Alkalmazott biostatisztikus szakirányú továbbképzés

ALKALMAZOTT BIOSTATISZTIKUS SZAKIRÁNYÚ TOVÁBBKÉPZÉS

alkalmazott biostatisztikus szakirányú továbbképzés

• alkalmazott biostatisztikus

természettudomány

4

120

A képzés célja: mind a biológiai, mind az orvosi és állatorvosi tudományokban egyre fontosabb követelmény a vizsgálatok és kísérletek szakszerű megtervezése, valamint az adatok korszerű statisztikai módszerekkel való kiértékelése. A gyógyszeripari kísérletekben az engedélyező hatóság Európában is és az USA-ban is megköveteli biostatisztikus részvételét.

Általános kompetenciák:

* a statisztikai elemzésekhez szükséges matematikai módszerek (vektorterek alapfogalmai, lineáris leképezések és mátrixok, a matematikai analízis alapfogalmai, deriválás és integrálás egy és többváltozós esetben);

* a statisztika és az azt alkalmazó tudományágak viszonyának ismerete;

* jó kommunikációs készség a nem statisztikus szakemberekkel (a megrendelőkkel vagy felhasználókkal, kliensekkel);

* a megrendelő által szakmai (biológiai, orvosi stb.) nyelven megfogalmazott problémák matematikai, illetve statisztikai modellekké formálása és az annak megfelelő vizsgálatok megtervezése és kivitelezése;

* informatikai ismeretek, szoftverek használata, programnyelvek ismerete és használata

* publikációk, kutatási tervek, kutatási jelentések kritikai elemzése, a logikai, illetve módszertani hibák felderítése;

* publikációk készítésének gyakorlati tudnivalói, különös tekintettel a statisztikai eredmények helyes közlésének ismeretére;

* képesség ismert elemző módszerek új feladatok, illetve új körülmények között történő innovatív alkalmazására.

Szakmai kompetenciák, tudáselemek, megszerezhető ismeretek:

* valószínűségszámítás és statisztikai elmélet (valószínűségi mező, valószínűség-eloszlások, feltételes várható érték, statisztikai mező, becslés és hipotézisvizsgálat, likelihood-elmélet, gyakorisági adatok elemzése, összefüggés-vizsgálatok, nemparaméteres és robusztus eljárások, dimenziócsökkentés);

* kutatás-módszertani ismeretek (a statisztikai mintavétel elmélete és módszerei, a randomizáció módszerei, kutatástervezés);

* Monte Carlo módszerek és resampling eljárások (permutációs próbák, bootstrap;

* Bayes-i statisztika és az azon alapuló korszerű eljárások (MCMC, Bayes-i döntés stb.) 

* az epidemiológiai vizsgálatok típusai, valamint ezek tervezésének elvei és gyakorlati tudnivalói;

* az epidemiológiai vizsgálatokban használatos fogalmak (indexek, ráták) és az elemzésükre szolgáló legfontosabb módszerek; a diagnosztikai eljárásokkal kapcsolatos fogalmak és elemzési módszerek;

* a klinikai kísérletek fő típusai, valamint ezek tervezésének elvei és gyakorlati tudnivalói;

* a túlélési vizsgálatok sajátosságai és az elemzésükre használatos különféle módszerek;

* a megszerzett statisztikai ismeretek gyakorlati alkalmazása, valamint a gyakorlat igényei szerint új eszközök és módszerek kifejlesztése;

* az R statisztikai programnyelv professzionális szintű ismerete, más statisztikai programcsomagok (SAS, SPSS, Statistica, Minitab stb.) felhasználói szintű ismerete és programozása;

* az egyes elemzésekhez a megfelelő statisztikai módszer megválasztása és az elemzés végrehajtása, valamint az eredmények megfelelő bemutatása, beleértve a kutatási jelentés írását és a megrendelőnek nyújtott prezentációt;

* tudományos eredmények statisztikai szintézise meta-analízis segítségével.

Személyes adottságok és készségek:

* logikus gondolkodás, problémafelismerő és -megoldó képesség;

* lényegkiemelés, modellalkotás képessége;

* absztrakciós készség;

* intuíció és kreativitás;

* kommunikációs készségek;

* alkalmasság az együttműködésre, a csoportmunkában való részvételre.

A szakképzettség alkalmazása konkrét környezetben és tevékenységrendszerben:

A statisztikus feladata a kísérletek megtervezése, a megkívánt statisztikai erőhöz szükséges mintaelemszám meghatározása, a megfelelő statisztikai elemző módszerek kiválasztása és végrehajtása. A bioinformatikai kutatások (úgymint genomika, proteomika, metabolomika stb.) terjedése szintén növeli a statisztikához és az informatikához is magas szinten értő, a sokváltozós adatelemzésben jártas szakemberek iránti igényeket. Hasonlóan nagy volumenű, sokváltozós adatbázisokat eredményez a népegészségügyi adatok elektronikus kezelése, az automatizált adatgyűjtés. 

Alapismereti tantárgyak: 34 kredit

Matematikai ismeretek (lineáris algebra, többváltozós valós függvények differenciál- és integrálszámítása, a mértékelmélet és valószínűségszámítás alapjai, optimalizációs módszerek), informatikai ismeretek (programozás, statisztikai programcsomagok használata, adatkezelés, jelentések, prezentációk készítése), epidemiológiai ismeretek, módszertani ismeretek (kutatástervezés, kísérlettervezés)

Szakmai törzsanyag: 78 kredit

Lineáris modellek, általánosított lineáris modellek, kevert modellek, likelihood-elmélet, nemparaméteres módszerek, permutációs próbák, bootstrap próbák és konfidencia-intervallumok, szimuláció, szimuláció és Monte Carlo módszerek, többváltozós statisztikai módszerek, machine learning, klinikai kísérletek tervezése, bioinformatika, adatbányászat, túléléselemzés, meta-analízis 

8