Italiano

Lo studente, al termine del corso, dovrà aver acquisito un'adeguata conoscenza delle metodologie di base della statistica allo scopo di:
• conoscere i fondamenti della ricerca in medicina e del disegno degli studi
• saper organizzare ed analizzare i dati relativi a fenomeni biomedici
• riuscire a leggere e interpretare i risultati statistici presenti nella letteratura medica
• essere in grado di eseguire semplici elaborazioni di dati e ricavare una corretta interpretazione dei risultati

1. Bland M. Statistica Medica. Apogeo Edizioni
2. Pagano M, Gauvreau K. Biostatistica (2ª ed.). Idelson-Gnocchi

Conoscenze e capacità di comprensione
Al termine dell'insegnamento, lo studente dovrà: conoscere le nozioni fondamentali della statistica per comprendere ed interpretare i problemi di salute; comprendere i concetti di popolazione, campione, variabilità e stima; conoscere i principali disegni di studio osservazionali e sperimentali in ambito biomedico
Utilizzazione delle conoscenze e capacità di comprensione
Lo studente dovrà essere in grado di: applicare le conoscenze statistiche per organizzare e sintetizzare dati relativi a fenomeni biologici; utilizzare i principali metodi statistici per valutare test diagnostici e interventi assistenziali; eseguire semplici elaborazioni di dati e ricavare una corretta interpretazione dei risultati
Capacità di trarre conclusioni
Lo studente dovrà sviluppare:capacità di valutazione qualitativa della letteratura scientifica e dei risultati statistici in essa contenuti; senso critico nell'interpretazione di dati statistici e nella valutazione dell'affidabilità delle conclusioni
Abilità comunicative
Saper comunicare ed esporre con chiarezza concetti statistici utilizzando appropriato linguaggio tecnico-scientifico; saper presentare e discutere risultati di analisi statistiche in modo comprensibile
Capacità di apprendere (learning skills)
Sviluppare capacità di apprendimento autonomo necessarie per l'aggiornamento continuo delle proprie conoscenze; acquisire metodo di studio che consenta la comprensione della letteratura scientifica e l'approfondimento autonomo

Non sono previsti prerequisiti obbligatori. È auspicabile una conoscenza di base della matematica di livello di scuola secondaria superiore (operazioni algebriche elementari, concetto di funzione, interpretazione di grafici).

L'attività didattica si articola in:
Lezioni frontali: presentazione dei contenuti teorici con esempi applicativi in ambito biomedico
Esercitazioni: risoluzione di problemi ed esercizi guidati per favorire l'applicazione pratica dei concetti teorici
Discussione di casi: analisi critica di articoli scientifici e risultati di studi reali

La verifica dell'apprendimento è finalizzata ad accertare il raggiungimento degli obiettivi formativi dichiarati.
Tipologia di prova: prova scritta a risposta multipla (quiz) ed esercizi. La prova conterrà un numero di domande variabile (15-20). Gli studenti avranno a disposizione 45-60 minuti
Materiale consentito: calcolatrice non programmabile; NON è consentito l'uso di smartphone, tablet, appunti o testi
Le domande del compito scritto hanno un punteggio decrescente in relazione al grado di difficoltà. La valutazione tiene conto dei seguenti parametri: 1) conoscenza dei contenuti fondamentali (capacità di riconoscere concetti, definizioni e metodologie); 2) capacità di applicazione: abilità nell'utilizzo di metodi statistici per risolvere problemi concreti; 3) capacità di interpretazione critica (abilità nell'analisi e valutazione di risultati statistici presentati in forma tabellare o grafica)
Votazione minima per il superamento: 18/30. Votazione massima: 31/30 (che verrà registrato come 30 e lode)
Il voto finale è espresso collegialmente dalla Commissione d’esame che, tenendo conto del livello di apprendimento dimostrato nei diversi ambiti disciplinari e del peso di ciascun insegnamento, formula un giudizio unitario riferito all’intero Corso Integrato.

Saranno distribuite copie del materiale didattico (slides, dispense) utilizzato durante le lezioni
Il materiale didattico integrativo sarà disponibile sulla piattaforma e-learning del corso
Sono previste attività di tutoraggio su richiesta degli studenti
Per gli studenti con esigenze specifiche (studenti lavoratori, con disabilità, DSA, stranieri) sono previste modalità di supporto personalizzate secondo quanto stabilito dai servizi di Ateneo

MODULO 1: Fondamenti della ricerca clinica e biomedica
• I fondamenti della ricerca in medicina
Metodologia scientifica in ambito biomedico; il ruolo della statistica nella pratica clinica; medicina basata sull'evidenza (Evidence-Based Medicine).
• Come affrontare un problema statistico
Definizione del quesito di ricerca; domande di studio nella pratica clinica; struttura della ricerca clinica.
• Disegni di studio
Studi osservazionali (trasversali, di coorte, caso-controllo) e studi sperimentali; vantaggi e limiti di ciascun disegno; criteri di scelta del disegno appropriato.
• Errori nella ricerca clinica e il confondimento
Errori sistematici (bias) ed errori casuali; concetto di confondimento e strategie di controllo.
MODULO 2: Raccolta, organizzazione e descrizione dei dati
• Unità statistiche, popolazione e campione
Definizioni; rapporto tra popolazione e campione; rappresentatività del campione.
• Variabili statistiche
Variabili qualitative (nominali, ordinali); variabili quantitative (discrete, continue); scale di misura.
• Accuratezza della misura
Validità e riproducibilità delle misurazioni; fonti di errore di misura.
• Presentazione dei dati
Tabelle di frequenza (assoluta, relativa, percentuale); rappresentazioni grafiche (istogrammi, diagrammi a barre, box-plot, scatter plot).
• Sintesi dei dati: misure di posizione
Media aritmetica, mediana, moda; percentili e quartili; quando utilizzare ciascuna misura.
• Sintesi dei dati: misure di variabilità
Range (campo di variazione), varianza, deviazione standard, intervallo interquartile, coefficiente di variazione.

MODULO 3: Probabilità e distribuzioni di probabilità
• Fondamenti di calcolo delle probabilità
Definizione di probabilità; eventi certi, impossibili, complementari; operazioni sulle probabilità (unione, intersezione).
• Probabilità marginali e condizionate
Definizioni e relazioni; teorema di Bayes e applicazioni in diagnostica.
• Concetto di indipendenza statistica
Eventi indipendenti; verifica dell'indipendenza.
• Distribuzioni di probabilità
Concetto di variabile casuale; distribuzioni di probabilità discrete e continue.
• La distribuzione gaussiana (normale)
Proprietà della distribuzione normale; parametri (media e deviazione standard); forma della curva.
• La distribuzione gaussiana standardizzata
Standardizzazione (punteggi z); lettura e interpretazione delle tavole della distribuzione normale standardizzata.
• Distribuzioni campionarie
Concetto di distribuzione campionaria; distribuzione delle medie campionarie; teorema del limite centrale; distribuzione t di Student (cenni e lettura delle tavole).

MODULO 4: Inferenza statistica
• Concetti di parametro e stima
Parametri di popolazione e statistiche campionarie; proprietà degli stimatori.
• La logica dell'inferenza statistica
Dal campione alla popolazione; ruolo della variabilità campionaria.
• Stima puntuale e intervallare
Limiti della stima puntuale; intervalli di confidenza per la media; interpretazione degli intervalli di confidenza.
• Il test d'ipotesi
Logica del test d'ipotesi; ipotesi nulla e ipotesi alternativa; errori di primo e secondo tipo; livello di significatività e valore p.
• Significatività statistica e rilevanza clinica
Differenza tra significatività statistica e rilevanza pratica/clinica.
• Potenza del test
Definizione e fattori che influenzano la potenza; relazione tra potenza e numerosità campionaria.

MODULO 5: Valutazione dei test diagnostici
• La diagnosi in medicina
Il processo diagnostico: ruolo dei test diagnostici nella pratica clinica.
• Metodologia nella valutazione dei test diagnostici
Disegno degli studi per la valutazione di test diagnostici; costruzione della tabella di contingenza 2x2; gold standard.
• Valutazione dell'accuratezza di un test diagnostico
Sensibilità, specificità, valore predittivo positivo, valore predittivo negativo; prevalenza e suo effetto sui valori predittivi; likelihood ratio; curva ROC (cenni).
• Valutazione della riproducibilità di un test diagnostico
Accordo osservato e accordo atteso per caso; indice kappa di Cohen; interpretazione del coefficiente kappa.

Italian

At the end of the course, students should have acquired adequate knowledge of basic statistical methods in order to:
• understand the fundamentals of medical research and study design
• know how to organise and analyse data relating to biomedical phenomena
• be able to read and interpret statistical results in medical literature
• be able to perform simple data processing and correctly interpret the results

1. Bland M. Statistica Medica. Apogeo Edizioni
2. Pagano M, Gauvreau K. Biostatistica (2ª ed.). Idelson-Gnocchi

a) Knowledge and understanding
At the end of the course, students should: know the fundamentals of statistics in order to understand and interpret health issues; understand the concepts of population, sample, variability and estimation; know the main observational and experimental study designs in the biomedical field.
b) Application of knowledge and understanding
Students will be able to: apply statistical knowledge to organise and summarise data relating to biological phenomena; use the main statistical methods to evaluate diagnostic tests and healthcare interventions; perform simple data processing and correctly interpret the results.
c) Ability to draw conclusions
Students must develop: the ability to qualitatively evaluate scientific literature and the statistical results contained therein; critical thinking in the interpretation of statistical data and in the evaluation of the reliability of conclusions.
d) Communication skills
Be able to communicate and clearly explain statistical concepts using appropriate technical and scientific language; be able to present and discuss the results of statistical analyses in an understandable manner.
e) Learning skills
Develop the independent learning skills necessary for the continuous updating of one's knowledge; acquire study methods that enable the understanding of scientific literature and independent study.

There are no mandatory prerequisites. A basic knowledge of secondary school mathematics (elementary algebraic operations, concept of functions, interpretation of graphs) is desirable.

The teaching activity is divided into:
Lectures: presentation of theoretical content with examples of applications in the biomedical field.
Practical exercises: problem solving and guided exercises to encourage the practical application of theoretical concepts.
Case discussions: critical analysis of scientific articles and results of real studies.

The assessment of learning is aimed at verifying the achievement of the stated learning objectives.
Type of test: multiple-choice written test (quiz) and exercises. The test will contain a variable number of questions (15-20). Students will have 45-60 minutes to complete the test.
Permitted materials: non-programmable calculator; smartphones, tablets, notes or texts are NOT permitted.
The questions in the written test are scored on a sliding scale according to their degree of difficulty. The assessment takes into account the following parameters: 1) knowledge of fundamental content (ability to recognise concepts, definitions and methodologies); 2) application skills: ability to use statistical methods to solve concrete problems; 3) critical interpretation skills (ability to analyse and evaluate statistical results presented in tabular or graphical form).
Minimum pass mark: 18/30. Maximum mark: 31/30 (which will be recorded as 30 with honours).
The final mark is awarded collectively by the Examination Board which, taking into account the level of learning demonstrated in the various subject areas and the weighting of each course, formulates a single mark for the entire Integrated Course.

Copies of the teaching materials (slides, handouts) used during the lessons will be distributed.
Supplementary teaching materials will be available on the course's e-learning platform.
Tutoring activities are available upon request by students.
For students with specific needs (working students, students with disabilities, students with learning disabilities, foreign students), personalised support is available in accordance with the University's services.

MODULE 1: Fundamentals of clinical and biomedical research
• The fundamentals of medical research
Scientific methodology in the biomedical field; the role of statistics in clinical practice; evidence-based medicine.
• How to approach a statistical problem
Definition of the research question; study questions in clinical practice; structure of clinical research.
• Study designs
Observational studies (cross-sectional, cohort, case-control) and experimental studies; advantages and limitations of each design; criteria for choosing the appropriate design.
• Errors in clinical research and confounding
Systematic errors (bias) and random errors; concept of confounding and control strategies.
MODULE 2: Data collection, organisation and description
• Statistical units, population and sample
Definitions; relationship between population and sample; representativeness of the sample.
• Statistical variables
Qualitative variables (nominal, ordinal); quantitative variables (discrete, continuous); measurement scales.
• Measurement accuracy
Validity and reproducibility of measurements; sources of measurement error.
• Data presentation
Frequency tables (absolute, relative, percentage); graphical representations (histograms, bar charts, box plots, scatter plots).
• Data summary: measures of position
Arithmetic mean, median, mode; percentiles and quartiles; when to use each measure.
• Data summary: measures of variability
Range (range of variation), variance, standard deviation, interquartile range, coefficient of variation.

MODULE 3: Probability and probability distributions
• Fundamentals of probability calculation
Definition of probability; certain, impossible, complementary events; probability operations (union, intersection).
• Marginal and conditional probabilities
Definitions and relationships; Bayes' theorem and applications in diagnostics.
• Concept of statistical independence
Independent events; verification of independence.
• Probability distributions
Concept of random variable; discrete and continuous probability distributions.
• The Gaussian (normal) distribution
Properties of the normal distribution; parameters (mean and standard deviation); shape of the curve.
• Standardised Gaussian distribution
Standardisation (z-scores); reading and interpreting standardised normal distribution tables.
• Sample distributions
Concept of sample distribution; distribution of sample means; central limit theorem; Student's t-distribution (overview and reading tables).

MODULE 4: Statistical inference
• Concepts of parameters and estimation
Population parameters and sample statistics; properties of estimators.
• The logic of statistical inference
From sample to population; role of sample variability.
• Point and interval estimation
Limits of point estimation; confidence intervals for the mean; interpretation of confidence intervals.
• Hypothesis testing
Logic of hypothesis testing; null hypothesis and alternative hypothesis; type I and type II errors; significance level and p-value.
• Statistical significance and clinical relevance
Difference between statistical significance and practical/clinical relevance.
• Test power
Definition and factors influencing power; relationship between power and sample size.

MODULE 5: Evaluation of diagnostic tests
• Diagnosis in medicine
The diagnostic process: role of diagnostic tests in clinical practice.
• Methodology in the evaluation of diagnostic tests
Study design for the evaluation of diagnostic tests; construction of the 2x2 contingency table; gold standard.
• Evaluation of the accuracy of a diagnostic test
Sensitivity, specificity, positive predictive value, negative predictive value; prevalence and its effect on predictive values; likelihood ratio; ROC curve (overview).
• Evaluation of the reproducibility of a diagnostic test
Observed agreement and expected agreement per case; Cohen's kappa index; interpretation of the kappa coefficient.