.
Biostatistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:4.00
Kursa apraksta apstiprināšanas datums:12.08.2022 10:59:25
| Par studiju kursu | |||||||||
| Kursa kods: | SL_007 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Klīniskā farmācija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Vinita Cauce | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Kapseļu iela 23, 2.stāvs, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 0 | Lekciju ilgums (akadēmiskās stundas) | 0 | Kopā lekciju kontaktstundas | 0 | ||||
| Nodarbības (skaits) | 8 | Nodarbību ilgums (akadēmiskās stundas) | 3 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Vidējās izglītības līmenim atbilstošas zināšanas matemātikā un informātikā. | ||||||||
| Mērķis: | Nodrošināt studentiem iespēju iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs (aprakstošā statistika, slēdzienstatistikas metodes atšķirību novērtēšanai un analītiska statistika), kas nepieciešamas zinātniski pētnieciskā darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads statistikā, statistikas loma klīniskajos pētījumos. Datu veidi, mērskalas. Datu ievade, datu pārbaude un datnes sagatavošana MS Excel un SPSS. Iepazīšanās ar IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 2 | Aprakstošās statistikas rādītāji kvalitatīviem un kvantitatīviem datiem. Normālsadalījums un tā raksturojošie aprakstošās statistikas rādītāji. Tabulu un diagrammu veidošana, to atbilstoša noformēšana. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Hipotēžu pārbaudes. Parametriskie un neparametriskie testi kvantitatīvajiem datiem. | Nodarbības | 1.00 | datorklase | |||||
| 4 | Hipotēžu pārbaude. Kvalitatīvo datu testi. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Korelācijas un regresijas analīze. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Regresijas analīze. ROC līknes. | Nodarbības | 0.50 | datorklase | |||||
| 7 | Dzīvildzes analīze. | Nodarbības | 0.50 | datorklase | |||||
| 8 | Izlases apjoma aprēķināšana (t.sk. klīniskajos) pētījumos. Zinātniskās publikācijas analīzes prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| 9 | Patstāvīgā darba prezentācija. | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Individuālais darbs ar literatūru – sagatavošanās katrai nodarbībai atbilstoši tematiskajam plānam. 2. Pastāvīga zinātniskās publikācijas analīze. 3. Noslēguma darbs – katram studentam tiks sagatavota pētījuma datne (students var izmantot sava pētījuma datus) ar definētiem pētījuma uzdevumiem. Studentam vajadzēs statistiski apstrādāt datus, atbilstoši uzdevumiem, aprakstīt iegūtos rezultātus noslēguma darbā, noformēt darbu, atbilstoši prasībām un prezentēt iegūtos rezultātus pēdējā nodarbībā. | ||||||||
| Vērtēšanas kritēriji: | Līdzdalība praktiskajās nodarbībās. Apgūto statistisko terminu un metožu praktiskā pielietojuma pārbaude. Lai saņemtu sekmīgu vērtējumu: 1. Daudzatbilžu tests ar teorētiskiem jautājumiem statistikā – 50% 2. Zinātniskās publikācijas analīzes mutiska prezentācija – 30% 3. Noslēguma darba mutiska prezentācija – 20% | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Pēc sekmīgas studiju kursa prasību izpildes studējošie būs apguvuši zināšanas, kas ļaus: Korekti lietot statistiskos pamatjēdzienus; Raksturot mērījumu un anketu datus, izmantojot statistiskos rādītājus un datu vizualizāciju. | ||||||||
| Prasmes: | Pratīs definēt statistikas pamattestu hipotēzes; Pratīs uzzīmēt normālsadalījumu un aprēķināt tā galvenos raksturojošos parametrus; Pratīs aprēķināt Pīrsona un Spīrmena korelāciju koeficientus; Pratīs aprēķināt un analizēt regresijas vienādojumu; Pratīs aprēķināt neatkarīgo un atkarīgo izlašu t-testus; Pratīs veikt Pīrsona hī kvadrāta un Fišera eksakto testu; Pratīs lietot apstrādes programmu IBM SPSS datu apstrādei un vizualizācijai; Pratīs novērtēt kvantitatīvo datu atbilstību normālsadalījuma esamībai; Pratīs veikt dispersiju analīzi (ANOVA); Pratīs veikt neparametriskos testus – Manna-Vitnija, Vilkoksona, Frīdmena un Kruskala-Vallisa; Pratīs veikt Kaplana-Meijera izdzīvotības analīzi; Pratīs darboties IBM SPSS datorprogrammas vidē ar datu atlasi un veikt nepieciešamos aprēķinus; Pratīs formulēt nepieciešamos analīzes statistiskos testus; analizēt savus iegūtos datus; spēs tos adekvāti apstrādāt un izdarīt izrietošus un pamatotus secinājumus. | ||||||||
| Kompetences: | Studiju kursa apguves rezultātā studenti būs spējīgi patstāvīgi veikt pamatdarbības IBM SPSS vidē, veicot datu apstrādi, vizualizāciju un nepieciešamos aprēķinus. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Teibe U. Bioloģiskā statistika. Rīga: LU Akadēmiskais apgāds, 2007, p 155. (akceptējams izdevums) | ||||||||
| 2 | Field A. Discovering Statistics using IBM SPSS Statistics. 5th edition, 2018. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Altman D. Practical Statistics for Medical Research. Chapman & Hall, 1999, pp. 612. | ||||||||
