GZW3024 - Voortgezette Statistiek en Methoden van Onderzoek

Description

Beste student ,

Ik ben Sjim van SLIM. Dat staat voor Statistiek Leren in Maastricht. In de afgelopen vijf jaar heb ik bijles gegeven aan ongeveer 900 studenten gezondheidswetenschappen. Het ging daarbij om de blokken GZW1023, GZW1026 en GZW3024.

In deze online course heb ik alle stof onderverdeeld in kleine stukken theorie die allemaal op elkaar voortbouwen. Oftewel, we beginnen van vooraf aan en bespreken eerst de basis. Gaandeweg worden steeds meer begrippen bekend verondersteld en gaan we richting het niveau van het tentamen.

De structuur van de bijles is als volgt:

1. Je kijkt een filmpje waarin de theorie van een hoofdstuk wordt uitgelegd. Alle stukken theorie worden geïllustreerd met een praktisch voorbeeld en vervolgens volgen enkele oefenvragen die ik uitleg.

2. Je leest het hoofdstuk door in het boek (als je dit gekocht hebt). Aan het einde van dit hoofdstuk staan oefenvragen die je zelfstandig kunt maken.

3. Je maakt online de voorbeeld tentamenvragen, die na afloop toegelicht worden.

Omdat ik deze bijles al een aantal keren heb gegeven, kan ik goed inschatten welke stof wel en niet relevant is voor het tentamen. Daardoor is de bijles compleet en compact. Omdat statistiek door velen gezien wordt als droog en saai, probeer ik er met leuke voorbeelden en slechte humor voor te zorgen dat je wakker blijft. Veel succes!

Sjim van SLIM

What You Will Learn!

• Alles wat je moet weten voor het tentamen GZW3024. Hieronder heb ik de eindtermen gekopieerd uit het blokboek. Deze komen allemaal aan bod
• Features, pros and cons, and applications of important experimental and observational designs, including nested, quasi-experimental and cross-over designs;
• Selection bias (dropout, non-response), information bias (non-differential and differential) and confounding;
• The concepts effect-modification and interaction;
• Multiple linear and logistic regression analysis (confounding factors, effect modification, model selection, dummy variables, test statistics);
• Relation between multiple linear regression and ANOVA and ANCOVA;
• Relation between (multiple) logistic regression and cross table analysis;
• Linear mixed regression as a technique for dependent observations (“compound symmetry” and “unstructured covariance models”);
• ifferent forms of reliability, validity and agreement and their relations, including validity and reliability of diagnostic and screening tests;
• Reliability (test-retest, Cronbach’s α, Spearman-Brown), validity (correction for attenuation), determining agreement (intraclass correlation, kappa);
• Relation between sample size, power of a test, type I error rate and effect size;
• Methods of sampling and techniques to determine the minimally required sample size (two or more independent samples for a continuous and dichotomous outcome);
• Different forms of and selection strategies for systematic literature research (systematic review and meta-analysis);
• Methods to interpret the results of a systematic literature review (forest plot, funnel plot, pooled effect estimates);
• Relation between a research question, number and measurement levels of variables, choice of a design, selection of instruments and choice of analysis technique.
• Calculating and interpreting measures of association in the context of different research designs;
• Performing linear, logistic and a (simple) linear mixed-effects regression in the statistical package SPSS;
• Performing a stratified and multivariate analysis to examine confounding and effect- modification;
• Applying techniques for research into reliability and validity, and for examining agreement, within the statistical package SPSS;
• Assessing the quality of diagnostic and screening tests;
• Performing simple sample size calculations with the computer program Gpower;
• Making a motivated choice from different research designs and analysis techniques for addressing a health sciences research question;
• Understanding methodological and statistical aspects of a simple scientific article.

Who Should Attend!

• Derdejaars studenten - Gezondheidswetenschappen - Maastricht University

TAKE THIS COURSE