Ateneo - UPO

Il corso introduce e approfondisce i principali metodi biostatistici ed epidemiologici utilizzati nell’analisi di dati biomedici, clinici e di popolazione, integrando gli aspetti teorici con applicazioni pratiche mediante il software R.

Dopo un iniziale riallineamento sui concetti fondamentali di statistica descrittiva e inferenziale, saranno affrontati i principali disegni di studio epidemiologico, le misure di frequenza e di associazione e i modelli statistici maggiormente utilizzati in ambito biomedico, con particolare riferimento alla regressione lineare, regressione logistica, modelli di Poisson e analisi di sopravvivenza mediante curve di Kaplan-Meier e modello di Cox.

Particolare attenzione sarà dedicata all’interpretazione dei modelli multivariati, al confondimento, alla modificazione d’effetto e ai criteri per la scelta delle variabili di aggiustamento.

Una parte del corso sarà inoltre dedicata alle principali problematiche statistiche associate ai dati omici e ad alta dimensionalità, con particolare riferimento alla variabilità biologica e tecnica, al preprocessing, ai confronti multipli e al controllo del False Discovery Rate.

I concetti teorici saranno progressivamente applicati in R attraverso l’analisi e l’interpretazione di dataset biomedici ed epidemiologici.

Il materiale principale per la preparazione dell’esame sarà costituito dalle dispense, dalle presentazioni, dai dataset, dagli script R e dagli articoli scientifici messi a disposizione dal docente. Documentazione ufficiale di R e dei pacchetti utilizzati durante il corso. Ulteriori riferimenti bibliografici e articoli scientifici potranno essere indicati durante le lezioni.

Testi di consultazione:
W.W. Daniel, C.L. Cross — Biostatistics: A Foundation for Analysis in the Health Sciences, 10th ed., Wiley
Lash TL, VanderWeele TJ, Haneuse S, Rothman KJ. Modern Epidemiology. 4th ed. Philadelphia: Wolters
Kluwer; 2021.

Il corso si propone di fornire agli studenti i fondamenti metodologici della biostatistica e dell’epidemiologia

necessari per comprendere, analizzare e interpretare dati biomedici, clinici ed epidemiologici, con
particolare attenzione alla corretta applicazione dei metodi quantitativi nella ricerca e nell’analisi dei dati.

L’obiettivo principale è sviluppare la capacità di riconoscere la natura del problema statistico,
scegliere il metodo o il modello più adeguato in relazione alla domanda scientifica, al disegno dello
studio e alla natura dell’outcome, applicarlo mediante il software R e interpretarne criticamente i
risultati.

Il corso fornirà inoltre gli strumenti epidemiologici necessari per comprendere i principali disegni di studio
osservazionali e sperimentali, incluse le loro caratteristiche, indicazioni, punti di forza e limiti. Saranno
affrontati i concetti di popolazione e campione, incidenza e prevalenza, misure di associazione e di effetto,
temporalità dell’esposizione e dell’outcome, selezione dei gruppi di confronto e principali fonti di errore
sistematico.

Il corso mira inoltre a sviluppare la capacità di riconoscere le principali fonti di bias e
confondimento, comprendere il significato dell’aggiustamento multivariato, identificare le variabili
rilevanti per la costruzione del modello e distinguere tra associazione statistica, predizione e
interpretazione causale.

Una specifica parte del corso è dedicata alle principali problematiche statistiche proprie dei dati
omici e ad alta dimensionalità, con l’obiettivo di fornire gli strumenti concettuali di base per la loro
analisi e interpretazione.

Sono utili conoscenze di base di biologia, probabilità e statistica descrittiva.

Considerata l’eterogeneità dei percorsi formativi degli studenti, i concetti statistici e biologici fondamentali necessari per seguire il corso saranno richiamati e consolidati nelle prime lezioni.

Non sono richieste conoscenze pregresse di epidemiologia o di analisi statistica avanzata.

Una conoscenza di base del linguaggio R è utile ma non indispensabile. I comandi e le procedure necessarie allo svolgimento delle esercitazioni saranno introdotti e utilizzati durante il corso.

Il corso prevede lezioni integrate teorico-pratiche.
I concetti statistici ed epidemiologici saranno introdotti attraverso problemi ed esempi provenienti dalla ricerca biomedica, clinica ed epidemiologica e saranno immediatamente accompagnati dalla loro applicazione mediante il software R.

Le attività comprenderanno:
lezioni frontali;
esercitazioni guidate in R;
analisi di dataset biomedici ed epidemiologici;
interpretazione di output statistici, tabelle e grafici;
discussione di esempi tratti dalla letteratura scientifica.

L’approccio didattico privilegerà la comprensione, la scelta appropriata e l’interpretazione dei metodi statistici rispetto alla derivazione matematica delle formule.

Gli script R, i dataset utilizzati durante le esercitazioni, le presentazioni e gli eventuali materiali integrativi saranno messi a disposizione degli studenti attraverso la piattaforma didattica del corso.

Per le attività pratiche è raccomandata la disponibilità di un computer con R e RStudio installati.

L’utilizzo di R avrà principalmente la finalità di applicare e interpretare i metodi statistici presentati durante il corso; non è pertanto richiesta una precedente conoscenza di programmazione.

La verifica dell’apprendimento è finalizzata a valutare la comprensione dei principi biostatistici ed epidemiologici e la capacità di applicarli e interpretarli in problemi relativi a dati biomedici, clinici ed epidemiologici.

La prova potrà comprendere domande a risposta chiusa e aperta, semplici esercizi applicativi e quesiti basati sull’interpretazione di dataset, tabelle, grafici e output statistici, anche prodotti mediante R.

• riconoscere la domanda scientifica, il disegno dello studio e la natura dei dati;
• distinguere i principali disegni di studio epidemiologico, inclusi studi trasversali, caso-controllo, di coorte e sperimentali, comprendendone caratteristiche, punti di forza e limiti;
• interpretare correttamente le principali misure di frequenza e di associazione epidemiologica;
• riconoscere le principali fonti di bias e i potenziali fattori di confondimento;
• scegliere il metodo o il modello statistico appropriato in funzione dell’outcome, del disegno dello studio e della struttura dei dati;
• distinguere tra analisi univariate e multivariate e motivare la scelta delle variabili da includere nei modelli di aggiustamento;
• distinguere tra stime grezze e aggiustate e interpretare coefficienti, misure di associazione, intervalli di confidenza e p-value;
• interpretare i risultati dei principali modelli di regressione, inclusi regressione lineare, logistica, di Poisson e di Cox, e delle analisi di sopravvivenza mediante curve di Kaplan-Meier;
• valutare criticamente i risultati nel contesto biomedico ed epidemiologico, distinguendo tra associazione statistica, predizione e interpretazione causale;
• comprendere le principali problematiche statistiche associate ai dati omici e ad alta dimensionalità, inclusi i confronti multipli e il controllo del False Discovery Rate

Non sarà richiesta la memorizzazione della sintassi dei comandi R. Sarà invece valutata la capacità di comprendere la finalità delle analisi effettuate, leggere correttamente gli output, scegliere il modello appropriato, comprendere come aggiustarlo e interpretarne i risultati.

La valutazione del modulo concorre alla determinazione del voto finale dell’insegnamento integrato.

1. Fondamenti di biostatistica e introduzione all’analisi dei dati con R
Popolazione e campione. Unità statistica. Parametri e stime. Tipologie di variabili. Outcome, esposizioni, predittori e covariate. Distribuzione dei dati. Frequenze e proporzioni. Media, mediana, quantili, deviazione standard e intervallo interquartile. Rappresentazione grafica dei dati. Variabilità biologica e campionaria.
Introduzione alla struttura dei dataset biomedici e all’ambiente R. Importazione, esplorazione, descrizione e rappresentazione dei dati in R.

2. Inferenza statistica e regressione lineare
Variabilità campionaria ed errore standard. Stima puntuale e intervallo di confidenza. Logica del test di ipotesi. P-value. Errori di I e II tipo. Significatività statistica e rilevanza biologica o clinica.
Introduzione al modello di regressione lineare. Outcome continuo. Interpretazione dei coefficienti. Predittori continui e categoriali. Categoria di riferimento. Modelli univariati e multivariati.
Applicazione e interpretazione dei modelli lineari in R.

3. Epidemiologia e regressione logistica
Principali disegni di studio epidemiologico: studi trasversali, studi caso-controllo, studi di coorte e studi sperimentali.
Popolazione a rischio. Prevalenza, incidenza, rischio e tasso.
Misure di associazione ed effetto: differenza di rischio, rischio relativo e odds ratio.
Regressione logistica per outcome binari. Odds e odds ratio. Interpretazione dei coefficienti e degli intervalli di confidenza. Modelli logistici univariati e multivariati.
Applicazioni in R a dati clinici ed epidemiologici.

4. Confondimento, modificazione d’effetto e aggiustamento dei modelli
Concetto di confondimento. Distinzione tra esposizione, predittore, confondente, mediatore e modificatore d’effetto.
Stime grezze e stime aggiustate. Introduzione all’interazione e alla modificazione d’effetto.
Principi per la scelta delle variabili di aggiustamento sulla base della conoscenza biologica e clinica, della letteratura scientifica e del disegno dello studio.
Limiti degli approcci di selezione delle variabili basati esclusivamente sulla significatività statistica.
Introduzione concettuale ai diagrammi causali.
Confronto in R tra modelli grezzi e aggiustati e interpretazione delle variazioni delle stime.

5. Modelli per dati di conteggio e tassi
Dati di conteggio, numero di eventi e tempo-persona. Tassi di incidenza.
Introduzione alla distribuzione di Poisson e alla regressione di Poisson. Rate ratio. Utilizzo dell’offset per l’analisi dei tassi. Cenni al problema dell’overdispersion.
Applicazione in R di modelli di Poisson a dati epidemiologici e interpretazione delle stime.

6. Analisi di sopravvivenza
Dati tempo-evento e censura. Funzione di sopravvivenza. Curve di Kaplan-Meier. Confronto tra curve di sopravvivenza.
Concetto di hazard.
Modello di regressione di Cox. Hazard ratio. Modelli univariati e multivariati. Interpretazione dell’hazard ratio e degli intervalli di confidenza. Concetto di proporzionalità degli hazard.
Costruzione e interpretazione in R di curve di Kaplan-Meier e modelli di Cox.

7. Principi statistici per l’analisi di dati omici
Caratteristiche dei dati omici e ad alta dimensionalità. Variabilità biologica e tecnica. Principi di preprocessing e normalizzazione dei dati.
Problematiche legate all’elevato numero di variabili rispetto alla numerosità campionaria.
Analisi esplorativa dei dati omici.
Confronti multipli e controllo del False Discovery Rate.
Principi generali dell’identificazione di biomarcatori e dell’interpretazione dei risultati di analisi ad alta dimensionalità.
Applicazione mediante R dei principali concetti statistici affrontati nel corso a dataset omici.

Al termine del corso lo studente sarà in grado di:

• riconoscere la struttura e le principali caratteristiche di dati biomedici, clinici ed epidemiologici;
• descrivere e rappresentare in modo appropriato variabili quantitative e qualitative;
• comprendere e interpretare stime puntuali, intervalli di confidenza e test di ipotesi;
• riconoscere i principali disegni di studio epidemiologico, inclusi studi trasversali, caso-controllo, di coorte e sperimentali, comprendendone caratteristiche, punti di forza e principali limiti;
• interpretare le principali misure di frequenza e di associazione epidemiologica;
• riconoscere le principali fonti di bias, il confondimento e la modificazione d’effetto;
• scegliere il metodo o il modello statistico appropriato in relazione alla domanda scientifica, al disegno dello studio, alla natura dell’outcome e alla struttura dei dati;
• applicare e interpretare i principali modelli di regressione lineare, logistica, di Poisson e di Cox e le curve di sopravvivenza di Kaplan-Meier;
• distinguere tra analisi univariate e multivariate e tra stime grezze e aggiustate, motivando la scelta delle principali variabili di aggiustamento;
• comprendere la distinzione concettuale tra associazione statistica, predizione e interpretazione causale;
• utilizzare R per effettuare semplici analisi statistiche su dati biomedici ed epidemiologici e interpretarne correttamente gli output;
comprendere le principali problematiche statistiche associate ai dati omici e ad alta dimensionalità, inclusi confronti multipli, False Discovery Rate, overfitting e validazione;
• interpretare criticamente i risultati delle analisi nel contesto della domanda scientifica e delle caratteristiche del disegno di studio.