Bioestatística aplicada à pesquisa clínica em SPSS

Sobre o curso

Objetivos

O curso Bioestatística aplicada à pesquisa clínica em SPSS tem como objetivos:

  • Adquirir conhecimentos do software SPSS (manejo de base de dados e elementos estatísticos);
  • Adquirir una ferramenta objetiva e necessária para as análises de toda pesquisa clínica: realização de pôster, apresentação de trabalhos clínicos em congressos e/ou revistas científicas arbitradas;
  • Trabalhar com bancos de dados de forma adequada e organizada;
  • Interpretar adequadamente os resultados proporcionados pelo software estatístico através de situações práticas.

Público-alvo

  • Médicos, farmacêuticos, biomédicos, estudantes avançados em medicina, nutricionistas, fisioterapeutas, profissionais de pesquisa clínica, profissionais da saúde.

Inscrições

  • A partir de 7/11/2018

Matrícula

  • Em breve

Vagas

  • Serão oferecidas 40 vagas para este curso

Carga horária

  • Total: 24 horas

Período e periodicidade

  • O curso será realizado em três sábados, dias 30/3/2019, 6 e 13/4/2019, das 8h30 às 17h30

Investimento

  • Taxa de inscrição: 60 reais
  • Valor do curso: 1 parcela de R$ 2.000,00

Local do curso

  • Endereço: Rua Dr. Cesário Motta Junior, 61, Vila Buarque – São Paulo/SP

A FCMSCSP reserva-se o direito de não formar turmas, caso não seja atingido o número mínimo de alunos matriculados por curso.

Programa

Sábado, dia 30/3/2019

  • 8h30 às 10h30 –  Teórico: Introdução. Informação do programa SPSS versão 22.0. Como criar uma adequada base de dados, exportação de dados de Excel para SPSS. Como manejar as diferentes variáveis em SPSS: codificação, formação de novas variáveis e seleção de variáveis. Construção de tabelas, gráficos e medidas de resumo e intervalo de confiança para uma média ou uma proporção (taxa).
  • 10h30 às 12h30 – Prático: Estatística descritiva. Manejo prático de uma base de dados: estudo das variáveis, construção de diferentes tabelas e gráficos e medidas de resumo. Calcular as medidas de resumo (resumir a informação contida na base de dados) e escolher quais são adequadas para serem apresentadas dado que poderiam invalidar o resto das análises.
  • 12h30 às 13h30 – Almoço
  • 13h30 às 15h30 – Teórico: Estatística inferencial. Principais testes estatísticos paramétricos e não paramétricos. Escolha e justificação do uso dos diferentes testes: Students’ t test, ANOVA, Chi Square’s test, Mann-Whitney’s test, Wilcoxon’s test, Pearson versus Spearman’s test, etc.
  • 15h30 às 17h30 – Prático: Estatística inferencial para variáveis quantitativas. Manejo prático de uma base de dados: realização de diferentes testes estatísticos segundo os objetivos do estudo.

Sábado, dia 6/4/2019

  • 8h30 às 10h30 – Prático: Estatística inferencial para variáveis qualitativas. Manejo prático de uma base de dados: realização de diferentes testes estatísticos segundo os objetivos do estudo.
  • 10h30 às 12h30 – Teórico: Introdução a Estatística Epidemiológica. Indicadores epidemiológicos e medidas de risco ou de efeito (intervalo de confiança para 95%), como se interpretam estas medidas. Análise univariada (Unadjusted OR). Conceito de vieses e variáveis de confusão.
  • 12h30 às 13h30 – Almoço
  • 13h30 às 14h30 – Prático: Manejo prático de uma base de dados: análise de tabelas de contingencia para variáveis qualitativas e estudo de medidas de efeito (ou força de associação). Construção de tabelas de contingencia, estudo de medidas de associação e medidas de efeito (OR versus RR) e intervalo de confiança. Interpretação dos resultados.
  • 14h30 às 15h30 – Teórico: Introdução a Regressão linear. Conceito de variável dependente (resposta ou outcome) e variável independente (explanatory). Modelo de regressão linear simples e múltipla. Capacidade preditiva de um modelo de regressão linear: ANOVA. Análises dos coeficientes do modelo: t Student.
  • 15h30 às 17h30 – Prático: Introdução a Regressão linear. Manejo prático de uma base de dados:  identificar variável dependente (resposta ou outcome) e variáveis independentes (explanatory). Encontrar o modelo de regressão linear simples e múltipla mais apropriado. Estudar a capacidade preditiva do modelo: ANOVA. Avaliar cada um dos coeficientes do modelo: t Student. Predizer valores da variável dependente a partir de variáveis independentes utilizando o modelo selecionado.

Sábado, dia 16/4/2019

  • 8h30 às 10h30 – Teórico: Introdução. Regressão logística binária. Conceito de variável dependente (resposta ou outcome) e variável independente (explanatory). Modelo de regressão logística bária simples e múltipla. Ajuste do modelo logístico: teste de Hosmer-Lemeshow. Quando é inadequado utilizar a regressão logística. Análises dos coeficientes do modelo: Qui Quadrado de Wald e Odds Ratio (intervalo de confiança 95%).
  • 10h30 às 12h30 – Prático: Manejo prático de uma base de dados. Encontrar o modelo de regressão logística mais apropriado. Estudar a capacidade preditiva do modelo. Avaliar cada um dos coeficientes do modelo, predizer valores da variável dependente a partir de variáveis independentes, calcular e interpretar o Unadjusted OR e intervalo de confiança para 95%. Calcular e interpretar o Adjusted OR e intervalo de confiança para 95%. Estudar possíveis variáveis de confusão.
  • 12h30 às 13h30 – Almoço
  • 13h30 às 15h30 – Teórico. Introdução de Análise de Sobrevida.  Características estatísticas do SPSS: tabelas, gráficos e principais métodos estatísticos para estimar a função sobrevida e poder graficar as curvas de sobrevida: métodos de Kaplan-Meier e Actuarial – Life Table; comparação de curvas de sobrevida (funções sobrevida) através dos métodos Log-Rank-test, Breslow test, etc; e análise de medidas de efeito: Hazard Ratio e tamanho do efeito através de intervalo de confiança para 95%. Introdução aos modelos de regressão de Cox simples e múltipla.  Análise univariada e multivariada. Unadjusted HR global versus adjusted HR ajustado. Diagnóstico de confusão (confounders) e vieses.
  • 15h30 às 17h30 – Prático: Manejo prático de uma base de dados: análise de variáveis com dados de sobrevida (tempo livre de evento. Construir e graficar curvas de sobrevida. Comparar curvas de sobrevida através dos testes Log-Rank-Test, Breslow test,  Tarone – Ware test etc. Encontrar o modelo de regressão de Cox mais apropriado. Estudar a capacidade preditiva do modelo. Avaliar cada um dos coeficientes do modelo: Qui Quadrado de Wald ou teste Z. Predizer valores da variável dependente a partir de variáveis independentes utilizando o modelo selecionado. Calcular e interpretar o Unadjusted HR e adjusted HR e intervalo de confiança para 95%.

Processo seletivo 2019

Matrícula no ato da inscrição do site
R$ 60

Investimento
1 parcela de R$ 2.000

Compartilhar

Atendimento

(11) 3367-7858

pos.extensao@fcmsantacasasp.edu.br

Coordenação

Dr. Charles Schmidt

Dr. Ruben Sciuto