Dados da disciplina
Estatística: regressões e modelos de previsão clínica (PCI062)

Disciplina de natureza Teórico-prática de níveis Doutorado Acadêmico e Mestrado Acadêmico, com carga horária de 120 horas e 4 créditos.


Número de vagas:
15
Data de início: 08/02/2023
Data de término: 15/03/2023
Pré-requisitos
Professores
Horários
Áreas de concentração
Ementa
Estatística prática com métodos avançados aplicados às ciências biológicas e da saúde. Discute métodos análise de dados com exemplos da área clínica da saúde, com ênfase em modelos de regressão. Serão abordados modelos de regressão linear simples e múltiplo, além de modelos de regressão logística. Inclui também discussões de tópicos em escolha, transformações e combinações de preditores, penalização dos modelos, validação interna e externa, demonstração e utilização de modelos de predição (decisão). O curso utilizará um misto de vídeo-aulas expositivas, prática com análise de dados de exemplos e sessões presenciais com oficinas. Para realização da parte prática o aluno já deve ser iniciado no programa de computação estatística R-project, e pode trazer o próprio computador nas sessões presenciais. III - Objetivos: Este curso destina-se permitir que o aluno possa ser introduzido na pratica de elaboração, validação, demonstração e utilização de modelos de predição (decisão) clínica com regressões, de tal forma que ao final do curso ele(a) possa buscar literatura e recursos mais avançados por si e assim utilizar esses recursos no seu objeto de pesquisa. IV - Conteúdos: Introdução a modelos de regressão linear e logístico para fins de predição diagnósticos e prognósticos e suas aplicações; seleção de modelos estatísticos apropriados adequando para delineamentos de estudos, tipos de dados e aplicação; racional e exemplos de dados ausentes e iputação; seleção de preditores; super ajuste e otimismo, avaliação do desempenho (discriminação e calibração) dos modelos com validação interna e externa; formatos de apresentação para utilização na prática clínica. Pré-requisitos: Estatística Aplicada à Pesquisa em Saúde 1, ou conhecimentos de Estatística Básica (com comprovação) e conhecimentos de software R (sem comprovação).
Bibliografia
Material didático fornecido. Ewout W. Steyerberg. Clinical Prediction Models. A Practical Approach to Development, Validation, and Updating. ISBN: 978-0-387-77243-1 e-ISBN: 978-0-387-77244-8. DOI: 10.1007/978-0-387-77244-8 Simon J. Sheather. A Modern Approach to Regression with R. ISBN: 978-0-387-09607-0 e-ISBN: 978-0-387-09608-7 DOI: 10.1007/978-0-387-09608-7
Fechar