Il corso si articola in 8 moduli di 16 ore ciascuno (3 giorni al mese, una giornata da 8 e due da 4), per un totale di 128 ore.
Calendario e Piano degli Studi
Le attività di didattica formale in aula si svolgeranno all’Università Cattolica del Sacro Cuore – Sede di Roma a partire dal mese di marzo 2019.
Modulo 1: Introduzione ai Big Data in sanità
Lezione 1: Introduzione ai Big Data. Classificazione dei Big Data. Dati strutturati e dati non strutturati.
Lezione 2: Potenzialità e problematiche nell’analisi di Big Data. Procedimenti supervisionati e procedimenti non supervisionati.
Lezione 3: Modalità di analisi dei big data (case studies)
Modulo 2: Elementi di statistica descrittiva ed inferenziale
Lezione 4: le analisi preliminari dei dati, le rappresentazioni grafiche e le distribuzioni di frequenza, singole e multiple, utili per la costruzione di report;
Lezione 5: Introduzione al linguaggio R ed ai pacchetti SPSS e STATA. Laboratorio di statistica descrittiva in Excel e nei linguaggi R, SPSS e STATA
Lezione 6: Elementi di probabilità. Deduzione ed induzione: dal campione alla popolazione. Il problema della inferenza statistica: inferenza Fisheriana ed Inferenza Bayesiana. La stima ed il test di ipotesi. Teoria statistica delle decisioni in ambito sanitario
Modulo 3: Modelli regressione lineare
Lezione 7: Il modello di regressione lineare semplice: utilità ed esempi di possibili impieghi in sanità
Lezione 8: Stima dei parametri. Lineare multipla, l’analisi dei residui, analisi della varianza a una e più vie, modelli lineari generali.
Lezione 9: Casi di studio ed applicazioni in sanità. Laboratorio in Excel e nei linguaggi R, SPSS e STATA
Modulo 4: Modelli non lineari e non parametrici
Lezione 10: Modelli a scelte discrete: probit, logit, multinomiali
Lezione 11: Modelli non parametrici: Regressione kernel, regressione polinomiale, minimi quadrati penalizzati e funzioni spline.
Lezione 12: Casi di studio ed applicazioni in sanità. Laboratorio nei linguaggi R SPSS e STATA
Modulo 5: Metodi di analisi della sopravvivenza
Lezione 13: La logica dei metodi e la curva di Kaplan Meier
Lezione 14: Il Logrank test e la regressione di Cox. Casi di studio ed applicazioni in sanità.
Lezione 15: Laboratorio nei linguaggi R SPSS e STATA
Modulo 6: Modelli di dati spaziali
Lezione 16: Tipologie di dati spaziali: punti, linee, aree e superfici. Modelli per dati puntuali.
Lezione 17: Modelli econometrici di dati spaziali (Modello a ritardo spaziale, modello ad errore spaziale, modello SARAR).
Lezione 18: Laboratorio nel linguaggio R e STATA
Modulo 7: Modelli di dati storici
Lezione 16: Tipologie di dati storici: series storiche in tempo discreto ed in tempo continuo, flussi e consistenze.
Lezione 17: Modelli di serie storiche (Modello autoregressivi e a media mobile, modelli di serie non stazionarie) Previsioni da serie storiche.
Lezione 18: Laboratorio nel linguaggio R e STATA
Modulo 8: Modelli per le decisioni e modelli non supervisionati
Lezione 22: Introduzione ai modelli decisionali. Alberi decisionali e Budget impact analysis. CEA (Cost-effectiveness analysis).
Lezione 23: Decisioni supportate dai dati. Data science ed uso dei Big Data nei processi decisionali. Metodi di analisi non supervisionata: metodi di classificazione
Lezione 24: Laboratorio nel linguaggio R e STATA
Software utilizzati: Excel. Stata. R. SPSS