clínicos experimentales: Pruebas controladas: controles concurrentes independientes, autocontroles, estudios cruzados, controles externos. Estudios no controlados. Ventajas y desventajas de cada tipo de estudio, características del diseño, direccionalidad, selección de los grupos de comparación, medidas de asociación.

Cursado

Destinatarios

Inscripción

Hasta el 23 de julio de 2021.

Costos / Aranceles

Informes y contacto

• Secretaría de Posgrado, Ciencia, Técnica y Vinculación Tecnológica. Facultad de Ciencias Médicas. UNCUYO. Centro Universitario, Mendoza.
• Correo electrónico: inscripciones.posgrado.fcm@gmail.com