Skip to main content

Στατιστικά μοντέλα μετανάλυσης με την χρήση της R


Κ.Ε.ΔΙ.ΒΙ.Μ. ΕΑΠ
Enrollment is Closed

Οι εγγραφές για τον τρέχοντα κύκλο έχουν πλέον ολοκληρωθεί!


Ο επόμενος κύκλος αναμένεται να ξεκινήσει τον Ιανουάριο! Εφόσον έχετε πραγματοποιήσει την εγγραφή σας στην ηλεκτρονική μας πλατφόρμα (δωρεάν), θα λαμβάνετε ενημερωτικά emails σχετικά με την διεξαγωγή των νέων κύκλων και σεμιναρίων.



Έχετε τη δυνατότητα να παρακολουθήσετε το μάθημα δωρεάν μόνο έως το τέλος της 1ης Εβδομάδας του μαθήματος. Για να συνεχίσετε την παρακολούθησή σας στο συγκεκριμένο μάθημα χρειάζεται να υποβάλετε την αίτηση λήψης Πιστοποιητικού Επιμόρφωσης από το Κέντρο Επιμόρφωσης και Δια Βίου Μάθησης του Ελληνικού Ανοικτού Πανεπιστημίου (ΕΑΠ). Έχετε τη δυνατότητα να υποβάλετε την αίτησή σας επιλέγοντας: "Απόκτηση Πιστοποιητικού" εντός της σελίδας του μαθήματος, αφού κάνετε την εγγραφή σας.

Η υποβολή της αίτησης μπορεί να πραγματοποιηθεί μέχρι τη λήξη της 1ης Εβδομάδας του μαθήματος.




Σχετικά με το μάθημα

Σκοπός του μαθήματος είναι η εξοικείωση με τη στατιστική μέθοδο της μέτα-ανάλυσης και της μέτα-ανάλυσης δικτύου. Θα παρουσιαστεί η μέθοδος της συστηματικής ανασκόπησης και θα δοθεί ιδιαίτερο βάρος στο κομμάτι της στατιστικής σύνθεσης στοιχείων με τη μέθοδο της μέτα-ανάλυσης. Θα παρουσιαστούν τα βασικά μοντέλα όπως:

•    το μοντέλο σταθερής επίδρασης (fixed effect model) και το μοντέλο τυχαίων επιδράσεων (random effects model)

•    μέθοδοι υπολογισμού και εξερεύνησης της ετερογένειας, όπως η ανάλυση υπο-ομάδων (subgroup analysis) και η μέτα-παλινδρόμηση (meta-regression)

•    μοντέλα διερεύνησης συστηματικού σφάλματος δημοσίευσης (publication bias)

Επιπλέον, θα παρουσιαστεί η μέθοδος της μέτα-ανάλυσης δικτύου (network meta-analysis) και θα δοθεί ιδιαίτερο βάρος στην παρουσίαση και ερμηνεία των αποτελεσμάτων. Θα χρησιμοποιήσουμε βιβλιοθήκες στη γλώσσα προγραμματισμού R για να παρουσιάσουμε όλη τη θεωρία που θα καλύψουμε, καθώς επίσης θα χρησιμοποιήσουμε το λογισμικό CINEMA (confidence in network meta-analysis https://cinema.ispm.unibe.ch/) για να αξιολογήσουμε την εμπιστοσύνη που θα πρέπει να δώσουμε στις εκτιμήσεις που παίρνουμε από τη μέτα-ανάλυση δικτύου.

Προαπαιτούμενα

Κάποιες βασικές γνώσεις στατιστικής όπως έλεγχος υποθέσεων, ανάλυση παλινδρόμησης. Για ευκολία των συμμετεχόντων, προτείνεται να παρακολουθήσουν το μάθημα: "Εισαγωγή στην Στατιστική Ανάλυση Δεδομένων (SPSS)".

Περισσότερες πληροφορίες για το πρόγραμμα: "Εισαγωγή στην Στατιστική Ανάλυση Δεδομένων (SPSS)" εδώ.

Διδάσκων

Course Staff Image #1

Δημήτρης Μαυρίδης

Αναπληρωτής Καθηγητής Στατιστικής, Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης, Πανεπιστήμιο Ιωαννίνων.

Ο Δημήτρης Μαυρίδης είναι Αναπληρωτής Καθηγητής Στατιστικής στο Τμήμα Δημοτικής Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων. Είναι κάτοχος Διδακτορικού Διπλώματος Στατιστικής από το Οικονομικό Πανεπιστήμιο Αθηνών και εργάστηκε ως μετα-διδακτορικός ερευνητής στη Σχολή Μαθηματικών του Πανεπιστημίου του Εδιμβούργου. Τα ερευνητικά του ενδιαφέροντα επικεντρώνονται στις στατιστικές μεθόδους σύνθεσης δεδομένων και ιδιαίτερα στη μέτα ανάλυση και στη μέτα-ανάλυση δικτύου. Ενδιαφέρεται για στατιστικές μεθόδους αντιμετώπισης του συστηματικού σφάλματος δημοσίευσης (publication bias), του προβλήματος ελλιπών τιμών (missing data) καθώς και για άλλες πτυχές της μέτα-ανάλυσης δικτύων. Υπήρξε στατιστικός συντάκτης στο Evidence Based Mental Health (2014-2022) και στο Research Synthesis Methods (2019-2022). Στο περιοδικό Evidence Based Mental Health είναι υπεύθυνος για τη σειρά statistics in practice όπου δημοσιεύονται διδακτικά άρθρα για τη σύνθεση στοιχείων. Από τον Ιανουάριο του 2023 είναι editor-in-chief στο περιοδικό Research Synthesis Methods. Υπήρξε επιστημονικώς υπεύθυνος για πακέτα εργασίας σε δύο έργα HORIZON2020 (OPERAM και COMPAR-EU) όπου συντόνισε αρκετές μετα-αναλύσεις δικτύου. Διδάσκει στο μεταπτυχιακό πρόγραμμα Comparative Effectiveness Research του Πανεπιστημίου του Παρισίου. Έχει δημοσιεύσει περισσότερες από 40 μετα-αναλύσεις σε περιοδικά με υψηλό δείκτη απήχησης όπως τα Lancet, JAMA, BMJ, European Heart Journal, Stroke και πλήθος μεθοδολογικών άρθρων σχετικών με την ανάπτυξη στατιστικών μοντέλων μέτα-ανάλυσης.

Περισσότερες πληροφορίες για τον διδάσκοντα του μαθήματος: εδώ.

Αξίζει να σημειωθεί η διεθνής αναγνώριση του διδάσκοντα κ. Δημήτρη Μαυρίδη στον τομέα της Μετα-ανάλυσης Δικτύου (NMA).

Σύμφωνα με την ερευνητική μελέτη με τίτλο: "A bibliometric analysis of global research output on network meta-analysis" ο Αναπληρωτής Καθηγητής Στατιστικής, Δημήτρης Μαυρίδης κατατάσσεται μεταξύ των κορυφαίων 10 ερευνητών (Top-10) διεθνώς στον τομέα της Μετα-ανάλυσης Δικτύου (NMA), καθώς επίσης και το Πανεπιστήμιο Ιωαννίνων στο οποίο υπηρετεί κατατάσσεται μεταξύ των κορυφαίων 5 Πανεπιστημίων (Top-5).

Υποστήριξη – Επιστημονικοί Συνεργάτες

Γεώργιος Σεϊτίδης

Υποψήφιος Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics (CV)

Κατερίνα-Μαρία Κοντούλη

Υποψήφια Διδάκτωρ Πανεπιστημίου Ιωαννίνων, MSc in Research Methodology in Biomedicine, Biostatistics and Clinical Bioinformatics (CV)

Ουρανία Κουτσιουρούμπα

Επιστημονικός Συνεργάτης, Master science in Biostatistics (CV)

Σοφία Τσοκάνη

Υποψήφια Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics and Operations Research (CV)

Χρήστος Χριστογιάννης

Υποψήφιος Διδάκτωρ Πανεπιστημίου Ιωαννίνων, M.Sc. in Statistics and Operational Research (CV)

Σημειώνεται ότι το πρόγραμμα διεξάγεται με βάση το εγκεκριμένο από το φορέα υλοποίησης χρονοδιάγραμμα.



Ενότητες μαθήματος

Ενότητα 1: Εισαγωγή

Ενότητα 2: Μεγέθη επίδρασης

Ενότητα 3: Είδη μελετών - Συστηματική Ανασκόπηση

Ενότητα 4: Μοντέλο σταθερής επίδρασης και μοντέλο τυχαίων επιδράσεων

Ενότητα 5: Διερεύνηση ετερογένειας: Ανάλυση υπο-ομάδων και μέτα-παλινδρόμηση

Ενότητα 6: Συστηματικό σφάλμα δημοσίευσης

Ενότητα 7: Μετα-ανάλυση με τη χρήση της R

Ενότητα 8: Εισαγωγή στη Mέτα-ανάλυση δικτύου

Ενότητα 9: Παρουσιαση αποτελεσμάτων μέτα-ανάλυσης δικτύου

Ενότητα 10: Μέτα-ανάλυση δικτύου με τη χρήση της R

Ενότητα 11: Παρουσίαση λογισμικού: CINEMA


Οδηγός Σπουδών Προγράμματος

Μπορείτε να δείτε περισσότερες πληροφορίες στον οδηγό σπουδών του προγράμματος.
Δείτε τον οδηγό σπουδών εδώ.


Σε ποιους απευθύνεται

Το μάθημα απευθύνεται:

•     Σε ερευνητές, επαγγελματίες από το χώρο της υγείας που θέλουν είτε να διεξάγουν μια μέτα-ανάλυση ή να είναι σε θέση να την κατανοήσουν

Τι θα μου προσφέρει το μάθημα

Με την ολοκλήρωση του μαθήματος αναμένεται οι συμμετέχοντες να

✔    Γνωρίζουν τα στάδια μιας συστηματικής ανασκόπησης.

✔    Γνωρίζουν τα διάφορα είδη μελετών.

✔    Γνωρίζουν τα μεγέθη επίδρασης.

✔    Γνωρίζουν ποια γραφήματα και στατιστικά είναι απαραίτητα για την πλήρη παρουσίαση μιας μετα-ανάλυσης και μιας μέτα-ανάλυσης δικτύου.

✔    Γνωρίζουν μεθόδους διερεύνησης της ετερογένειας και της ύπαρξης συστηματικού σφάλματος δημοσίευσης.

✔    Ερμηνεύουν σωστά και να κατανοούν τόσο μια κλασική μέτα-ανάλυση, όσο και μια μέτα-ανάλυση δικτύου.

✔    Σχεδιάζουν και να διεξάγουν τόσο μια κλασική μέτα-ανάλυση, όσο και μια μέτα-ανάλυση δικτύου.

✔    Αναγνωρίζουν τη σπουδαιότητα της Στατιστικής στην καθημερινότητα.

✔    Κρίνουν και αξιολογούν κατάλληλα τα στατιστικά αποτελέσματα αποφεύγοντας παρανοήσεις.

✔    Αντιπαραβάλλουν δεδομένα στατιστικών αναλύσεων.

Για τη λήψη πιστοποιητικού απαιτείται

1. Επιτυχής ολοκλήρωση των εργασιών του μαθήματος

Συγκεκριμένα:

✔    Η αξιολόγηση των εκπαιδευόμενων πραγματοποιείται μέσω ασκήσεων και ερωτήσεων κλειστού τύπου (Quiz), οι οποίες βασίζονται στο περιεχόμενο των βιντεοδιαλέξεων. Για την επιτυχή ολοκλήρωση του μαθήματος ο τελικός βαθμός σε κάθε κατηγορία ασκήσεων από τις παρακάτω θα πρέπει να είναι μεγαλύτερος ή ίσος του 50%. Συγκεκριμένα, χρειάζεται βαθμολογία:


•    μεγαλύτερη ή ίση του 50% στα Quiz Ενοτήτων

•    μεγαλύτερη ή ίση του 50% στα Quiz Εβδομάδας

•    μεγαλύτερη ή ίση του 50% στα Mini Project Εβδομάδας


2. Καταβολή σχετικού αντιτίμου

Επισημαίνεται ότι, τα δύο παραπάνω κριτήρια χρειάζεται να ισχύουν στον ίδιο κύκλο του προγράμματος.

Ενημερωθείτε για το κόστος συμμετοχής από τον πίνακα στο πάνω μέρος αυτής της σελίδας.


Επικοινωνία

•    e-mail: info@coursity.gr


  1. Course Number

    MetAnal
  2. Classes Start

    14 Οκτωβρίου 2024
  3. Estimated Effort

    150 (6 ECTS)
  4. Cost of attendance

    Free
  5. Verified Certificate

    €280