Regressione Lineare e Logistica in Ambito Sanitario con Stata

Il corso “Regressione Lineare e Logistica in Ambito Sanitario in Stata” offre ai partecipanti una panoramica delle tecniche di regressione lineare e logistica implementate in ambito sanitario. Durante le sessioni verranno illustrati, attraverso una serie di esempi applicati: i) i modelli di regressione adottati per esaminare le relazioni tra più variabili continue e dicotomiche; ii) i metodi disponibili per testare e correggere problemi comuni; e iii) l’identificazione degli outliers e delle osservazioni influenti. Particolare attenzione sarà dedicata all’interpretazione e alla presentazione dei risultati e alla selezione delle variabili importanti e non ridondanti nonché ai principali metodi di stima dei parametri (per variabili continue e categoriche) e alla loro interpretazione.

In linea con la filosofia dei corsi TStat, ogni singola sessione è composta da una componente teorica (in cui vengono spiegate le tecniche e i principi sottostanti) e da un segmento applicato, durante il quale i partecipanti hanno l’opportunità di implementare le tecniche utilizzando i dati reali sotto l’occhio vigile del tutor del corso. Durante il corso, le sessioni teoriche sono rafforzate da esempi di casi di studio, in cui il tutor del corso discute e mette in evidenza potenziali insidie e i vantaggi delle singole tecniche. Al termine, si prevede che i partecipanti siano in grado di implementare autonomamente, con l’aiuto delle routines di Stata, sviluppate durante il corso, le metodologie e le tecniche acquisite.

Il corso è pensato per Studenti, Dottorandi, Specializzandi e Assegnisti di ricerca nel campo di medicina e per medici, professionisti e ricercatori in sanità pubblica provenienti da istituzioni pubbliche e private che desiderano utilizzare i modelli di regressione lineari e logistici nella propria ricerca empirica.

Conoscenza dell’uso interattivo di Stata e conoscenza di base di biostatistica e epidemiologia.

REGRESSIONE LINEARE

SESSIONE I: METODI DI ANALISI DI DATI NUMERICI

Analisi della varianza (ANOVA)
Il comando oneway
Il coefficiente di correlazione di Pearson
I comandi twoway scatter, graph matrix, correlate e pwcorr

SESSIONE II: LA REGRESSIONE LINEARE SEMPLICE

Equazione del modello di regressione lineare semplice
Assunzioni della regressione lineare
Stima dei coefficienti della regressione: il metodo OLS
Il coefficiente di determinazione R quadro
Regressione polinomiale
Il comando regress
Interpretazione dei coefficienti della regressione lineare semplice per variabile indipendente numerica e variabile indipendente categorica
Uso delle dummy variables
Comandi post-estimation: predict, margins, marginsplot

SESSIONE III: LA REGRESSIONE LINEARE MULTIVARIABILE

Equazione del modello di regressione lineare multivariabile
Interpretazione dei coefficienti della regressione lineare multivariabile
Aggiustamento per covariate
Interazione tra variabili indipendenti
Presentazione dei risultati dell’analisi di regressione

SESSIONE IV: VERIFICA DELLE ASSUNZIONI DEL MODELLO DI REGRESSIONE LINEARE

Analisi dei residui
Valutazione di linearità delle variabili continue
Identificazione degli outliers e delle osservazioni influenti
I comandi estat, estimates, rvfplot, acprplot e lvr2plot

REGRESSIONE LOGISTICA 

SESSIONE V: LA REGRESSIONE LOGISTICA SEMPLICE

Come studiare effetti dicotomici
La trasformazione logistica
Probabilità, odds e log odds
Equazione del modello di regressione logistica semplice
Stima dei coefficienti della regressione logistica: il metodo Maximum Likelihood
I comandi logit e logistic
Interpretazione dei coefficienti della regressione logistica semplice per variabile indipendente numerica e variabile indipendente categorica
Odds Ratio
I comandi predict, margins e marginsplot

SESSIONE VI: LA REGRESSIONE LINEARE MULTIVARIABILE

Equazione del modello di regressione logistica multivariabile
Interpretazione dei coefficienti della regressione logistica multivariabile
Aggiustamento per covariate
Interazione tra variabili indipendenti
Presentazione dei risultati dell’analisi di regressione

SESSIONE VII: COSTRUZIONE E VALUTAZIONE DEL MODELLO DI REGRESSIONE LOGISTICA MULTIVARIABILE

Multicollinearità
Likelihood Ratio test
Il test di Hosmer e Lemeshow
La curva ROC
I comandi lrtest, estat gof, lroc

TESTI UTILI

An Introduction to Stata for Health Researchers, Fourth Edition, Svend Juul and Morten Frydenberg, Stata Press (2014)

BIOSTATISTICA, Quello che avreste voluto sapere… G. R. Norman, D. L. Streiner, Casa Editrice Ambrosiana (2015)

L’edizione 2023 di questo corso di formazione verrà offerta ONLINE. Il programma del corso si svolge in 4 moduli della durata di 3 ore oltre 30 minuti di pausa. Le lezioni si svolgeranno nelle mattine del 12-13 e 19-20 Ottobre dalle ore 9.30 alle ore 13.00.

La partecipazione al corso è soggetta al pagamento della seguente quota di iscrizione:

Studenti*: € 710.00
Dottorandi: € 910.00
Università: € 1010.00
Commerciale: € 1345.00

*La nostra politica standard è quella di fornire l’accesso alla tariffa “studenti a tempo pieno”, a studenti di laurea o master. E’ necessario pertanto presentare copia del libretto universitario o un certificato di iscrizione (in carta semplice) all’Università che ne attesti lo status. Studenti di master e dottorandi part-time, occupati, dovranno considerare la tariffa riservata alle Università.

I prezzi si intendono IVA 22% esclusa. L’aliquota IVA non sarà applicata per Enti Pubblici soggetti ad esenzione a norma dell’art. 14 c. 10 della L. 537/93 per la partecipazione a corsi di formazione dei propri dipendenti.

La quota di iscrizione include il materiale didattico e una licenza temporanea del software Stata. Dà inoltre diritto ad uno sconto sull’acquisto di una nuova licenza per singolo utente del Software Stata (ad esclusione della versione per Studenti e Prof+ Plan).

L’iscrizione al corso dovrà avvenire tramite lo specifico modulo di registrazione e pervenire a TStat S.r.l. entro il 2 Ottobre 2023. Lo svolgimento è condizionato dal raggiungimento di un numero minimo di 5 partecipanti ed un numero massimo di 8.