| Anàlisi de supervivència i de dades longitudinals | Codi: M0.161 Crèdits: 5 |
L'assignatura Anàlisi de Supervivència i de Dades Longitudinals és l'assignatura que tracta de a) la modelització dels temps fins a un esdeveniment i b) la modelització de dades observades al llarg del temps. En aquest sentit és de rellevant interès per la seva aportació a la inferència amb l'objectiu de presa de decisions en aquelles situacions (experiments, assaigs clínics, tractaments ...) que porten el seu principal component en l'efecte temps. El temps fins a una infecció després d'una pràctica de risc, o fins al primer símptoma de millora després de l'inici d'un tractament, o fins a la mort per una certa causa després d'un diagnòstic, són exemples clars d'aplicació de tècniques pròpies de l'anàlisi de supervivència. Així mateix, la modelització d'un variable mesurada sobre els individus al llarg del temps necessita tenir en compte la dependència / correlació fruit de l'observació sobre un mateix individu i, alhora, un potencial efecte individu que fa que cada subjecte sigui singular respecte al model marginal. Descriure al llarg del temps com canvia una mesura o un indicador biològic és l'exemple clàssic i d'interès habitual.
En particular en aquesta assignatura estudiarem, i en aquest ordre, les modelitzacions no paramètrica (estimador de Kaplan i Meier), semiparamètrica (model de Cox) i paramètrica (models Exponencial, Weibull) i el model lineal amb efectes aleatoris (linear mixed model). El curs contempla també la possibilitat d'exploració d'altres estratègies de modelització per a situacions d'observació més complexes o bé extensions del model lineal mixt.
Aquesta assignatura té un paper cabdal en la majoria d'estudis "bio", on l'objectiu sigui -com sol ser- el descriure el "temps fins ..." i el com "una o altra covariant ..." intervenen en aquesta estimació i fan diferents "el grup A del grup B ..." o el poder estimar els valors d'un indicador biològic al llarg del temps.
La seva posició és estratègica en tant que necessita de fonaments previs en Bioestadística i en modelització i, al seu torn, permet a l'estudiant estar en condicions de poder intervenir en projectes reals d'anàlisi de dades d'aquest tipus (com podria ser en el cas del projecte final de màster).
Les competències i habilitats concretes que aquesta assignatura aporta estan directament relacionades amb la capacitació per a l'anàlisi de conjunts de dades en què la variable objectiu sigui el temps fins a un esdeveniment d'interès, el que anomenarem dades de supervivència. Naturalment, la majoria d'aplicacions en Bioestadística comporten aquesta necessitat de manera que el perfil professional associat és el d' "analista de dades", sense més. Com a valor afegit, i en un context més general, si ometem per un moment el terme "bio" i pensem en un temps fins a la fallada, podríem veure un analista de dades capacitat per estudiar aspectes de fiabilitat i durabilitat d'elements, dispositius o sistemes en un context tecnològic o industrial.
Per a poder superar amb èxit aquesta assignatura s'hauria d'haver superat totes les assignatures del primer semestre, en particular "Programari per a l'Anàlisi de Dades" i "Inferència Estadística" d'aquest mateix pla d'estudis.
D'altra banda, és aconsellable haver cursat prèviament "Regressió, Models i Mètodes" o bé cursar les dues assignatures en paral·lel (atès que les dues assignatures s'ofereixen en el pla d'estudis).
En el curs se suposa que els estudiants tenen ben conegudes les tècniques d'Estadística Descriptiva i Inferència Estadística (per exemple, càlcul d'intervals de confiança, contrast d'hipòtesis, p-valor, ...), així com un bon domini d'aplicacions pràctiques d'anàlisi de dades amb R.
Prèviament a la formalització de la matrícula és molt important que l'estudiant tingui en compte els requeriments sobre coneixements previs que s'esmenten sobre les assignatures
- Programari per a l'Anàlisi de Dades
- Inferència Estadística
- Regressió, Models i Mètodes
Objectius
- Introduir l'estudiant en l'anàlisi de dades de supervivència
- Proveir l'estudiant tècniques d'anàlisi pròpies de l'Anàlisi de Supervivència (no paramètriques, semi-paramètriques i paramètriques)
- Introduir l'estudiant en l'anàlisi de dades longitudinals
- Facilitar a l'estudiant la base metodològica i pràctica del Model Lineal Mixt per a dades longitudinals
Competències
Un cop completat el curs l'estudiant hauria de ser capaç de, amb rigor:
- Identificar dades de supervivència
- Estimar no paramètricament la funció de supervivència
- Estimar, validar i interpretar un model de regressió de Cox
- Ajustar un model paramètric a unes dades de supervivència
- Identificar dades longitudinals
- Estimar i interpretar un model lineal mixt
Els continguts del curs s'estructuren en 4 temes d'estudi:
Tema 1: Introducció a l'Anàlisi de Supervivència. L'estimador Kaplan-Meier i el test Log-Rank.
Tema 2: El model de regressió de Cox i de Cox estratificat.
Tema 3: Models paramètrics de supervivència (exponencial, Weibull)
Tema 4: Introducció a l'Anàlisi de Dades Longitudinals. El Model Lineal Mixt.
Temes que són extensió per a possibles Treballs Final de Màster i per als quals el consultor també pot donar suport:
I: El model de Cox per a dades canviants amb el temps.
II: Models frailty.
III: Models per a esdeveniments recurrents.
IV: Models per a riscos competitius.
V: El Model Lineal Mixt Generalitzat.
El curs es fonamenta en dues referències principals, en format digital, disponibles a la biblioteca virtual UOC i / o distribuïdes a l'aula, per a les respectives parts de l'assignatura:
- Llibre Manual: David G. Kleinbaum and Mitchel Klein. Survival Analysis. A Self-Learning Text, Third Edition. New York: Springer, 2012. ISBN: 9781441966469
- Llibre Manual: Andrzej Galecki and Tomasz Burzykowski. Linear Mixed-Effects Models Using R. A Step-by-Step Approach. New York: Springer, 2013. ISBN: 978-1-4614-3900-4 (eBook).
Per al seguiment del curs l'estudiant té també a la seva disposició: Pla Docent, Llibre de referència, conjunts de dades de suport, Guies d'Estudi Setmanal, Proves d'Avaluació Contínua, Resultats de l'Avaluació parcial de continguts, Fòrum de discussió, Tauler del consultor, atenció de consultoria individualitzada per a cada estudiant.
De forma complemetària es recomana la bibliografia següent:
- Everitt, B. (2006) A Handbook of Statistical Analyses Using R. Boca Raton, FL: Chapman & Hall/CRC
- Gómez, G.; Canela, M.A. (1994) Fiabilitat Industrial. Barcelona: Edicions UPC, Col.lecció Politext
- Juan, A.A; Serrat, C. (2005) Fiabilidad Industrial. EPSEB-UPCplus.com (disponible en formato pdf)
- Klein, J.P.; Moeschberger, M.L. (1997). Survival Analysis. New York: Springer
- Nelson, W. (1982) Applied life data analysis. New York: John Wiley & Sons
El treball i estudi dels 4 temes del curs, s'organitza en 18 setmanes i 4 períodes d'estudi, i per a cada setmana es publicará una Guia d'Estudi Setmanal (GES1 a GES18) per tal de pautar el procés d'aprenentatge dels estudiants. A cada GES s'identificaran els aspectes i continguts del Llibre de Referència amb indicacions de com i amb quin nivell s'han de tractar. L'estudiant de forma individual realitzarà aquest treball. Això li permetrà una primera aproximació als continguts i tècniques, per a la posterior resolució de les activitats d'avaluació.
El Fòrum de l'assignatura serà l'espai natural d'exposició i resolució de dubtes, durant el període d'estudi de cada tema. De forma complementària en qualsevol moment el consultor estarà disponible per a l'atenció personalitzada de dubtes o consultes.
El procés d'aprenentatge, i al seu torn les activitats d'avaluació, porta implícits tant els aspectes teòrics com els pràctics. Dins dels aspectes pràctics, tot i ser els resultats mostrats en els Llibre de Referència fruit de STATA, SAS, SPSS o altres, totes les anàlisis de dades de les activitats que es lliurin els ha de fer amb el programari estadístic R (amb aquesta finalitat és de rellevant utilitat la Secció R Software, pàgines 620-663, de l'apèndix Survival Analysis on the Computer de Kleinbaum i Klein (2012)), adjuntant els scripts d'anàlisi corresponents. En aquest sentit, de manera progressiva l'estudiant anirà fent ús de funcions i paquets de R propis de l'Anàlisi de Supervivència i de Dades Longitudinals.
El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats.
La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus.
D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent - incloses les proves finals - o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular.
De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui.
La UOC es reserva la potestat de sol·licitar a l'estudiant que s'identifiqui o que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació pels mitjans que estableixi la Universitat (síncrons o asíncrons). A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació i que s'asseguri que funcionen correctament.
La verificació dels coneixements per garantir l'autoria de la prova no implicarà en cap cas una segona avaluació.
|
L'assignatura només es pot aprovar amb el seguiment i la superació de l'avaluació contínua (AC). La qualificació final de l'assignatura és la nota obtinguda a l'AC. |
Nota final d'assignatura: AC
L'avaluació continuada consistirà en la realització i lliurament de 3 Proves d'Avaluació Continuada (PAC) d'acord amb el calendari d'activitats previst.
Els continguts de cada PAC seran els següents:
PAC1: Introducció a l'Anàlisi de Supervivència. Estimador de Kaplan-Meier i Log-Rank test (Tema 1)
PAC2: Model de regressió de Cox i Estimació paramètrica de la funció de supervivència (Temes 2 i 3)
PAC3: Introducció a l'Anàlisi de Dades Longitudinals. El Model Lineal Mixt (Tema 4)
En el calendari està prevista la publicació de la solució a cada PAC amb l'objecte de mostrar una resolució general que serveixi de marc per a la identificació de la completitud i correcció de les respostes lliurades.
En totes les activitats es valorarà,
a) La comprensió i relació dels conceptes estudiats.
b) La capacitat d'anàlisi de dades i d'interpretació dels resultats obtinguts.
c) La capacitat de presentació i redacció dels conceptes i de les anàlisis, així com la correcta utilització del programari R.
La nota final de curs serà la mitjana de les tres activitats d'avaluació proposades. Cadascuna d'elles té el mateix pes.
Aquells estudiants que, havent aconseguit A en les dues primeres PAC, vulguin optar a la proposta de Matrícula d'Honor, han d'obtenir una qualificació A també a la PAC3 i presentar un treball d'ampliació sobre un dels temes d'extensió que apareixen a la secció Continguts d'aquest Pla Docent. Els interessats hauran de posar-se en contacte amb el consultor de l'assignatura. Es recordarà aquesta possibilitat en el Tauler de l'Aula.
El feedback entre consultor i estudiant es durà a terme bé via les intervencions en el fòrum, bé via el servei de missatgeria propi del Campus Virtual. Només excepcionalment s'utilitzaran altres vies o correus alternatius.