Γενικά
| Σχολή
|
Σχολή Θετικών Επιστημών
|
| Τμήμα
|
Τμήμα Μαθηματικών
|
| Επίπεδο Σπουδών
|
Μεταπτυχιακό
|
| Κωδικός Μαθήματος
|
ΣEE4
|
| Εξάμηνο
|
2
|
| Τίτλος Μαθήματος
|
Βιοστατιστική
|
| Αυτοτελείς Διδακτικές Δραστηριότητες
|
Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
|
| Τύπος Μαθήματος
|
Μάθημα Ειδίκευσης
|
| Προαπαιτούμενα Μαθήματα
|
|
| Γλώσσα Διδασκαλίας και Εξετάσεων
|
Ελληνική
|
| Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
|
Ναι (στην Αγγλική γλώσσα)
|
| Ηλεκτρονική Σελίδα Μαθήματος (URL)
|
Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
|
Μαθησιακά Αποτελέσματα
| Μαθησιακά Αποτελέσματα
|
Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:
- κατανοούν και να εφαρμόζουν στατιστικές μεθοδολογίες για τον σχεδιασμών έρευνας σε βιολογικά ή βιοιατρικά δεδομένα
- κατανοούν και να χρησιμοποιούν τις κατάλληλες μαθηματικές και στατιστικές μεθοδολογίες σε βιοιατρικά δεδομένα
- υλοποιούν τις παραπάνω μεθοδολογίες με τη βοήθεια ενός στατιστικού προγράμματος και να ερμηνεύουν ορθά τα εξαγόμενα αποτελέσματα.
|
| Γενικές Ικανότητες
|
- Αυτόνομη εργασία
- Ομαδική εργασία σε κάποιες περιπτώσεις
- Λήψη αποφάσεων
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
- Σύνθεση δεδομένων και πληροφοριών.
|
Περιεχόμενο Μαθήματος
|
Στοιχεία σχεδιασμού βιοϊατρικής έρευνας - Διαγνωστικά τεστ - Ποσοστά και προτυποποίηση - τεστ ανεξαρτησίας και τεστ γραμμικής τάσης - Σχετικός κίνδυνος - Odds ratio - Mέτρα συνάφειας και συμφωνίας - Σύγκριση ποσοστών κατά ζεύγη (McNemar, Cochran - Mantel - Haenszel) - Λογιστική παλινδρόμηση - Καμπύλες ROC - Χαρακτηριστικές εφαρμογές βιοστατιστικής (Γραμμικό logit μοντέλο, Ανάλυση Συνδιακύμανσης, Βιοπεριεκτικότητα).
|
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Παράδοσης
|
Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος.
|
| Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών.
|
| Οργάνωση Διδασκαλίας
|
| Δραστηριότητα
|
Φόρτος Εργασίας Εξαμήνου
|
| Διαλέξεις -Εργαστήριο
|
39
|
| Αυτοτελής Μελέτη
|
78
|
| Επίλυση ασκήσεων-εργασίες
|
70.5
|
| Σύνολο Μαθήματος
|
187.5
|
|
| Αξιολόγηση Φοιτητών
|
Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.
|
Συνιστώμενη Βιβλιογραφία
Δείτε την υπηρεσία Εύδοξος.
Biostatistics
General
| School
|
School of Science
|
| Academic Unit
|
Department of Mathematics
|
| Level of Studies
|
Graduate
|
| Course Code
|
ΣΕΕ4
|
| Semester
|
1
|
| Course Title
|
Biostatistics
|
| Independent Teaching Activities
|
Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
|
| Course Type
|
Specialized general knowledge
|
| Prerequisite Courses
|
-
|
| Language of Instruction and Examinations
|
Greek
|
| Is the Course Offered to Erasmus Students
|
Yes (in English, reading Course)
|
| Course Website (URL)
|
See eCourse, the Learning Management System maintained by the University of Ioannina.
|
Learning Outcomes
| Learning outcomes
|
Students completing this course should be able to:
- Understand and apply statistical methods for the design of biomedical research and analysis of biomedical research data.
- Understand and use mathematical and statistical theory underlying the application of biostatistical methods;
- use and interpret results from specialized computer software for the statistical analysis of research data;
|
| General Competences
|
- Working independently
- Decision-making
- Production of free, creative and inductive thinking
- Criticism and self-criticism
|
Syllabus
|
Biomedical research design elements - Diagnostic tests - Percentages and standardization - Independence test and linear stress tests - Relative risk - Odds ratio - Relevance and agreement - McNemar, Cochran - Mantel - Haenszel - Logistic Regression - ROC Curves.
|
Teaching and Learning Methods - Evaluation
| Delivery
|
Classroom (face-to-face)
|
| Use of Information and Communications Technology
|
- Statistical software
- Use of ICT in communication with students
|
| Teaching Methods
|
| Activity
|
Semester Workload
|
| Lectures
|
39
|
| Working independently
|
78
|
| Exercises-Homework
|
70.5
|
| Course total
|
187.5
|
|
| Student Performance Evaluation
|
Final written exam in Greek (in case of Erasmus students in English).
|
Attached Bibliography
See the official Eudoxus site.