Luigi Santoro. Hyperphar Group S.p.A., MIlano
|
|
- Erica Antonini
- 7 anni fa
- Visualizzazioni
Transcript
1 Come modellare il rischio Luigi Santoro Hyperphar Group S.p.A., MIlano
2 Gli argomenti discussi Le definizioni del termine rischio L utilità di un modello predittivo di rischio Come costruire modelli predittivi Come confrontare modelli predittivi: le curve ROC La validazione di modelli predittivi
3 Le definizioni del termine rischio Rischio di popolazione: probabilità di un evento sanitario sfavorevole in una data popolazione. Rischio individuale: probabilità che un individuo appartenente ad una data popolazione sviluppi un evento sanitario sfavorevole. Rischio relativo (RR): probabilità di un evento sanitario sfavorevole per un individuo esposto ad un dato fattore rispetto alla probabilità di evento in un individuo non esposto al fattore. Odds ratio (OR): approssimazione del RR. Molto usato nel confronti tra classi di rischio prodotti da modelli predittivi.
4 Le definizioni del termine rischio Semplici notazioni matematiche: Rischio di popolazione: p=n evento /N Rischio individuale: p e (funzione delle caratteristiche individuali e del modello statistico usato per stimare il rischio) Rischio relativo (RR): p e /p ne Odds ratio (OR): p e /(1-p e ) / p ne /(1-p ne )
5 L utilità di un modello predittivo di rischio Il modello predittivo è un algoritmo statisticomatematico che permette di valutare: in una data popolazione; prima di un dato intervento; in termini probabilistici, quali soggetto siano a maggior rischio (individuale) di evento. La stratificazione dei pazienti in classi di rischio diverse può essere un supporto per decisioni di tipo clinico, chirurgico, terapeutico
6 Come costruire modelli predittivi Necessità di garantirsi una sufficiente generalizzabilità del campione (Training Set) su cui costruire il modello predittivo; le variabili predittive devono essere facili da raccogliere (al fine di minimizzare i dati mancanti), clinicamente rilevanti e immediatamente disponibili; calibrare il numero di variabili predittive sulla base del numero totale di eventi osservati; rapporto 10 tra eventi e numero di predittori
7 Come costruire modelli predittivi In mancanza di questi pre-requisiti il modello perde in accuratezza e validità.
8 Come costruire modelli predittivi Quali modelli statistici per la stima del rischio? Il modello di analisi discriminante Il modello di regressione logistica
9 Come costruire modelli predittivi Il modello di analisi discriminante Scopo: definire modalità di assegnazione di nuovi casi a differenti gruppi di rischio in funzione di una serie di variabili predittive; I passi: 1) Scelta di un Training Set, in cui gli esiti sui pazienti (casi e non casi) e le variabili predittive (x 1, x 2,,x n ) sono noti; 2) Definizione di uno score individuale di discriminazione per ciascun paziente: D= b 0 + b 1 x 1 + b 2 x b n x n ; 3) Stima dei coefficienti (b 1,b 2 b n ) della funzione discriminante: metodo dei minimi quadrati; 4) Stima dello score medio di discriminazione D e della relativa SEM per casi e non casi;
10 Come costruire modelli predittivi Il modello di analisi discriminante Scopo: definire modalità di assegnazione di nuovi casi a differenti gruppi di rischio in funzione di una serie di variabili predittive; I passi: 5) Stima della soglia discriminante (cut-off): media pesata delle due medie di gruppo con pesi pari alla SEM dell altro gruppo (tanto minore è la SEM di un gruppo tanto più la soglia sarà vicina alla media corrispondente); valore che ottimizza sensibilità e specificità; altri metodi; 6) Identificazione delle classi di rischio: BASSO RISCHIO: scores individuali inferiori al cut-off ALTO RISCHIO: scores individuali superiori al cut-off.
11 Come costruire modelli predittivi I passi successivi: Valutazione della capacità predittiva del modello e della sua utilità : Analisi della proporzione di assegnazione corretta del campione secondo il modello predittivo: Quanti non-casi classificati a basso rischio? Quanti casi classificati ad alto rischio? Validazione del modello.
12 Come costruire modelli predittivi Il modello di regressione logistica Scopo: definire modalità di assegnazione di nuovi casi a differenti gruppi di rischio in funzione di una serie di variabili predittive; I passi: 1) Scelta di un Training Set, in cui gli esiti sui pazienti (casi e non casi) e le variabili predittive (x 1, x 2,,x n ) sono note; 2) Definizione di una funzione logistica: logit(p)=log(p/(1-p))= b 0 + b 1 x 1 + b 2 x b n x n ; 3) Definizione della probabilità individuale di evento: 1 p = 1+ exp logit( p) 4) Stima dei coefficienti della funzione logistica (b 1,b 2 b n );
13 Come costruire modelli predittivi Il modello di regressione logistica Scopo: definire modalità di assegnazione di nuovi casi a differenti gruppi di rischio in funzione di una serie di variabili predittive; I passi: 5) Calcolo, per ciascun soggetto, della probabilità individuale di evento; 6) Stima della soglia discriminante (cut-off): valore che ottimizza sensibilità e specificità; valore mediano della probabilità di evento; altri metodi. 6) Identificazione delle classi di rischio: BASSO RISCHIO: probabilità individuale di evento < cut-off ALTO RISCHIO: probabilità individuale di evento > cut-off.
14 Come costruire modelli predittivi I passi successivi: Valutazione della capacità predittiva del modello e della sua utilità: Analisi della proporzione di assegnazione corretta del campione secondo il modello predittivo: Quanti non-casi classificati a basso rischio? Quanti casi classificati ad alto rischio? Validazione del modello.
15 Il confronto tra modelli predittivi: le curve ROC (receiving-operator characteristics) Ogni modello predittivo genera per ogni paziente uno score individuale; Per ogni modello si ordinano in senso decrescente gli scores calcolati sul campione di pazienti; Si individua un certo numeri di scores tipici (es: i 9 decili della distribuzione) come cut-off di rischio. In corrispondenza di ogni cut-off: Ogni paziente è classificato a basso rischio se lo score individuale è inferiore al cut-off; ad alto rischio altrimenti si valuta l assegnazione corretta (veri positivi) o scorretta (falsi positivi) dei soggetti classificati ad alto rischio : Veri Positivi: i casi classificati (correttamente) ad alto rischio Falsi Positivi: i non-casi classificati (erroneamente) ad alto rischio ;
16 Il confronto tra modelli predittivi: le curve ROC (receiving-operator characteristics) Al descrescere del valore soglia considerato, Basso rischio Alto rischio tra i pazienti classificati ad alto rischio, il tasso di incremento dei veri positivi rallenta rispetto a quello dei falsi positivi. Non eventi Eventi VN 84 FN 6 FP 6 90 VP
17 Il confronto tra modelli predittivi: le curve ROC (receiving-operator characteristics) In un sistema di assi cartesiani (ascisse: veri positivi; ordinate: falsi positivi) è possibile individuare 10 punti; uniti tra loro i punti generano una curva ROC e delimitano un area sottesa alla curva (AUC, area under curve).
18 Il confronto tra modelli predittivi: le curve ROC (receiving-operator characteristics) La statistica di sintesi per valutare l accuratezza di un modello predittivo è l area sottesa alla curva (AUC). E possibile confrontare statisticamente due modelli predittivi attraverso il confronto delle AUC.
19 La validazione di modelli predittivi Validazione interna Confronto tra modelli predittivi costruiti sullo stesso Training Set Validazione esterna Il modello predittivo costruito sul Training Set, deve essere validato su (almeno) un altro campione (Test set), indipendente dal primo. Selezione stesso set di variabili predittive (x 1, x 2,,x n ) ; Applicazione dei coefficienti (b 1,b 2 b n ) individuati nel training set; Applicazione dello stesso cut-off individuato nel training set; Valutazione capacità predittiva. In alternativa: Metodi di ricampionamento dallo stesso training set.
20 Come modellare il rischio Grazie per l attenzione
21
Valutazione dei test diagnostici
Valutazione dei test diagnostici Maria Miceli M. Miceli 2011 1 Diagnosi individuale (test di laboratorio) Esame collaterale nell ambito dell iter diagnostico condotto generalmente su animali sintomatici
DettagliIn alternativa all intervallo di riferimento. VALORI o LIVELLI DECISIONALI
In alternativa all intervallo di riferimento VALORI o LIVELLI DECISIONALI Valori sopra o sotto i quali è raccomandabile seguire un determinato comportamento clinico: - Instaurare o modificare un regime
Dettaglicurves (ordinary ROC)
CURVE ROC Ordinary ROC Frequency ROC Expected Utility ROC (O-ROC) (F-ROC) (EU-ROC) O-ROC curves (ordinary ROC) 1 Le coordinate di ogni punto della curva sono il tasso di veri positivi pari alla sensibilità
DettagliVALORI o LIVELLI DECISIONALI
In alternativa all intervallo di riferimento VALORI o LIVELLI DECISIONALI Valori sopra o sotto i quali è raccomandabile seguire un determinato comportamento clinico: - Instaurare o modificare un regime
DettagliIndici di validità di un test diagnostico
Indici di validità di un test diagnostico (accuratezza, capacità discriminante) Ogni test diagnostico binario, positivo-negativo, ha una quota di errore: rispettivamente falsi positivi e falsi negativi.
DettagliTest diagnostico. Definizione. Mondo ideale. Definizione
Definizione Test diagnostico Un test diagnostico è una qualunque procedura utile all'identificazione di uno stato di malattia. Viene utilizzato: all inizio del decorso clinico per la diagnosi; in qualsiasi
DettagliPatologia Clinica. Lezione introduttiva. Dott.ssa Samantha Messina
Patologia Clinica Lezione introduttiva Dott.ssa Samantha Messina Modulo: Patologia clinica Anno accademico 2011/2012 II anno, I semestre CdL Infermieristica, Facoltà di Medicina e Chirurgia Università
DettagliIl ragionamento diagnostico
Il ragionamento diagnostico 1 l accertamento della condizione patologica viene eseguito All'inizio del decorso clinico, per una prima diagnosi In qualsiasi punto del decorso clinico, per conoscere lo stato
DettagliLa statistica e i test diagnostici
La statistica e i test diagnostici Laura Ventura Dipartimento di Scienze Statistiche Università degli Studi di Padova ventura@stat.unipd.it XXIII Settimana della Cultura Scientifica e Tecnologica Liceo
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliSeconda Parte Specifica per la tipologia di scuola - Statistica sanitaria e Biometria - 22/07/2016
Domande relative alla specializzazione in: Statistica sanitaria e Biometria Scenario 1: In uno studio prospettivo condotto per valutare la relazione tra l'uso di estrogeni e rischio di cancro alla mammella,
DettagliAnalisi Discriminante Strumenti quantitativi per la gestione
Analisi Discriminante Strumenti quantitativi per la gestione Emanuele Taufer Un esempio introduttivo Approccio con Bayes Perchè un altro metodo di classificazione? Classificazione con Bayes Analisi discriminante
DettagliSignificatività statistica e clinica Ordine degli Psicologi della Sardegna Cagliari 15 febbraio 2013
La valutazione di esito dei trattamenti psicologici: la cultura e la prassi Ordine degli Psicologi della Sardegna Cagliari 15 febbraio 2013 Significatività statistica e clinica Ordine degli Psicologi della
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliTecniche diagnostiche
TEST DIAGNOSTICI Tecniche diagnostiche Infezione corrente Isolamento dell agente eziologico Identificazione del materiale genetico dell agente eziologico Segni clinici Alterazioni patognomoniche Alterazioni
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliObiettivo: confrontare due proporzioni, studiare il legame in presenza di un fattore di stratificazione
Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/13 Il chi-quadro di Mantel-Haenszel Obiettivo: confrontare due proporzioni, studiare il legame in presenza di
DettagliEPIDEMIOLOGIA CLINICA: PROPRIETÀ DEI TEST
EPIDEMIOLOGIA CLINICA: PROPRIETÀ DEI TEST Problemi nella pratica clinica 1. Spiegazione del profilo clinico Dato il profilo clinico di un paziente, quale malattia ha? 2. Spiegazione della malattia Perché
DettagliAspetti metodologici nella valutazione del rischio cardiovascolare
Aspetti metodologici nella valutazione del rischio cardiovascolare Roberto D Amico Roberto.damico@unimore.it Università degli Studi di Modena e Reggio Emilia Obiettivo ultimo è di identificare pazienti
DettagliE possibile identificare pazienti affetti da scompenso cardiaco a partire dai SIS?
E possibile identificare pazienti affetti da scompenso cardiaco a partire dai SIS? Belleudi V 1, Kirchmayer U 1, Agabiti N 1, Bauleo L 1, Cascini S 1, Fusco D 1, Arca M 1, Ferroni E 1, Di Domenicantonio
DettagliCostruzione di un indicatore prognostico di ospedalizzazioni ripetute nella Regione Lazio
Costruzione di un indicatore prognostico di ospedalizzazioni ripetute nella Regione Lazio A. Lallo, P. Schifano, A. Bargagli, N. Agabiti, P. Michelozzi Dipartimento Epidemiologia del SSR Regione Lazio
DettagliRiconoscimento e recupero dell informazione per bioinformatica
Riconoscimento e recupero dell informazione per bioinformatica Classificazione: validazione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Introduzione
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliCICLO ANALITICO COMPLETO
Trattamento Farmacologico Attività Fisica Dieta Ritmi Circadiani Richiesta del Test Paziente Postura Orario Materiale di Prelievo Prelievo Decisione Medica Valori decisionali (cut off points) Trattamento
DettagliGALLO_Metodi epidemiologici per la clinica _diagnosi / 1. La misura della diagnosi
GALLO_Metodi epidemiologici per la clinica _diagnosi / 1 La misura della diagnosi GALLO_Metodi epidemiologici per la clinica _diagnosi / 2 Cosa intendiamo quando parliamo di misure esatte : accuratezza
DettagliScreening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes
Screening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Storia naturale di
DettagliQuiz di verifica Classificazione
Quiz di verifica Classificazione Strumenti Quantitativi per la gestione Le domande 1 4 si riferiscono al seguente problema: Supponiamo di raccogliere dati per un gruppo di studenti della classe di SQG
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliStatistica nelle applicazioni sanitarie
Dipartimento di Fisica Scuola di Specializzazione in Fisica Medica A.A. 2012/2013 Statistica nelle applicazioni sanitarie Maria Roberta Monge: Roberta.Monge@ge.infn.it Test di screening e test diagnostici
DettagliFattori antropometrici e rischio di sindrome del tunnel carpale: curve ROC e misure di accuratezza
Fattori antropometrici e rischio di sindrome del tunnel carpale: curve ROC e misure di accuratezza Mauro Mondelli 1, Stefania Curti 2, Andrea Farioli 2, Alessandro Aretini 1, Federica Ginanneschi 3, Giuseppe
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 2.3 Validazione di un test clinico Davide Massidda davide.massidda@gmail.com Definire un cut-off Per ogni scala del questionario, sommando o mediando
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliTipi di variabilità del dato di laboratorio
Tipi di variabilità del dato di laboratorio VARIABILITA INTRAINDIVIDUALE VARIABILITA INTERINDIVIDUALE INTRA: è legata alle oscillazioni omeostatiche che garantiscono la composizione costante dei liquidi
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliStima della qualità dei classificatori per l analisi dei dati biomolecolari
Stima della qualità dei classificatori per l analisi dei dati biomolecolari Giorgio Valentini e-mail: valentini@dsi.unimi.it Rischio atteso e rischio empirico L` apprendimento di una funzione non nota
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliInfermieristica basata sulle prove di efficacia
Corso di Laurea in: Infermieristica (Presidente Prof. G. La Torre) Infermieristica basata sulle prove di efficacia Prof.ssa Carolina Marzuillo Prof.ssa Alice Mannocci Prof. Giuseppe Catalano carolina.marzuillo@uniroma1.it
DettagliLa logistica: una curva semplice con molte applicazioni
La logistica: una curva semplice con molte applicazioni Francesco Galvagno Relatore: Franco Pastrone Università degli studi di Torino Scuola di Studi Superiori di Torino Torino, 27 giugno 2017 Francesco
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliElementi di Epidemiologia per la Valutazione Comparativa di Esito
Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la
DettagliII ESERCITAZIONE ESERCIZIO
II ESERCITAZIONE ESERCIZIO 1 Quale percentuale di osservazioni sotto la curva normale standardizzata cade nell'intervallo compreso tra i valori z=-1 e z=+1? a) 66% circa b) 70,2% circa c) 68,2% circa d)
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005 Formulazione La prognosi non è altro che la stima della probabilità di un certo esito Quando il medico fa una previsione
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliCosa sappiamo delle persone fragili a Bologna (la banca dati della fragilità )
Sostegno alla fragilità e prevenzione della non autosufficienza Bologna 8 marzo Cosa sappiamo delle persone fragili a Bologna (la banca dati della fragilità ) Paolo Pandolfi Dipartimento di Sanità Pubblica
DettagliInformazioni sul corso ed eventuali diapositive delle lezioni:
Informazioni sul corso ed eventuali diapositive delle lezioni: www.bioclinica.unipi.it http://arsdocendi.med.unipi.it Per qualsiasi comunicazione: segreteria@bioclinica.unipi.it Per informazioni su appelli/iscrizione
DettagliApprendimento basato sulle istanze
Apprendimento basato sulle istanze Apprendimento basato sulle istanze Apprendimento: semplice memorizzazione di tutti gli esempi Classificazione di una nuova istanza x j : reperimento degli
DettagliIndicatori di attività: cardiochirurgia. pubblicazione luglio 2010
Indicatori di attività: cardiochirurgia 2009 pubblicazione luglio 2010 Indicatori dell attività di cardiochirurgia 1. Volumi di attività di cardiochirurgia 2. Distribuzione per EUROscore 3. Mobilità passiva
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliTEST SULLE CONOSCENZE ED ESERCIZI DEL MANUALE 2 SUGLI INDICATORI
TEST SULLE CONOSCENZE ED ESERCIZI DEL MANUALE 2 SUGLI INDICATORI 2.1 TEST DI CONOSCENZA SUGLI INDICATORI 1) Nella tripartizione delle dimensioni della qualità, quale manca? (completare): a) qualità b)
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it TIPI DI MEDIA: GEOMETRICA, QUADRATICA, ARMONICA Esercizio 1. Uno scommettitore puntando una somma iniziale
DettagliDATI INVALSI SUGLI APPRENDIMENTI Italiano-Matematica. Anno scolastico 2011/2012
DATI INVALSI SUGLI APPRENDIMENTI Italiano-Matematica Anno scolastico 2011/2012 In questo documento verranno riportate le informazioni che riguardano i dati relativi all Istituto Tecnico Industriale A.
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliINDICE. XIII Prefazione
INDICE XIII Prefazione Capitolo zero Prerequisiti 3 Unità uno Statistica descrittiva 5 Capitolo uno Statistica descrittiva di base 5 1.1 Tipi di dati in biologia 6 1.2 Sintesi della statistica descrittiva
DettagliL'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data
L'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data Paolo Mariani, Andrea Marletta Dipartimento di Economia, Metodi Quantitativi e Strategie di Impresa, Università
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliNOTA METODOLOGICA STIMA DELLE SOGLIE DI STRUTTURA E DI EXPORT : UN APPLICAZIONE DELLA METODOLOGIA ROC 1
77 NOTA METODOLOGICA STIMA DELLE SOGLIE DI STRUTTURA E DI EXPORT : UN APPLICAZIONE DELLA METODOLOGIA ROC 1 La determinazione della soglia dell export è ottenuta attraverso una procedura in due fasi. Nella
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 2 Teoria della decisione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
DettagliCognome e nome. b. Numero di globuli bianchi in 1 ml di sangue
1. Indicate a quale categoria appartengono le seguenti variabili: a. Età in anni compiuti Nominale Ordinale Numerica b. Numero di globuli bianchi in 1 ml di sangue c. Provincia di residenza, codificata
DettagliScuola di specializzazione In Fisica Sanitaria a.a. 2005/2006 Epidemiologia Prof. Maria Antonietta Penco
Scuola di specializzazione In Fisica Sanitaria a.a. 2005/2006 Epidemiologia Prof. Maria Antonietta Penco penco@fisica.unige.it 20/03/2006 Sensibilità e specificità di un test Consideriamo la seguente tabella:
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliClassificazione bio-molecolare di tessuti e geni come problema di apprendimento automatico e validazione dei risultati
Classificazione bio-molecolare di tessuti e geni come problema di apprendimento automatico e validazione dei risultati Giorgio Valentini e-mail: valentini@dsi.unimi.it DSI Dip. Scienze dell'informazione
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliL applicazione di MoVaRisCh: risultati e prospettive di utilizzo
Convegno Prevenzione, igiene e sicurezza nel comparto florovivaistico Pistoia, 23-24 Ottobre 2008 L applicazione di MoVaRisCh: risultati e prospettive di utilizzo Claudia Cassinelli Maria Cristina Aprea
DettagliLa stabilità dei campioni fecali nello screening del carcinoma colorettale
RIUNIONE ANNUALE SCREENING COLORETTALE Padova, 3 novembre 2010 La stabilità dei campioni fecali nello screening del carcinoma colorettale Dr.ssa Grazia Grazzini ISPO Istituto Studio e Prevenzione Oncologica
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
DettagliU.O. di Radioterapia Oncologica Ospedale Clinicizzato SS. Annunziata, Chieti
Saide Di Biase Accuratezza delle immagini RM acquisite in diffusione nella valutazione precoce della risposta al trattamento radio chemioterapico in pazienti con tumore del retto localmente avanzato. U.O.
DettagliGestione ed Analisi Statistica dei dati
Master in Evidence Based Practice e Metodologia della Ricerca clinico-assistenziale assistenziale Gestione ed Analisi Statistica dei dati Daniela Fortuna 12 giugno 2014 TEST di ipotesi Finora abbiamo visto
DettagliTelemedicina, Diagnostica Medica e valutazione del quadro clinico
Telemedicina, Diagnostica Medica e valutazione del quadro clinico L.I.A. - Laboratori di Informatica Applicata - si occupa di ricerca nel settore della telemedicina e delle tecnologie applicate alla diagnostica
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliEsempi di confronti grafici
Esempi di confronti grafici Esempi di confronti grafici 7/3 Capitolo 3 LE MEDIE La media aritmetica La media geometrica La trimmed mean La mediana La moda I percentili Statistica - Metodologie per
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliEsercizi sull associazione di variabili categoriche
Dipartimento di Fisica SMID a.a. 004/005 Esercizi sull associazione di variabili categoriche Prof. Maria Antonietta Penco penco@fisica.unige.it tel. 003536404 7//005 Esercizio Tra i 40 e 50 anni la probabilità
DettagliLA DISTRIBUZIONE NORMALE
LA DISTRIBUZIONE NORMALE Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma La più nota ed importante distribuzione di probabilità è, senza alcun dubbio, la Distribuzione normale, anche
DettagliEsempio di calcolo di rischio relativo
Esempio di calcolo di rischio relativo B. Cenci Goga Università degli Studi di Perugia, Dipartimento di Scienze Biopatologiche e Igiene delle Produzioni Animali e Alimentari, Sezione di Ispezione degli
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
DettagliIntroduzione alla Regressione Logistica
Introduzione alla Regressione Logistica Contenuto regressione lineare semplice e multipla regressione logistica lineare semplice La funzione logistica Stima dei parametri Interpretazione dei coefficienti
DettagliSignificatività ed analisi degli errori
Significatività ed analisi degli errori Quanto il valore sperimentale è vicino al valore vero? Campioni replicati: si esclude a priori che venga eseguita una sola misurazione Quanto il valore sperimentale
DettagliTra i non fumatori qual è la percentuale di non utilizzatori di sostanze stupefacenti? Scegli un'alternativa: a. 86% b. 10% c. 50% d. 25% e.
Domanda 1 Una misura di sintesi di una distribuzione si dice robusta se... a. Risulta particolarmente sensibile ai valori anomali (valori molto piccoli o molto grandi) c. Non risulta particolarmente sensibile
DettagliI metodi per la misura della prognosi
C.I. di Metodologia clinica I metodi per la misura della prognosi Obiettivo Conoscere ed utilizzare i principali strumenti per identificare i fattori di rischio e i fattori prognostici 1 Gallo C. Gallo_
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliSLND - PROBLEMATICHE IDENTIFICAZIONE SENSIBILITA NPV ACCURATEZZA FALSO NEGATIVO
SLND - PROBLEMATICHE IDENTIFICAZIONE SENSIBILITA NPV ACCURATEZZA FALSO NEGATIVO LABC CT NEOADIUVANTE- CONTROVERSIE ECCESSIVA FIBROSI / FLOGOSI TISSUTALE ALTERAZIONE DEL FLUSSO LINFATICO EMBOLI TUMORALI
DettagliMETODI E TECNICHE DELLA RICERCA IN PSICOLOGIA CLINICA E LABORATORIO MEDIAZIONE
METODI E TECNICHE DELLA RICERCA IN PSICOLOGIA CLINICA E LABORATORIO AA 2016/2017 PROF. V.P. SENESE http://psiclab.altervista.org/mettecpsicclinica2016/2016_2017.html https://goo.gl/iuaiqx Seconda Università
DettagliInterpretare i modelli prognostici multivariati: il modello logistico
Interpretare GIAC i modelli Volume prognostici 5 Numero multivariati: 4 Dicembre il modello 2002logistico L ANGOLO DELLA STATISTICA Interpretare i modelli prognostici multivariati: il modello logistico
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliFrancesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia
Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia Introduzione La ricerca accademica ha spesso evidenziato l esigenza di costruire indicatori delle performance
DettagliAnalisi di sopravvivenza. Dati di sopravvivenza. caratteristiche peculiari dell analisi. Osservazioni troncate. Censura del I tipo
Analisi di sopravvivenza Dati di sopravvivenza Insieme di metodi statistici per l analisi della distribuzione del tempo di comparsa di un evento. È una modalità di analisi per dati provenienti da studi
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.3 Introduzione ai test psicologici Punteggi grezzi e Punteggi standardizzati Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitolo 3 Gianmarco Altoè Dipartimento
Dettagli! ESERCITAZIONE MISURE DELLA REDISTRIBUZIONE DEI REDDITI Testo e soluzioni
! ESERCITAZIONE MISURE DELLA REDISTRIBUZIONE DEI REDDITI Testo e soluzioni Esercizio 1 La comunità Acquaviva è composta da 12 cittadini e, per l anno di 2016, sono state fatte pervenire le seguenti dichiarazioni
DettagliScreening oncologico di popolazione: principi e valutazione
Screening oncologico di popolazione: principi e valutazione Screening oncologico organizzato: definizione Somministrazione attiva e periodica di un test diagnostico di provata efficacia ad una popolazione
DettagliMetodo epidemiologici per la clinica _efficacia / 1. L analisi statistica
Metodo epidemiologici per la clinica _efficacia / 1 L analisi statistica Metodo epidemiologici per la clinica _efficacia / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliApplicazioni statistiche in ambito bancario
Ph.D. Federico De Marchi Credit Risk Management Banca Carige federico.demarchi@carige.it Struttura del corso Lezione 1 Teoria dei test statistici Lezione 2 Teoria della regressione Lezione 3 Davanti al
Dettagli