.
Matemātiskās statistikas metodes veselības zinātnēs I
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:3.00
Kursa apraksta apstiprināšanas datums:30.04.2024 09:13:25
| Par studiju kursu | |||||||||
| Kursa kods: | SL_043 | LKI līmenis: | 8. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Ārstniecība; Farmācija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Māra Grēve | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 2 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 4 | ||||
| Nodarbības (skaits) | 4 | Nodarbību ilgums (akadēmiskās stundas) | 3 | Kopā nodarbību kontaktstundas | 12 | ||||
| Kopā kontaktstundas | 16 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Nepieciešamas Matemātikas un informātikas zināšanas. | ||||||||
| Mērķis: | Sniegt zināšanas par statistikas jēdzienu izmantošanu veselības zinātnēs un radīt izpratni par uz pierādījumiem balstītas medicīnas nozīmi veselības aprūpē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Statistikas loma pētījuma procesā. Aprakstošās statistikas un slēdzienstatistikas būtība. Hipotēžu pārbaudes principi ar P-vērtību un ticamības intervāliem. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Datu veidi un mērskalas. Normālsadalījuma jēdziens. Datu analīzes metožu dažādība. | Lekcijas | 1.00 | auditorija | |||||
| 3 | Datu sagatavošana analīzei Jamovi programmas vidē. Aprakstošā statistika, vienizlases statistiskie testi | Nodarbības | 1.00 | datorklase | |||||
| 4 | Statistikie testi neatkarīgiem novērojumiem (parametriskie un neparametriskie testi). | Nodarbības | 1.00 | datorklase | |||||
| 5 | Statistikie testi atkarīgiem novērojumiem (parametriskie un neparametriskie testi). | Nodarbības | 1.00 | datorklase | |||||
| 6 | Darbs ar studentu datiem vai datu bāzem. Praktisko uzdevumu risināšana, darbs grupās. | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Izveidot tabulu ar plānotā vai esošā pētījuma mainīgo nosaukumiem un datu piemēriem, norādot katram mainīgajam atbilstošo mērskalu. 2. Papildināt zināšanas par statistikas metodēm atbilstoši lekciju un nodarbību plānam, izmantojot obligāto literatūru. 3. Iepazīties ar statistikas metožu aprakstu piemēriem specifikai atbilstošās brīvpieejas zinātniskajās publikācijās. | ||||||||
| Vērtēšanas kritēriji: | Atrisināti praktiskie uzdevumi, strādājot individuāli vai grupās (100%). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus atpazīt statistisko terminoloģiju un izmantotās datu izpētes metodes zinātniskajās publikācijās. | ||||||||
| Prasmes: | Studiju kursa apguves rezultātā studējošie pratīs: • Korekti sagatavot un ievadīt datus Jamovi vidē; • Izveidot un rediģēt tabulas, diagrammas; • Izvēlēties piemērotas datu apstrādes metodes, t.sk., veikt statistisko hipotēžu pārbaudes. | ||||||||
| Kompetences: | Studiju kursa apguves rezultātā studējošie spēs pareizi interpretēt svarīgākos statistiskos rādītājus un praktiski izmantot apgūtās pamata statistiskās metodes pētījumu datu apstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Petrie, A., Sabin, C. Medical Statistics at a Glance. 4th edition, Wiley-Blackwell, 2020. | ||||||||
| 2 | Peat, J., Barton, B. Medical Statistics: A Guide to SPSS, Data Analysis and Critical Appraisal. 2nd edition, John Wiley & Sons, 2014. | ||||||||
| 3 | Field, A. Discovering Statistics using IBM SPSS Statistics. 4th edition, Sage Publications, 2018. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Simpson, S. H. 2015. Creating a Data Analysis Plan: What to Consider When Choosing Statistics for a Study. Canadian Journal of Hospital Pharmacy. 68(4): 311–317. DOI: 10.4212/cjhp.v68i4.1471 | ||||||||
| 2 | Koo, T. K., Li, M. Y. 2016. A Guideline of Selecting and Reporting Intraclass Correlation coefficients for Reliability Research. Journal of Chiropractic Medicine. 15(2), 155–163. DOI: 10.1016/j.jcm.2016.02.012 | ||||||||
| 3 | Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S., N., and Altman, D. G. 2016. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. Eur J Epidemiol. 31(4): 337-350. DOI: 10.1007/s10654-016-0149-3. | ||||||||
| 4 | Andrade, C. 2016. Understanding relative risk, odds ratio, and related terms: as simple as it can get. J. Clin Psychiatry. 76(7): 857-861. DOI: 10.4088/JCP.15f10150. | ||||||||
| 5 | Hopkins, S., Dettori, J. R., Chapman, J. R. 2018. Parametric and Nonparametric Tests in Spine Research: Why Do They Matter? Global Spine J. 8(6): 652–654. DOI: 10.1177/2192568218782679 | ||||||||
| 6 | Nahm, F. S. 2016. Nonparametric statistical tests for the continuous data: the basic concept and the practical use. Korean J. Anesthesiol. 69(1): 8–14. DOI: 10.4097/kjae.2016.69.1.8 | ||||||||
| 7 | Schober, P., Vetter, T. R. 2021. Linear Regression in Medical Research. Anesth Analg. 132(1):108-109. DOI: 10.1213/ANE.0000000000005206. | ||||||||
| 8 | Charan, J., Biswas, T. 2013. How to Calculate Sample Size for Different Study Designs in Medical Research? Indian J Psychol Med. 35(2): 121–126. DOI: 10.4103/0253-7176.116232 | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | Laerd Statistics. Available from: https://statistics.laerd.com/ | ||||||||
