Análisis Multinivel

Matrícula590 €
CoordinaciónRicardo Ocaña Riola
Horas Totales45
Fechas previstasGranada, 23 de enero a 1 de marzo de 2019. Sesiones presenciales: 23-25 enero 2019 / 14-15 febrero 2019
Código 311501
Fecha límite para la inscripción 12/12/02018

Introducción

Los estudios multicéntricos suelen disponer de información estructurada en niveles jerárquicos, donde los sujetos de estudio (nivel 1) están agrupados por centros (nivel 2) y éstos a su vez están agrupados por áreas geográficas (nivel 3).  También los estudios longitudinales de medidas repetidas presentan este tipo de jerarquía, donde las mediciones secuenciales (nivel 1) están agrupadas por sujetos (nivel 2). Esta actividad formativa es un curso de nivel avanzado orientado al análisis de datos donde las unidades de análisis están agrupadas en diferentes niveles con una estructura jerárquica y, además de las variables independientes individuales, las variables de entorno juegan un papel importante para explicar el resultado en salud. El curso está dirigido a profesionales con conocimientos de Estadística y formación previa en la aplicación e interpretación de modelos de regresión multivariante que deseen ampliar sus conocimientos en este campo. Es la continuación de un itinerario formativo en Estadística aplicada que comienza con los cursos “Estadística básica para el análisis de datos biosanitarios” y “Modelos de Regresión Multivariante”.

 

Dirigido a

Profesionales con formación previa en Estadística y conocimientos equivalentes a los impartidos en el curso “Modelos de Regresión Multivariante” de la EASP.

Plazas financiadas por el SAS para sus profesionales (consultar procedimiento en ESTE ENLACE)

 

Requisitos

Tener conocimientos previos de Estadística equivalentes a los impartidos en el curso “Modelos de Regresión Multivariante” de la EASP. Poseer conocimientos de informática básica a nivel usuario: Windows, Microsoft Office (Word, Excel, Power Point) e Internet.

 

Objetivo General

Capacitar a los asistentes para el análisis de la información que posea una estructura jerárquica o grupal

 

Objetivos Específicos

Comprender las implicaciones y consecuencias del uso de modelos de regresión tradicionales cuando existe una estructura de datos jerárquica o grupal
Conocer los modelos multinivel más utilizados en Ciencias de la Salud
Adquirir los conocimientos necesarios para estimar modelos multinivel con variables dependientes continuas.
Conocer los programas informáticos más habituales para el análisis multinivel

 

Contenidos

1. Modelos Lineales Generalizados
2. Diseños con estructura de datos jerárquica o grupal
3. Niveles de análisis y tipos de variabilidad
4. Modelos de regresión multinivel
5. Análisis multinivel con variable dependiente continua o dicotómica
6. Software para la estimación de modelos de regresión multinivel: MLwiN

 

Metodología

El curso se desarrollará en dos fases que comprenden una parte presencial y otra virtual. Durante la parte presencial se llevarán a cabo sesiones teórico-prácticas, análisis estadístico de datos y discusión de casos reales. Los asistentes dispondrán de la documentación necesaria para el seguimiento de estas sesiones y un ordenador personal para la gestión de bases de datos, análisis estadístico de la información y elaboración de informes. El programa informático utilizado para el análisis estadístico de datos será MLwiN. Adicionalmente, cada asistente realizará diferentes lecturas y casos prácticos durante la fase no presencial del curso. El tiempo de trabajo estimado para la realización de estas actividades individuales se incluye en el cómputo global de horas lectivas del curso.

 

Más información

Conocimientos

  • Análisis de la información que posea una estructura jerárquica o grupal
  • Estimación de modelos multinivel con variables dependientes continuas o dicotómicas
  • Programas informáticos habituales para el análisis multinivel
  • Procedimientos estadísticos avanzados

Habilidades

  • Manejo del software MLwiN para análisis multinivel
  • El/la profesional reconoce los procedimientos adecuados para el diseño del estudio, análisis estadístico de datos con información jerarquizada, interpretación de resultados y comunicación de conclusiones
  • Gestión de la información y del conocimiento basado en evidencias

Actitudes

  • Autonomía: El/la profesional no necesita tutorización ni supervisión permanentemente. Es capaz de adquirir la responsabilidad de un análisis de datos desde la confianza de que saldrá adelante de forma óptima
  • Generador de valor añadido a su trabajo: El/la profesional aporta algo más en lo que hace. No le satisface la tarea por la tarea, sino que busca la mejora.
  • Evaluación crítica y mejora continua

Sistema de Evaluación:

Asistencia obligatoria al 90% de las horas presenciales del curso, registrada mediante control de firmas.

Revisión de las actividades propuestas para la fase no presencial del curso que cada asistente entregará obligatoriamente en la fecha acordada