.
Datu analīze veselības aprūpē
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:3.00
Kursa apraksta apstiprināšanas datums:07.08.2023 09:49:47
| Par studiju kursu | |||||||||
| Kursa kods: | SL_039 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 4.00 | ECTS: | 6.00 | ||||||
| Zinātnes nozare: | Ekonomika; Sociālā ekonomika | Mērķauditorija: | Veselības vadība | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Māra Grēve | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14a, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 10 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 20 | ||||
| Nodarbības (skaits) | 14 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 28 | ||||
| Kopā kontaktstundas | 48 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Pamatzināšanas matemātikā un informātikā. | ||||||||
| Mērķis: | Datu analīze veselības aprūpē modulis ir sadalīts 3 apakšmoduļos 1. Matemātika un tās pielietojums veselības vadībā 2. Datu apstrāde un datu tipi veselības aprūpē 3. Statistikas un statistikas metožu pielietojums veselības vadībā Apakšmodulis: “Matemātika un tās pielietojums veselības vadībā” Šis modulis ir nepieciešams, lai nodrošinātu studentiem pamata teorētiskās zināšanas statistisko datu apstrādē, kas sniedz zināšanas kvantitatīvo metožu priekšrocībās un ierobežojumos. Apakšmodulis: “Datu apstrāde un datu tipi veselības aprūpē” Šis modulis iepazīstina studentus ar datu klasifikāciju veselības aprūpē, pieejamos datu avotus un datu sagatavošanu kvantitatīvajai analīzei. Apakšmodulis: “Statistikas un statistikas metožu pielietojums veselības vadībā” Šis modulis nodrošina studentiem zināšanas un prasmes visbiežāk lietotajās aprakstošās un slēdzienstatistikas metodēs, regresijā un korelāciju analīzē. Mācību un mācīšanās aktivitātes visiem 3 apakšmoduļiem ietver prezentācijas, lekcijas, gadījuma izpētes, diskusijas un praktiskos darbus. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 2 | Augstākā matemātika, ievads lineārajā algebrā (matricas), grafu teorija. | Lekcijas | 1.00 | datorklase | |||||
| 3 | Ievads varbūtību teorijā, Beijesa varbūtība. | Lekcijas | 1.00 | datorklase | |||||
| 5 | Datu mērskalas, datu konvertācija, matemātiskas operācijas ar datiem un datu ievade. | Lekcijas | 1.00 | datorklase | |||||
| 6 | Datu sagatavošana: datu ievade, datu validācija, trūkstošo datu apstrāde. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Datu filtrēšana, transformācija un jauno mainīgo aprēķināšana, netipiski augsto vai zemo vērtību aprēķināšana. | Nodarbības | 2.00 | datorklase | |||||
| 9 | Aprakstoša statistika, teorētiskie un empīriskie sadalījumi, ticamības intervāli. | Lekcijas | 1.00 | datorklase | |||||
| 10 | Aprakstošās analīzes veikšana programmās Excel un SPSS, datu grafiska reprezentācija un vizualizācija. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Hipotēžu testēšana. Vienizlases statistiskie testi. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| 12 | Statistikie testi neatkarīgiem novērojumiem. Parametriskie un neparametriskie testi. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 2.00 | datorklase | |||||||
| 13 | Statistikie testi atkarīgiem novērojumiem. Parametriskie un neparametriskie testi. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 2.00 | datorklase | |||||||
| 14 | Korelācijas analīze. Regresijas analīze – lineārā un loģistiskā (binomiālā, multinomiālā un ordinālā) regresija.. | Lekcijas | 2.00 | datorklase | |||||
| Nodarbības | 4.00 | datorklase | |||||||
| 15 | Factor analysis - exploratory and confirmatory. | Lekcijas | 1.00 | datorklase | |||||
| Nodarbības | 1.00 | datorklase | |||||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | • Zinātniski pētnieciskās literatūras par datu analīzi un statistikas metodēm apguve. • Individuālā un grupas klases darba izstrāde un prezentācija. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. | ||||||||
| Vērtēšanas kritēriji: | • Iesaistīšanās lekcijās – 25%. • Kvalitāte un termini individuālajos un grupu uzdevumos – 25%. • Eksāmena precizitāte – 50%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Pēc moduļa pabeigšanas studenti: • Demonstrēs zināšanas un pamatidejas lineārajā algebrā, ieskaitot lineārās sistēmas, neatkarību, matricu teoriju un lineāras transformācijas; • Pārzinās datu tipus un datu avotus veselības aprūpē; • Atpazīs terminoloģiju, kas tiek izmantota statistikā un pamata metodes, kas tiek izmantotas publikācijās; • Pārzinās bieži izmantoto programmu (Excel un SPSS) datu apstrādes rīkus; • Pārzinās datu apstrādes kritērijus dažādām statistikas metodēm; • Mācēs korekti interpretēt svarīgākos statistiskos indikatorus. | ||||||||
| Prasmes: | Pēc moduļa pabeigšanas studenti: • Spēs pielietot lineāro sistēmu metodes dažādām problēmām; • Ievadīt un labot datus programmās Exdel un SPSS, identificēt datu tipus un validēt datus; • Sagatavot datus statistiskajai analīzei; • Izvēlēties pareizu datu apstrādes metodi, kā arī, spēs veikt hipotēžu testēšanu; • Analizēt datus ar programmām Excel un SPSS; • Veidot tabulas un diagrammas programmās MS Excel un IBM SPSS, rezultātu attēlošanai; • Pareizi veikt secinājumus no iegūtajiem rezultātiem. | ||||||||
| Kompetences: | Pēc moduļa pabeigšanas studenti: • Spēs pamatot un veikt lēmumus par statistisko datu tipiem, avotiem un apstrādes metodēm; • Atpazīs pareizās metodes, lai veiktu aprēķinus problēmām; • Spēs izmantot pareizās statistiskās metodes, lai sasniegtu pētījuma mērķus, izmantojot programmas Excel un SPSS; • Praktiski pielietot statistiskās metodes lai veiktu pētījuma datu apstrādi. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Lang S. A First Course in Calculus, 5th edition, Springer-Verlag New York, 1986. (klasisks teorijas avots) | ||||||||
| 2 | Ross S. A First Course in Probability, 8th edition, Pearson Education, 2020. | ||||||||
| 3 | Peat J. & Barton B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal, 2nd edition, John Wiley & Sons, 2014. | ||||||||
| 4 | Petrie A. & Sabin C. Medical Statistics at a Glance, 4th edition, Wiley-Blackwell, 2020. | ||||||||
| 5 | Field A. Discovering Statistics using IBM SPSS Statistics, 5th edition, Sage Publications, 2018. | ||||||||
