Identifying Data 2023/24
Subject (*) Estatística Aplicada a Ciencias da Saúde Code 653862305s
Study programme
Máster Universitario en Asistencia e Investigación Sanitaria (semipresencial)
Descriptors Cycle Period Year Type Credits
Official Master's Degree 1st four-month period
First Optional 3
Language
Spanish
Teaching method Hybrid
Prerequisites
Department Matemáticas
Coordinador
Jacome Pumar, Maria Amalia
E-mail
maria.amalia.jacome@udc.es
Lecturers
Jacome Pumar, Maria Amalia
Vilar Fernandez, Juan Manuel
E-mail
maria.amalia.jacome@udc.es
juan.vilar@udc.es
Web http://www.mastermais.udc.es/
General description Coñecer as técnicas estatísticas básicas para a análise de datos
procedentes das ciencias da saúde, identificar o ámbito de aplicación de cada unha,
comprender as hipóteses estruturais requiridas polos distintos modelos e diagnosticar o
posible incumprimento destas.

Study programme competencies
Code Study programme competences
A1 Adquirir la capacidad para elegir y aplicar las metodologías de investigación más adecuadas a la investigación planteada
A2 Desarrollar la capacidad para el diseño experimental y el completo desarrollo de proyectos de investigación en el ámbito sanitario, desde la formulación de la hipótesis de investigación hasta la comunicación de los resultados
A5 Adquirir el conocimiento de la realidad investigadora en un ámbito concreto de las ciencias de la salud
B1 Ser capaz de aplicar el método científico en la planificación y el desarrollo de la investigación sanitaria
B2 Tener fluidez y propiedad en la comunicación científica oral y escrita
B3 Adquirir el compromiso por la calidad del desarrollo de la actividad investigadora
B4 Desarrollar la capacidad de análisis y de síntesis
B5 Obtener la habilidad para manejar distintas fuentes de información
B6 Ser capaz de trabajar de forma colaborativa en equipos multi e interdisciplinar
B8 CB6 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B9 CB7 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B11 CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
B12 CB10 Que los estudiantes posean las habillidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
C1 Expresarme correctamente, tanto de forma oral como escrita, en las lenguas oficiales de la comunidad autónoma
C3 Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida
C7 Desarrollar la capacidad de trabajar en equipos interdisciplinares o transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible ambiental, económico, político y social
C8 Valorar la importancia que tiene la investigación , la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad
C9 Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer plazos y cumplirlos

Learning aims
Learning outcomes Study programme competences
AR1
AR2
AR5
BR1
BR2
BR3
BR4
BR5
BR6
BR8
BR9
BR11
BR12
CR1
CR3
CR7
CR8
CR9

Contents
Topic Sub-topic
Tema 1. Exploración de datos 1. Conceptos preliminares
2. Descrición de variables cuantitativas
3. Descrición de variables cualitativas
4. Táboas de frecuencia
5. Representacións gráficas
6. Medidas características
7. Exploración conxunta de dúas ou máis variables
8. Medidas de asociación
9. Coeficiente de correlación
10. Introdución ao R commander
Tema 2. Modelos de probabilidade 1. Concepto de probabilidade. Cálculo de probabilidades.
2. Teorema das probabilidades totais e de Bayes.
3. Concepto de variable aleatoria
4. Principais distribucións de probabilidade discretas
5. Principais distribucións de probabilidade continuas: a distribución normal
6. Exemplos con datos simulados
Tema 3. Introducción á inferencia estadística 1. Elección de mostras aleatorias
2. Concepto de distribución na mostraxe
3. Definición de estimador. Propiedades dun estimador.
4. Estimación puntual. Algúns estimadores importantes.
Tema 4. Intervalos de confianza 1. Intervalos de confianza para a media. Cálculo do
tamaño muestral
2. Intervalos de confianza para a varianza
3. Intervalos de confianza para unha proporción
4. Intervalos de confianza para a diferenza de medias
5. Intervalos de confianza para o cociente de varianzas
6. Intervalos de confianza para a diferenza de proporcións.
Tema 5. Contrastes de hipótesis 1. Hipótese nula e alternativa
2. Concepto de p-valor
3. Contrastes de hipóteses para unha poboación: sobre a media, a varianza e para unha proporción
4. Contrastes de normalidade
5. Contrastes de hipóteses para dúas poboacións: sobre a diferenza de medias, o cociente de varianzas e para a diferenza de proporcións

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
ICT practicals A1 A2 B1 B4 B5 B9 B11 B12 C1 C7 C8 4 20 24
Case study A1 A2 A5 B1 B2 B3 B4 B5 B6 B8 B11 B12 C1 C3 C8 C9 2 20 22
Mixed objective/subjective test A1 B1 B11 B12 C3 2 3 5
Collaborative learning A1 A2 B1 B4 C3 C8 6 18 24
 
Personalized attention 0 0
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
ICT practicals Metodología que permite al alumnado aprender de forma
efectiva, a través de actividades de carácter práctico (demostraciones,
simulaciones, etc.) la teoría de un ámbito de conocimiento, mediante la utilización de las
tecnologías de la información y las comunicaciones. Las TIC suponen un
excelente soporte y canal para el tratamiento de la información y aplicación práctica
de conocimientos, facilitando el aprendizaje y el desarrollo de habilidades por parte
del alumnado.
Prácticas en ordenador con software estadístico (R y RCommander).

Case study Metodología donde el sujeto se enfrenta la descripción
de una situación específica que expone un problema que ha de ser comprendido,
valorado y resuelto por un grupo de personas, a través de un proceso de discusión.
El alumno se sitúa ante un problema concreto (caso), que le describe una situación
real de la vida profesional, y debe ser capaz de analizar una serie de hechos,
referentes a un campo particular del conocimiento o de la acción, para llegar a una
decisión razonada a través de un proceso de discusión en pequeños grupos de trabajo.
Supuestos prácticos. Análises de datos.
Mixed objective/subjective test Proba que integra preguntas tipo de probas de ensaio e
preguntas tipo de probas obxectivas. En canto a preguntas de ensaio, recolle
preguntas abertas de desenvolvemento. Ademais, en canto preguntas obxectivas, pode
combinar preguntas de resposta múltiple, de ordenación, de resposta breve, de discriminación,
de completar e/ou de asociación.
Proba na que se avalían os coñecementos teóricos e aplicados adquiridos polo alumno. Consta de preguntas sobre conceptos da materia e aplicacións destes a conxuntos de datos.
Collaborative learning Conxunto de procedementos de ensino / aprendizaxe
guiados de forma presencial e/ou apoiados con tecnoloxías da
información e as comunicacións, que se basean na organización da clase en pequenos
grupos nos que o alumnado traballa conxuntamente na resolución de tarefas
asignadas polo profesorado para optimizar a súa propia aprendizaxe e o dos
outros membros do grupo.

Personalized attention
Methodologies
Case study
ICT practicals
Mixed objective/subjective test
Description
Asistencia e participación nas clases teóricas.
Participación en prácticas e seminarios.
Suposto práctico a realizar polo alumno.
Exame escrito de análise de datos utilizando software estadístico.

Assessment
Methodologies Competencies Description Qualification
Case study A1 A2 A5 B1 B2 B3 B4 B5 B6 B8 B11 B12 C1 C3 C8 C9 Suposto práctico. Análise de datos. A entrega da práctica é VOLUNTARIA. Si entrégase e obtense unha cualificación inferior a seis, non repercute na cualificación final da asignatura. Si na práctica voluntaria obtense unha cualificación superior a seis, si inflúe positivamente na cualificación final da asignatura. 30
Mixed objective/subjective test A1 B1 B11 B12 C3 Proba na que se evalúan os coñecementos teóricos e aplicados adquiridos polo alumno. Consta de preguntas sobre conceptos e aplicación dos mesmos a conxuntos de datos.
Esta proba é PRESENCIAL para todos os alumnos, tanto para os da modalidade presencial como os da modalidade on-line. a proba realizarase no lugar e hora fixada pola dirección do Máster.
Para aprobar a asignatura é obligatorio obter polo menos un CATRO nesta proba.
70
 
Assessment comments

Cualificación da asignatura • Para aprobar a asignatura hai que obter polo menos un CATRO no exame. Si a nota do exame é menor que CATRO, a cualificación da asignatura é a cualificación do exame. • A Práctica é VOLUNTARIA. • Si non se presenta práctica ou si a cualificación da práctica é inferior a SEIS, a cualificación da práctica non inflúe na cualificación final. Neste caso, a cualificación da asignatura é a cualificación do exame. • Si o alumno presenta práctica voluntaria e obtuvese unha cualificación superior a SEIS, si se ten en conta na cualificación final da asignatura. •  A cualificación máxima da Práctica Voluntaria e de TRES puntos na valoración final da asignatura. Si un alumno obtén P puntos na práctica a valoración do examen e sobre 10-P (a valoración total da asignatura non pode ser superior a 10 puntos).


Sources of information
Basic Woolson, R. F.; Clarke, W. R (2002). Statistical Methods for the Analysis of Biomedical Data. Wiley
Ricardo Cao, Mario Francisco, Salvador Naya, Manuel Presedo, Margarita Vázquez, José A. Vilar e Juan (2001). Introducción a la Estadística y sus Aplicaciones. Ediciones Pirámide
Juan M. Vilar Fernández (2021). Material da asignatura en Moodle e Teams. Moodle e Teams
Juan M. Vilar Fernández (2006). Modelos Estadísticos Aplicados. Publicacións da UDC
Dupont, W. D. (2002). Statistical Modeling for Biomedical Researchers. Cambridge University Press
En el Moodle y Teams de la asignatura habrá material audiovisual para el estudio de la asignatura. Las transparencias de todos los temas de la asignatura con comentarios de audio. Vídeos de las clases en los que se explican todos los temas de la asignatura, se hacen problemas y se desarrollan ejercicios con RCommander. Archivos pdf donde se indica como descargar e instalar el R y el RCommander. Vídeos en los que se desarrolla de manera completa una práctica de análisis de datos utilizando RCommander.
Complementary


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously
Información Científica e Busca de Información en Ciencias da Saúde/653862301s

Subjects that continue the syllabus
Modelos Estatísticos para a Investigación Clínica/653862328s
Análise de Supervivencia e Probas Diagnósticas/653862333s

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.