.
Cēloņsakarību statistika
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:5.00
Kursa apraksta apstiprināšanas datums:14.03.2024 11:47:32
| Par studiju kursu | |||||||||
| Kursa kods: | SL_114 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Dzīvās dabas zinātnes | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Māris Munkevics | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, Rīga, statistika rsu[pnkts]lv, +371 6706897 | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 6 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 12 | ||||
| Nodarbības (skaits) | 6 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 12 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 6 | Lekciju ilgums (akadēmiskās stundas) | 1 | Kopā lekciju kontaktstundas | 6 | ||||
| Nodarbības (skaits) | 6 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 12 | ||||
| Kopā kontaktstundas | 18 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | • Pārzina varbūtību teoriju un matemātisko statistiku. • Pamatzināšanas „R” programmatūrā. • Pamatzināšanas par lineārajiem modeļiem un statistiskā novērtējuma metodēm. | ||||||||
| Mērķis: | Kursa mērķis ir veidot studentu izpratni par atšķirību starp statistiskajiem modeļiem un cēloņsakarības modeļiem un zināšanas par metodoloģiju, kas ļauj novērtēt cēloņsakarību identificējamību konkrētam pētījumam, kā arī prasmes novērtēt cēloņsakarību parametrus, izmantojot dažus specifiskus analīzes rīkus. Programmatūras pakotne „R” tiks izmantota praktiskajās nodarbībās ar datoriem, kur galvenokārt tiek izmantotas simulācijas metodes, lai pētītu alternatīvo metožu pamatotību. Studenti tiks iepazīstināti arī vairākām specializētām „R” pakotnēm cēloņsakarību secinājumiem. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Izpratne par cēloņsakarībām un to definēšana. Pētījumu veidi, kas ļauj izdarīt cēloņsakarību secinājumus. Novirzes, kas saistītas ar maldinošiem faktoriem un izlases novirzēm novērojumu pētījumos. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Datu simulācija „R”, lai pārbaudītu, vai patieso cēloņsakarību var noteikt ar klasiskiem modelēšanas rīkiem. Jautājumi par maldinošiem faktoriem un modeļa izvēli „R”. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Cēloņsakarības diagrammas un grafiskie rīki, lai novērtētu maldinošus faktorus un cēloņsakarību identificējamību. | Lekcijas | 1.00 | auditorija | |||||
| 4 | Cēlonību diagrammas „R” | Nodarbības | 1.00 | datorklase | |||||
| 5 | Noslieces rādītāju saskaņošana un apgrieztās varbūtības indeksācija un to izmantošana epidemioloģisko datu analīzei. | Lekcijas | 1.00 | auditorija | |||||
| 6 | Noslieces rādītāju saskaņošana un apgrieztās varbūtības svērtie statistikas novērtējumi „R”. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Cēloņu-starpniecības analīze. Tiešas un netiešas ietekmes jēdziens. | Lekcijas | 1.00 | auditorija | |||||
| 8 | Cēloņu-starpniecības analīze „R”. | Nodarbības | 1.00 | datorklase | |||||
| 9 | Instrumentālo mainīgo (IM) novērtēšana un tās pielietojums klīniskajos pētījumos (neievērošanas ietekmes analīze). | Lekcijas | 1.00 | auditorija | |||||
| 10 | IM analīze „R”. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Mendela randomizācija – gēnu kā instrumentu izmantošana epidemioloģijā. | Lekcijas | 1.00 | auditorija | |||||
| 12 | Mendela randomizācija „R”, izmantojot kopsavilkuma statistiku. | Nodarbības | 1.00 | datorklase | |||||
| Tēmu saraksts (nepilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Izpratne par cēloņsakarībām un to definēšana. Pētījumu veidi, kas ļauj izdarīt cēloņsakarību secinājumus. Novirzes, kas saistītas ar maldinošiem faktoriem un izlases novirzēm novērojumu pētījumos. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Datu simulācija „R”, lai pārbaudītu, vai patieso cēloņsakarību var noteikt ar klasiskiem modelēšanas rīkiem. Jautājumi par maldinošiem faktoriem un modeļa izvēli „R”. | Nodarbības | 1.00 | datorklase | |||||
| 3 | Cēloņsakarības diagrammas un grafiskie rīki, lai novērtētu maldinošus faktorus un cēloņsakarību identificējamību. | Lekcijas | 1.00 | auditorija | |||||
| 4 | Cēlonību diagrammas „R” | Nodarbības | 1.00 | datorklase | |||||
| 5 | Noslieces rādītāju saskaņošana un apgrieztās varbūtības indeksācija un to izmantošana epidemioloģisko datu analīzei. | Lekcijas | 1.00 | auditorija | |||||
| 6 | Noslieces rādītāju saskaņošana un apgrieztās varbūtības svērtie statistikas novērtējumi „R”. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Cēloņu-starpniecības analīze. Tiešas un netiešas ietekmes jēdziens. | Lekcijas | 1.00 | auditorija | |||||
| 8 | Cēloņu-starpniecības analīze „R”. | Nodarbības | 1.00 | datorklase | |||||
| 9 | Instrumentālo mainīgo (IM) novērtēšana un tās pielietojums klīniskajos pētījumos (neievērošanas ietekmes analīze). | Lekcijas | 1.00 | auditorija | |||||
| 10 | IM analīze „R”. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Mendela randomizācija – gēnu kā instrumentu izmantošana epidemioloģijā. | Lekcijas | 1.00 | auditorija | |||||
| 12 | Mendela randomizācija „R”, izmantojot kopsavilkuma statistiku. | Nodarbības | 1.00 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Patstāvīgais darbs ar kursa materiālu un obligāto literatūru, gatavojoties 6 lekcijām pēc plāna. 2. Projekta darbs – publicēta darba par biomedicīnas datu cēloņanalīzi kritisks novērtējums (starpniecības analīze, neievērošanas analīze, Mendela randomizācija). Projekta darba rezultātu prezentācija. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. | ||||||||
| Vērtēšanas kritēriji: | Novērtējums 10 ballu skalā saskaņā ar RSU Studiju reglamentu: • Projekta darbs un tā prezentācija – 50%. • Rakstisks gala eksāmens – 50%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Studējošais: • salīdzinās atšķirību starp asociatīvajiem un cēlonības modeļiem, maldinošu faktoru problēmu un ideju par pielāgošanu un/vai standartizēšanu ar mērķi kontrolēt maldinošos faktorus; • pārzinās novirzītu aciklisku grafiku terminoloģiju un īpašības, lai aprakstītu un novērtētu cēloņsakarību struktūras datos; • uzskaitīs īpašās metodes cēloņsakarību novērtēšanai: noslieces rādītāju saskaņošana, apgrieztās varbūtības indeksācija, instrumentālo mainīgo novērtēšana; • izskaidros cēloņu-starpniecības problēmas būtību, atšķirības starp tiešu un netiešu ietekmi. | ||||||||
| Prasmes: | Pēc kursa beigšanas studējošais spēs: • izlemt, vai pētījums ļaus veikt aprēķinus ar tūlītēju cēlonības interpretāciju; • uzskicēt cēlonības grafiku (DAG), lai saprastu un apspriestu interesējošās cēloņsakarības identificējamību; • atlasīt piemērotu kovariātu kopu koriģēšanai regresijas analīzē; • patstāvīgi izmantos specializētus rīkus (un attiecīgas „R” pakotnes) cēloņsakarību secinājumiem: noslieces rādītāju saskaņošana, apgrieztās varbūtības indeksācija, instrumentālo mainīgo novērtēšana; • ziņos un rakstiski, mutiski prezentēs konstatējumus par datu analīzes rezultātu cēlonības interpretāciju. | ||||||||
| Kompetences: | • Studējošie būs kompetenti izprast un kritiski novērtēt publicētus pētījumus, kuru datu analīzē izmantoti apgalvojumi par cēlonību un/vai cēloņsakarību secinājumu metodes. • Studējošie būs kompetenti pamatot cēloņsakarības, pamatojoties uz pētījuma plānu un pieejamiem datiem starpdisciplinārā pētniecības grupā. • Studējošais, kurš sekmīgi nokārtojis kursu, spēj novērtēt (un paskaidrot), kas no šī ir attiecināms uz konkrēto pētījumu: a) interesējošo cēloņsakarību var novērtēt ar standarta modelēšanas rīkiem (ar koriģēšanu, ņemot vērā maldinošos faktorus); b) interesējošo cēloņsakarību var novērtēt ar īpašu cēloņsakarības secināšanas metodoloģiju; c) interesējošo cēloņsakarību nevar noteikt; a) un b) gadījumā studējošais būs kompetents veikt analīzi, un izplatīt jaunas zināšanas ar veselību saistītos pētījumos. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Hernan, M. and Robins, J. Causal Inference. What if. Boca Raton: Chapman & Hall/CRC, 2020. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Pearl, J. Causality: Models, Reasoning and Inference. Cambridge university Press, 2009. | ||||||||
| 2 | Pearl, J. and Mackenzie, D. The Book of Why. Penguin Books, 2019. | ||||||||
