Biostatistika pro matematickou biologii

Předmět: Biostatistika pro matematickou biologii a biomedicínu

• Kurz E5046 je zaměřen na biostatistiku pro matematické biology a biomedicíny.
• Lektor: Tomáš Pavlík ([email protected])

Přínos kurzu

• Orientace v principech biostatistiky, plánování a hodnocení experimentů.
• Orientace v biostatistických metodách, jejich výpočetní podstatě a předpokladech.
• Schopnost aplikace statistických metod při řešení reálných problémů v biologii a medicíně a interpretace výsledků.
• Schopnost statistického uvažování nad reálnými problémy.
• Kurz je přípravou pro pokročilejší přednášky statistiky a aplikované analýzy dat.
• Biostatistika se dotýká základů biostatistiky, pravděpodobnosti a statistiky.

Požadavky ke zkoušce

• Zkouška bude písemná s ústní částí.
• Písemná část bude 60 bodů, ústní 10 bodů.
• V průběhu semestru budou 2 krátké testy po 15 bodech.
• Možnost vypracování projektu za 20 bodů navíc.

Literatura

• Přednášky
• Skripta: https://www.matematickabiologie.cz/studenti
• Webové stránky: https://portal.matematickabiologie.cz/
• Zvárová J (2001): Základy statistiky pro biomedicínské obory, Karolinum, Praha.
• Zvára K (2006): Biostatistika, Karolinum, Praha.
• Altman DG (1991): Practical statistics for medical research, Chapman&Hall/CRC, London.
• Zar JH (1999): Biostatistical analysis, Prentice-Hall, New Jersey.

Přednáška I. Úvod do biostatistiky

• Motivační příklady
• Co je biostatistika, čím se zabývá
• Klíčové principy biostatistiky

1. Příklady použití biostatistiky

1. Modelování odpovědi pacientů s CML na léčbu TKI

• Primární cíl studie: identifikovat charakteristiky pacientů s CML (chronická myeloidní leukemie) spojené s prodlouženou dobou do kompletní cytogenetické odpovědi (CCgR) nebo major molecular response (MMR) k terapii imatinibem.
• Studie hodnotí přežití pacientů po léčbě TKI v časovém horizontu.

1. Modelování CML – výběr proměnných modelu

• Spolehlivost: cluster analysis, principal component analysis, pro identifikaci vysoce korelovaných prognostických faktorů.
• Vědecký přístup: čtyři odlišné clustery a dvě různé klinické proměnné identifikovány pomocí mnohonásobných technik.

1. Modelování CML – regresní diagnostika

• Regresní diagnostika ověřuje, zda model adekvátně popisuje data.
• Vyloučeny vlivy: vlivy vnímavějších pozorování (outlierů), celkem 5 vyloučeno, finální model 192 pozorování.

1. Modelování CML – výsledný model

• Rizikové faktory: identifikované s konečným modelem v závislosti na dosažení cytogenetické nebo molekulární odpovědi na terapii imatinibem u pacientů s CML v roce 2004.
• Počet pacientů: 192 (Rizikový faktor, Kategorie rizika/Základní kategorie, Rizikový poměr, 95% CI, p-hodnota).

2. Hodnocení distribuce a dostupnosti zdravotní péče

• Resekce prsu pro ZN v roce 2017.
• Hodnocení prostorového rozložení výkonů.
• N = 5312, odstraňování prsu i s mízními uzlinami.
• Kategorie typů zdravotnických zařízení (ZZ), počet hospitalizace pacientů v jednotlivých nemocnicích.
• Oddělení s rekonstrukcemi: minimální (N=54).

2. Hodnocení distribuce a dostupnosti zdravotní péče (respekce s rekonstrukcí)

• N = 54
• Minimální počet rekonstrukce prsu.

2. Hodnocení distribuce a dostupnosti zdravotní péče (počet hospitalizačních případů)

• Novorozenci: s hodnotami hmotností, % změna.
• Kategorie hmotnosti: do 999 g, 1000-1499 g, 1500-1999 g, 2000-2499 g, více než 2500 g.

3. Vícestavový model pro CML

• Vícestavový model pro CML popisuje různé stavy pacientů a jejich přechody mezi stavy.
• Fáze léčby, smrt, záchvat.

3. Vícestavový model pro CML (cumulative incidence)

• Predikce kombinované incidence.
• Predikce leukaemie bez přežití.

4. Hodnocení bezpečnosti inzulinového analogu u diabetiků

• Studie Hemkens a kol. (2009) ukazuje na zvýšené riziko nádorů při užívání inzulinu glargin v porovnání s humánním inzulinem.

4. Observační studie

• Přednosti observačních studií ve srovnání s randomizovanými studiemi.

4. Problémy hodnocení

• Adjuastace na dávkování inzulinu
• Krátká doba sledování pacientů.
• Vyloučení pacientů s užíváním kombinované terapie.
• Závěr: Studie Hemkens a kol. (2009) není z hlediska statistiky korektní a její výsledky nelze interpretovat.

Klíčové aspekty biostatistiky

• Modelování demografických struktur.
• Hodnocení úspěšnosti screeningových programů.
• Identifikace vlivu genetických a vnějších rizikových faktorů na vznik nemocí.
• Identifikace podskupin.
• Prostorové modelování koncentrací.

Klíčové aspekty – zkreslení

• Popis zavádějících faktorů.
• Příklady zkreslení.
• Interní a externí validita studie.

Klíčové aspekty - reprezentativnost

• Popis cílové populace.
• Vzorek odpovídá cílové populaci.

Klíčové aspekty - srovnatelnost

• Korektní výsledky v srovnávacích analýzách.
• Srovnávací analýzy kontrolovaných studií, randomizovaných.
• Adjuastace, matching, propensity scores.

Klíčové aspekty – spolehlivost

• Odhad hodnot.
• Chyby prvního a druhého druhu, hladiny významnosti.

Klíčové aspekty – významnost

• Statistiky významnosti.
• Praktická významnost a spojení se skutečností.

Shrnutí obsahu:

• Materiál podrobně zkoumá koncepty a metodiky v biostatistice, s důrazem na aspekty spolehlivosti, reprezentativnosti a srovnatelnosti, včetně analýzy dat a zkreslení.

Tento kurz se zaměřuje na biostatistiku v kontextu matematické biologie a biomedicíny. Studenti se naučí aplikovat biostatistické metody na reálné problémy a interpretovat výsledky experimentů. Kurz připravuje účastníky na pokročilé oblasti statistiky a analýzy dat.