Nivel I
1) Introducción a la estadística.
a) Teórico: Jorge Thierer/Teresa Politi
i. Diseños de estudios en la investigación clínica y epidemiológica. Fortalezas y debilidades.
ii. Conceptos básicos de probabilidad.
iii. Datos Cuantitativos.
iv. Datos Cualitativos.
v. Generalidades. Distribución y representación.
b) Práctico: Martin Lobo
i. Instalación de “R” y “R Studio” en Windows.
ii. Instalación de “R” y “R Studio” en MAC.
iii. Tipos de bases de datos.
iv. Recolección de datos. Normalización y validación de bases de datos y formularios.
v. Introducción a R. Instalación y carga de paquetes estadísticos de uso frecuente.
vi. Filtrados de datos, reclasificación y conversión de variables.
vii. Cálculos y variables calculadas.
2) Estadística Descriptiva.
a) Teórico: Vanina Pagotto
i. Datos cualitativos. Prevalencia e incidencia. Tipos de gráficos utilizados.
ii. Datos cuantitativos. Medidas de posición y dispersión. Distribución normal (Gaussiana) y no normal.
iii. Evaluación de la distribución mediante medidas simples.
iv. Tipos de gráficos para medidas continuas.
b) Práctico: Vanina Pagotto
i. Visualización de tablas de frecuencias y porcentajes.
ii. Gráficos de barras y tortas.
iii. Determinación de la media, mediana, modo, desvío estándar, intervalos y rangos intercuartilos, intervalos de confianza.
iv. Histogramas, gráficos de densidad, gráficos de cajas.
v. Utilización de las medidas anteriores para agrupar o generar una nueva variable.
vi. Cálculo del coeficiente de asimetría (Skewness) y curtosi.
3) Estadística inferencial.
a) Teórico: Jorge Thierer
i. Probabilidad e incertidumbre. Hipótesis nula y alternativa.
ii. Error alfa y beta.
iii. Interpretación del valor de p a una y dos colas.
4) Estadística inferencial II. Datos cualitativos.
a) Teórico: Nicolas Falk
i. Comparación de datos cualitativos en muestras independientes (Chi2).
ii. Evaluación de supuestos y utilidad del Test de Fisher.
iii. Comparación de datos cuantitativos en muestras pareadas (McNemar).
b) Práctico: Nicolas Falk
i. Aplicación de los test Chi2, Fisher y McNemar.
ii. Tablas con paquetes especiales.
5) Estadística inferencial III. Datos cuantitativos con distribución normal.
a) Teórico: Raúl Bozzo
i. Utilidad de los Test de normalidad y como aplicarlos.
ii. Teorema central del límite.
iii. Comparación de datos Cuantitativos. Test de T para dos muestras independientes. Test de T para muestras apareados.
b) Práctico: Raúl Bozzo
i. Aplicación de los test de normalidad sobre las muestras y las diferencias.
ii. Test de T para muestras independientes y para datos pareados.
6) Estadística inferencial IV. Datos cuantitativos con distribución anormal; Test no paramétricos.
a) Teórico: Raúl Bozzo
i. Comparación de dos grupos de datos continuos de distribución no normal, independientes y apareadas.
b) Práctico: Raúl Bozzo
i. Aplicación de los test no paramétricos.
7) Medidas de efecto.
a) Teórico: Gerardo Masson
i. Riesgo relativo, riesgo absoluto, reducción de riesgo y odds ratio.
ii. Significancia e interpretación de los intervalos de confianza.
iii. Número necesario a tratar (NNT) y número necesario para producir daño (NND).
b) Práctico: Martin Lobo
i. Cálculos mediante fórmulas de las medidas de efecto y los intervalos de confianza.
8) Pruebas diagnósticas.
a) Teórico: Gerardo Masson
i. Sensibilidad, especificidad, valores predictivos y Likelihood ratio.
ii. Evaluación de la discriminación de eventos mediante Curvas ROC. (área bajo la curva y determinación del punto de corte optimo).
b) Práctico: Martin Lobo
i. Cálculos de sensibilidad, especificidad VPP, VPN y Likelihood ratio.
ii. Gráficos de curvas ROC y PCO. Área bajo la curva.
9) Regresión lineal.
a) Teórico: Teresa Politi
i. Correlación para muestras de distribución normal y no normal.
ii. Coeficientes de correlación y de determinación.
iii. Análisis de supuestos mediante el análisis de los residuos y residuos estandarizados (distribución, leverage, distancia de cook).
iv. Regresión lineal univariada, interpretación de significancia y coeficientes.
v. Ajuste del modelo.
b) Práctico: Teresa Politi
i. Gráficos y matrices de correlación. Cálculo de R y R2.
ii. Gráficos de residuos, residuos estandarizados, homocedasticidad.
iii. Evaluación de supuestos. Cálculos de leverage, distancia de cook, normalidad, heterocedasticidad.
iv. Obtención del modelo, coeficientes, IC y p y ajuste del modelo.
10) Regresión logística.
a) Teórico: Jorge Thierer
i. Diferencias entre regresión logística y lineal. Porque una u otra?
ii. Concepto de logit.
iii. Variables dummy.
iv. Interpretación de los coeficientes y la significancia.
v. Cálculo del OR e IC (95%).
vi. Ajuste del modelo.
b) Práctico: Martin Lobo
i. Obtención del modelo, coeficientes,OR, IC y p.
ii. Manejo de variables dummies.
iii. Ajuste del modelo.
