Descripció
Introducció clara i pràctica a l’estadística clínica aplicada, pensada per ajudar els professionals de la salut a entendre, interpretar i valorar críticament les dades i els resultats estadístics que apareixen en articles científics i projectes de recerca. A través d’exemples reals i sense utilitzar fórmules matemàtiques, els participants aprendran a identificar el tipus de dades, seleccionar la prova estadística adequada i interpretar correctament conceptes clau com la normalitat, el p-valor o els errors estadístics. El curs també incorpora una introducció a l’ús de la intel·ligència artificial (IA) com a suport en el raonament clínic-estadístic, amb criteris i bones pràctiques.
Acreditació:
Dirigit a
Metges i professionals de l’àmbit de la salut interessats a millorar la seva comprensió de l’estadística aplicada a la recerca clínica, interpretar amb més seguretat els resultats dels articles científics i analitzar dades pròpies de manera crítica i fonamentada. No es requereixen coneixements previs d’estadística.
Objectius
- Entendre l’estructura i la lògica d’un pla d’anàlisi estadística en recerca clínica.
- Conèixer els principals estadístics descriptius univariants i la seva aplicació segons el tipus de dades.
- Identificar els mètodes per contrastar la normalitat i transformar dades quan calgui.
- Reconèixer les principals proves estadístiques bivariants, paramètriques i no paramètriques.
- Aprendre a seleccionar la prova estadística adequada segons les característiques de les variables.
- Interpretar correctament els resultats estadístics i detectar errors habituals.
- Utilitzar eines d’IA com a suport per identificar variables, proves estadístiques i interpretar resultats, amb criteri professional
Programa
1. Conceptes bàsics d’estadística clínica
• Tipus de variables i tipus de dades
• Conceptes imprescindibles per entendre les dades d’un estudi
2. Pla d’anàlisi estadística
• Estructura i flux de treball
• Errors habituals i com evitar-los
3. Estadística descriptiva univariable
• Variables quantitatives: mesures de tendència central, dispersió, posició, simetria i curtosi
• Variables qualitatives: taules de freqüències
4. Tractament de dades problemàtiques
• Valors extrems (outliers) i dades mancants (missings)
• Impacte en els resultats i estratègies de gestió
5. Estadística bivariant i contrast d’hipòtesis
• Normalitat de les dades i transformacions
• Hipòtesi nul·la, p-valor i errors associats
• Proves de comparació segons el tipus de variables
• Guia pràctica per escollir la prova estadística adequada
6. IA aplicada a l’estadística clínica
• Possibilitats i límits de la IA en l’anàlisi estadística
• Redacció de prompts clínico-estadístics eficaços
• Interpretació de resultats amb suport d’IA i criteri professional
Docents
Docents
Laura Muñoz Ortiz
Bioestadística i formadora, llicenciada per la UPC especialitzada en suport integral a projectes de recerca en salut.