DISEGNO E ANALISI DELLE PROVE CLINICHE
(obiettivi)
L' obiettivo formativo primario dell’insegnamento è l'apprendimento delle principali tecniche statistiche impiegate per la progettazione e l’analisi delle prove cliniche in ottica frequentista e bayesiana.
Obiettivi specifici a) Conoscenza e capacità di comprensione Dopo aver frequentato il corso gli studenti conoscono le caratteristiche dei più noti disegni sperimentali utilizzati in ambito clinico. Sono in grado di implementare le principali procedure di analisi delle prove cliniche randomizzate a partire da dati di diversa natura (normali, binari, di conteggio e di sopravvivenza). Sanno interpretare criticamente i risultati, confrontando le potenzialità degli approcci inferenziali frequentista e Bayesiano. Inoltre, sono in grado di applicare procedure di selezione della dimensione campionaria ottima basate su diversi criteri.
b) Capacità di applicare conoscenza e comprensione Al termine del corso gli studenti sono in grado di applicare, anche mediante l’utilizzo del software R, le conoscenze acquisite nella pianificazione dello studio clinico e nell'interpretazione dei risultati dell’analisi statistica.
c) Autonomia di giudizio Gli studenti, attraverso lo studio e le diverse applicazioni pratiche mostrate durante le lezioni anche con l’ausilio del software R, sviluppano il senso critico derivante dal confronto tra metodologie di analisi e di disegno basate su approcci differenti. Acquisiscono, inoltre, capacità di giudizio autonomo che permettono di individuare i metodi più appropriati per analizzare dati clinici, selezionare opportunamente il numero di pazienti da arruolare e scegliere le più adeguate strategie di monitoraggio.
d) Abilità comunicativa Gli studenti, attraverso lo studio e lo svolgimento di esercizi pratici acquisiscono il linguaggio tecnico-scientifico della disciplina, che deve essere opportunamente utilizzato sia nelle prove scritte che orali.
e) Capacità di apprendimento Gli studenti che superano l’esame, con riferimento a dati clinici, hanno approfondito tematiche riguardanti l’applicazione di metodi inferenziali per l’analisi e il disegno dello studio basati sugli approcci frequentista e Bayesiano. Ciò permette di sviluppare capacità autonome di confronto tra diverse procedure. Inoltre, le attività di gruppo, che prevedono l’utilizzo del software R, sviluppano abilità comunicative e potenziano capacità di programmazione che sicuramente risulteranno utili agli studenti in fase di preparazione della tesi finale.
|
Codice
|
1044607 |
Lingua
|
ITA |
Tipo di attestato
|
Attestato di profitto |
Crediti
|
9
|
Settore scientifico disciplinare
|
SECS-S/01
|
Ore Aula
|
72
|
Ore Studio
|
-
|
Attività formativa
|
Attività formative caratterizzanti
|
Canale Unico
Docente
|
SAMBUCINI VALERIA
(programma)
Il corso introduce le principali tecniche statistiche impiegate per la progettazione e l'analisi delle prove cliniche in ottica frequentista e bayesiana. In particolare ci si sofferma sui seguenti argomenti.
* Introduzione agli studi sperimentali (fattori sperimentali e sub-sperimentali, protocollo di studio, endpoint primari e secondari). Concetto di disegno sperimentale. Tipi di distorsione. Metodi di randomizzazione. Mascheramento dei trattamenti e uso del placebo. Violazioni del protocollo: principi Intention-To-Treat e Per-Protol. Fasi della sperimentazione clinica.
* Richiami delle procedure di stima intervallare e verifica delle ipotesi secondi gli approcci (i) frequentista (intervalli di confidenza e p-value) e (ii) Bayesiano (distribuzione a priori, distribuzione a posteriori, insiemi di credibilità e insiemi HPD, irrilevanza delle regole di arresto).
* Analisi di prove cliniche randomizzate in presenza di (i) dati normali; (ii) dati binari (problemi inferenziali per differenza tra i rischi, rischio relativo e odds ratio); (iii) dati di conteggio (problemi inferenziali per rapporti tra i tassi). Analisi della sopravvivenza: dati censurati, funzione di sopravvivenza, hazard function e cumulative hazard function. Procedure inferenziali per l'analisi di dati di sopravvivenza.
* Analisi bayesiana per dati normali e binari. Distribuzione a posteriori esatta per l'odds ratio. Valutazione della credibilità di risultati statisticamente significativi. Problemi predittivi. Scelta delle distribuzioni iniziali: metodi per (i) elicitare opinioni di esperti, (ii) costruire distribuzioni non-informative, scettiche ed entusiastiche e (iii) sintetizzare l'informazione passata (Power Priors).
* Scelta della numerosità campionaria. Metodi basati su stima intervallare: criteri frequentisti e Bayesiani (Average Coverage Criterion, Average Length Criterion, Worst Outcome Criterion, Length Probability Criterion). Metodi basati su funzioni di potenza frequentista condizionata . Applicazioni al caso di studi di uguaglianza, superiorità, non-inferiorità ed equivalenza (Two-One Sided Test). Metodi basati su funzioni di potenza Bayesiane (two-priors approach). Disegni a due stadi nella seconda fase delle prove cliniche: disegni di Simon (Optimal e Minimax), Single Threshold Design e versione predittiva. Monitoraggio di prove cliniche sequenziali (disegni frequentisti e Bayesiani).
Testo principale:
* D.J. Spiegelhalter, K.R. Abrams, J.P. Myles (2004). Bayesian Approaches to Clinical Trials and Health-Care Evaluation. Wiley.
Materiale fornito dal docente durante l'erogazione del corso: appunti integrativi teorici, slides lezioni e script con applicazioni pratiche con il software R.
|
Date di inizio e termine delle attività didattiche
|
- |
Date degli appelli
|
Date degli appelli d'esame
|
Modalità di erogazione
|
Tradizionale
|
Modalità di frequenza
|
Non obbligatoria
|
Metodi di valutazione
|
Prova scritta
Prova orale
|
|
|