Estatística Biomédica
Objetivos
A disciplina de Estatística Biomédica aparece num contexto bastante actual de aplicações da estatística e tem grande procura por parte de especialistas e/ou investigadores ligados a áreas da saúde. O objectivo desta disciplina será fazer uma introdução aos métodos estatísticos usados em algumas dessas áreas aflorando os aspectos principais das mesmas, no sentido de permitir ao aluno ter uma panorâmica geral sobre algumas das aplicações da estatística no contexto da análise de dados médicos e das ciências da saúde.
Caracterização geral
Código
10811
Créditos
6.0
Professor responsável
Isabel Cristina Maciel Natário
Horas
Semanais - 3
Totais - 56
Idioma de ensino
Português
Pré-requisitos
Noções básicas de probabilidade e estatística
Bibliografia
- Carvalho, L. & Natário, I. (2008). Análise de dados espaciais. SPE.
- Turkman, M.A.A., Silva, G.L. (2000). Modelos lineares generalizados - da teoria à prática. SPE.
- Cressie, N.A.C. (1993). Statistics for spatial data. Wiley, 2nd Edition.
- McCullagh, P. & Nelder, J.A. (1989). Generalized linear models. Chapman & Hall/CRC, 2nd Edition.
- Zhou, X-H et al. (2011). Statistical methods in diagnostic medicine. Wiley, 2nd Edition.
- Cabral, M.S. & Gonçalves, M.H. (2010). Análise de dados longitudinais. SPE.
- Rocha, C. & Papoila, A.L. (2009). Análise de sobrevivência. SPE.
- Diggle, P. et al. (2002). Analysis of longitudinal data. Oxford University Press, 2nd Edition.
- Klein, J.P. & Moesschberger, M. (2003). Survival analysis. Springer, 2nd Edition.
- Collett, D. (1994). Modelling survival data in medical research. Chapman & Hall.
- Paulino, C.D., Turkman, M.A.A. & Murteira, B. (2003). Estatística Bayesiana. Fundação Caloust Gulbenkian.
- Bernardo J.M. & Smith, A.F.M. (1994). Bayesian theory. Wiley.
- Gamerman, D. & Lopes, H.F. (2006). Markov chain Monte Carlo - stochastic simulation for Bayesian inference. Chapman & Hall/CRC.
- Crawley, M.J. (2007). The R book. Wiley.
Método de ensino
- 2h por semana em bloco para teóricas/práticas relativas às metodologias;
- 2h por semana em tutorial para aplicação computacional a análise de dados em R, apresentação/discussão de trabalhos.
Método de avaliação
Trabalhos e/ou testes e/ou por módulos e/ou exame final, ficando ao critério do(s) docente(s) e dentro das necessidades dos próprios módulos.
Conteúdo
Módulo I – Métodos estatísticos em epidemiologia
- Modelos lineares generalizados (regressão logística, Poisson, Gaussiana, gama, etc.)
- Metodologia ROC (Receiver Operating Characteristic)
- Estatística espacial
Módulo II – Dados longitudinais e análise de sobrevivência
- Dados longitudinais
- Exploração de dados longitudinais
- Modelo linear misto
- Modelos de efeitos aleatórios
- Estimação
- Análise de sobrevivência
- Estimação não paramétrica
- Modelo de regressão de Cox
- Modelos paramétricos de sobrevivência
- Modelos com fragilidade
Módulo III – Introdução à estatística Bayesiana
- O paradigma Bayesiano
- Distribuições a priori e a posteriori
- Inferência Bayesiana
- Estimação sequencial e Markov Chain Monte Carlo (MCMC)