Estadística aplicada a Investigación Clínica (Ed. 1)
PRESENTACIÓN
La investigación clínica requiere la manipulación y el análisis de datos como componentes esenciales de su desarrollo. Aunque estas tareas han estado tradicionalmente en el ámbito de los estadísticos y matemáticos, la capacidad de leer archivos de datos y realizar análisis preliminares resulta sumamente útil para las etapas posteriores del proceso analítico, así como para la identificación de datos anómalos.
OBJETIVO
Este curso tiene como objetivos generales:
- Diseño estadístico en estudios clínicos, abarcando la elaboración del Plan de Análisis Estadístico y las normativas europeas relacionadas con el análisis de datos en ensayos clínicos.
- Estadística aplicada a la investigación clínica, proporcionando herramientas para un análisis robusto y adecuado.
- Lectura y manipulación de archivos de datos, junto con los fundamentos de programación en R, para capacitar en el manejo y procesamiento de información de manera autónoma y eficiente.
Departamento
Farmacología
Centro
Facultad de Medicina
IP/Director
Antonio Javier Carcas Sansuan
Modalidad
Semipresencial
Fecha inicio
01/10/2025
Fecha fin
31/12/2025
Programa, días, horario y lugar de celebración
Equipo docente
Requisitos previos de acceso y criterios de evaluación
Matriculación, reconocimiento de ECTs y becas
Contacto
Programa, días, horario y lugar de celebración
PROGRAMA:
- 1. ICHE9 y Elaboración de un Plan de Análisis Estadístico (PAE)
Este módulo aborda los conceptos fundamentales de la estadística aplicada a la investigación clínica, proporcionando las bases para la planificación de ensayos clínicos según las guías y principios establecidos, y para la elaboración de un Plan de Análisis Estadístico. - 2. Introducción a la Probabilidad y Cálculo de Probabilidades
Este tema introduce los conceptos básicos de probabilidad, incluyendo las distribuciones y funciones de probabilidad, así como las metodologías para el cálculo de probabilidades. - 3. Estadística Descriptiva
Se profundiza en los fundamentos de la estadística descriptiva, abarcando la definición de parámetros estadísticos, tipos de estadísticos relevantes, cálculo de parámetros y la realización de análisis exploratorios de datos. - 4. Análisis Univariante
Este módulo se centra en los principios del análisis estadístico univariante, definiendo los tipos de pruebas estadísticas adecuadas según el análisis requerido (prueba t de Student, χ², ANOVA, entre otros). - 5. Análisis Multivariante I
Este tema explora los conceptos básicos del análisis estadístico multivariante, introduciendo los modelos aplicables según el tipo de análisis, como la regresión lineal y la regresión logística. - 6. Análisis Multivariante II
En este módulo se abordan conceptos avanzados del análisis multivariante, incluyendo los criterios para la selección de variables (Stepwise, Forward) y la evaluación de modelos óptimos mediante criterios como BIC, AIC y Likelihood. - 7. Predicción
Se introducen los fundamentos de la predicción estadística, incluyendo los conceptos básicos, tipos de validación y los modelos predictivos más utilizados. - 8. Estadística No Paramétrica
Este tema explora los principios de la estadística no paramétrica, definiendo su ámbito de aplicación, parámetros específicos, pruebas de normalidad (Kolmogorov-Smirnov, Shapiro-Wilks), pruebas no paramétricas univariantes y modelos multivariantes no paramétricos. - 9. Cálculo del Tamaño Muestral
Se profundiza en el cálculo del tamaño muestral, abarcando la definición y tipos de muestreo, la selección de muestras óptimas y los métodos de aleatorización. - 10. Análisis de Supervivencia I
Este módulo introduce los fundamentos del análisis de supervivencia, abordando conceptos como supervivencia, riesgo, funciones asociadas (función de riesgo, función de supervivencia), métodos de estimación (Kaplan-Meier, Weibull, Poisson) y pruebas paramétricas y no paramétricas univariantes (log-rank). - 11. Análisis de Supervivencia II
Se presentan conceptos avanzados del análisis de supervivencia, incluyendo modelos de riesgos proporcionales (Cox) y riesgos competitivos, junto con evaluaciones del modelo mediante residuos (Cox-Snell, Schoenfeld). - 12. Programación en R
Este tema se centra en la lectura y manipulación de archivos de datos, junto con los fundamentos de la programación en R, capacitando a los participantes para gestionar y procesar información de forma autónoma y eficiente.
DÍAS, HORARIO Y LUGAR DE CELEBRACIÓN:
- Días: Parte online en https://formacion.uam.es/ entre el 1/10 y 30/12 parte práctica 7 y 8 de nov 2025
- Horario:
- En la parte ONLINE DEL CURSO los alumnos podrán acceder a cada uno de los temas de acuerdo a sus propias necesidades y disponibilidad, en cualquier momento del día, durante las 24 horas y 7 días a la semana.
- La parte Presencial de los cursos se desarrollará en Seminarios, de carácter exclusivamente práctico, que habrán que preparar previamente y que se desarrollarán en 12 horas que tendrán lugar en las instalaciones de la Facultad de Medicina de la UAM.Se controlará la asistencia mediante la firma individual de cada alumno en el listado de firmas que se pasará al inicio de cada seminario. Se requiere el 100% de asistencia para aprobar.
- Lugar de celebración: La parte presencial se desarrollará en la Facultad de Medicina de la Universidad Autónoma de Madrid. La parte online en https://formacion.uam.es/