Leírás

Általános információk

The subject aims to give an introduction and insight into some aspects of clinical statistics. We will cover survival studies, advanced regression techniques, ROC analysis and basis of modern Bayesian methods including Bayesian neural networks and information theory.

It is assumed that the participants are familiar with the basis of statistics, and have a basic experience with the R (free, GPL licensed) statistical software. This is best accomplished by completeting the course "Medical statistics, informatics and telemedicine" which is scheduled in the 3rd year's fall semester for MD students as a mandatory course.

A tantárgy rövid leírása

Week    Date    Lecturer    Topic    Téma
1    10.febr    Schay G.    Introduction, class timing    Bevezetés, óramegbeszélés
2    17.febr    Agócs G.    Survival analysis 1    Túlélés1
3    24.febr    Agócs G.    Survival analysis 2    Túlélés2
4    03.márc    Schay G.    Bayesian methods 1    Bayes módszerek 1
5    10.márc    Schay G.    Bayesian methods 2 , learning model    Bayes módszerek 2, tanulási modell
6    17.márc    Schay G.    Bayesian methods 3, neural networks    Bayes módszerek 3 - neurális hálózatok
7    24.márc    Schay G.    ROC analysis    ROC analízis
8    31.márc    Veres D.    Markdown    Markdown
9    07.ápr    Veres D.    Regression methods 1    Regresszió1
10    14.ápr    Veres D.    Regression methods 2    Regresszió2
11    24.ápr    Veres D.    Agreement    Egyetértés
12    28.ápr    Agócs G.    Meta analysis    Metaanalízis
13    05.máj    Schay G.    paper presentation    cikk bemutató 
14    12.máj    Schay G.    test writing    tesztírás
 

Előadások

Előadások

1	Introduction schay.gusztav@med.semmelweis-univ.hu (Schay Gusztáv)	2024.02.13.
2	Regression - Rstudio - 1 veres.daniel@med.semmelweis-univ.hu (Veres Dániel Sándor)	2024.02.20.
3	Regression - Rstudio - 2 (Veres Dániel Sándor)	2024.02.27.
4	Regression - Rstudio - 3 (Veres Dániel Sándor)	2024.03.05.
5	ROC analysis schay.gusztav@med.semmelweis-univ.hu (Schay Gusztáv)	2024.03.12.
6	survival analysis 1 (Agócs Gergely)	2024.03.19.
7	survival analysis 2 (Agócs Gergely)	2024.03.26.
8	meta analysis (Agócs Gergely)	2024.04.02.
9	Fundations of Bayesian statistics (Schay Gusztáv)	2024.04.09.
10	Updating - the bayesian learning model (Schay Gusztáv)	2024.04.16.
11	Foundations of bayesian neural networks (Schay Gusztáv)	2024.04.23.
12	Training of neural netrowks (Schay Gusztáv)	2024.04.30.
13	exam possibility (Schay Gusztáv)	2024.05.14.

Vizsga

Vizsga

At the end of the semester a Moodle-test will be written and will serve as the basis of the grades. During the semester it is mandatory to read and analyze ONE medically relevant research paper, and talk about the statistical methods used therein. This is a pre-requisite for an accepted semester.