0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Undervisningsopplegg: Emnet vart undervist digitalt som følge av pandemitiltaka ved NTNU. Det vart halde 11 doble forelesningar, inkludert ei forelesning med gjennomgang av obligatorisk øving. I tillegg til den obligatorisk øvinga vart det lagt ut tre sett med øvingsoppgåver til bruk ved sjølvstudium. Oppgåvene krevde bruk av eit statistikkprogram, valgt etter eige ønske. Instruksjon i bruk av SPSS og Stata vart gitt i Blackboard, men andre program, som R, kunne også brukast. Eksamen: Eksamen var 4t heimeeksamen i Inspera, med karakter bestått/ikkje bestått. Det var høg strykprosent (31%, 14/46), også etter ein mindre, skjønnsmessig reduksjon av kravet til bestått som i utgangspunktet var 65%. Studentevaluering: Emnet vart evaluert gjennom eit spørreskjema (vhja Nettskjema) lagt ut ved slutten av undervisningsperioden. Svarprosenten var 35% (15 av 43 som leverte obligatorisk øving dette semesteret) som er lavt, så resultata er ikkje nødvendigvis representative for heile studentgruppa. Men resultata er likevel tatt med som del av vurderingsgrunnlaget nedanfor. Vurdering: Digitale forelesningar fungerer greit, men det blir vanskeligare å få til god kommunikasjon enn ved fysisk undervisning. Enkelte har gitt uttrykk for at det gjer det vanskeligare å stille spørsmål, særlig sidan det vart gjort opptak av forelesningane, og etterlyser kollokviegrupper e.l. som er lettare å organsiere når det er fysiske forelesningar. Det er også emneansvarlig si vurdering at fysiske forelesningar bør brukast i dette og andre PhD-emne i statistikk i ein normalsituasjon. Elles var det jamnt over gode tilbakemeldingar på gjennomføring av forelesningane. Blant dei som svarte på evalueringsskjemaet syntes alle at kurset var relevant (87% veldig relevant), og 73% syntest nivået var passande samanlikna med anbefalte forkunnskapar. Sjølv om det er ulemper med opptak når det gjeld kommunikasjon og spørsmål, så vart forelesningane i opptak vurdert som svært nyttige av dei fleste (80% svært nyttig, 7% nyttig), mens tilsvarande prosentandelar for forelesningane i direkte streaming var 53% (svært nyttig) og 33% (nyttig). Likevel er det emneansvarlig si vurdering at uredigerte opptak av forelesningane er mindre hensiktsmessige generelt. Dei kan også bidra til lavare oppmøte på forelesningane, og dermed mindre interaksjon. Det bør vurderast å bytte lærebok, i samråd med emneansvarlige i dei andre PhD-emna i statistikk som har bruk same læreboka. Det kunne ha blitt sett av noko meir tid til diskusjon av øvingsoppgåver i forelesningane. Det vart også etterlyst bedre introduksjon til SPSS/Stata, noko som vart overlate til den enkelte gjennom instruksjonar lagt ut i Blackboard. Bruk av quiz med Mentimeter vart godt tatt imot, og kan gjerne brukast oftare. Det var nokre tilbakemeldingar på at det vart dårlig tid på eksamen, samtidig som det var andre som kommenterte at det var passande mengde. Desse tilbakemeldingane vil bli tatt med ved utforming av utsett prøve i desember.

Dette var siste semester emnet vart undervist i si noverande form. Frå studieåret 2022/23 er emnet delt i tre mindre modular (med første undervisningssemester): KLMED8015 Lineær og logistisk regresjonsanalyse (V2023)KLMED8016 ANOVA-modeller (V2023)KLMED8019 Levetidsanalyse (H2023)

NTNU:TIA:REST

Department of Clinical and Molecular Medicine

Institutt for klinisk og molekylær medisin

Alle trykte og håndskrevne hjelpemidler tillatt. Alle kalkulatorer tillatt.

Engelsk

Anbefalte forkunnskaper

Medisinsk statistikk del 1, eller tilsvarende.

Forkunnskapskrav

Utdanning tilsvarende masternivå, medisinerstudenter opptatt på Forskerlinjen. Andre med redusert kompetanse etter individuell vurdering.

Faglig innhold

Korrelasjon, enkel og multippel linær regresjon, enveis varians- og kovarians-analyse (ANOVA/ANCOVA), ikke-parametrisk Kruskal-Wallis test, toveis ANOVA (med/uten interaksjon), generell linær modell (GLM),  logistisk regresjon, overlevelsesanalyse (Kaplan-Meier metode, log-rank test, Cox proporsjonal hazard regresjonsmodell).

Kursmateriell

Rosner, B: "Fundamentals of Biostatistics", 8th ed. 2016Forelesningsnotater

Læringsutbytte

Etter fullført og bestått KLMED8005 skal studenten<ul><li>ha ervervet seg teoretisk kunnskap om statistiske metoder (se faglig innhold) som er mye anvendt innen medisinsk forskning for å studere enkle og mer komplekse problemstillinger</li><li>være i stand til å velge statistisk metode for analyse av data, basert på vitenskapelig problemstilling, studiedesign og egenskaper ved empiriske data (anvendelse av teoretisk metode)</li><li>forstå hovedprinsipper ved estimering og hypotesetesting i tilknytning til de ulike statistiske metoder</li><li>kunne gjennomføre det praktiske arbeidet med statistisk analyse av empiriske data ved hjelp av statistisk programpakke</li><li>kunne kritisk evaluere gyldighet av resultater i lys av antagelser på statistisk modell</li><li>kunne tolke og beskrive resultater fra statistisk analyse av empiriske data (for metoder beskrevet i faglig innhold)</li></ul>

Læringsformer og aktiviteter

Forelesninger og øvinger. Det kreves godkjent obligatorisk øving (én individuell innlevering) samme semester for å få gå opp til eksamen, eller godkjent obligatorisk aktivitet fra tidligere semester. Godkjent obligatorisk aktivitet er gyldig i tre påfølgende semester etter godkjenning.

Innlevering av øvinger

Medisinsk statistikk, del 2

Medisin

Statistikk

Samfunnsmedisin - doktorgrad (ph.d.)

Nevrovitenskap - doktorgrad (ph.d.)

Molekylærmedisin - doktorgrad (ph.d.)

Medisinsk teknologi - doktorgrad (ph.d.)

Helsevitenskap - doktorgrad (ph.d.)

Klinisk medisin - doktorgrad (ph.d.)

Medisin - doktorgrad (ph.d.)

Medisin og helsevitenskap - doktorgrad (ph.d.)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(17090)/FieldValuesAsText

Faglig kvalitet på undervisning er høy, men kurset dekker kun standard statistiske metoder innen medisinsk forskning (linær og generell linær regresjon, ANOVA modeller, logistisk regresjon og overlevelseanalyse-modeller). Kurset er en påbyggingsmodul (del 2) og det forutsettes at deltagerne er kjent med generelle begreper og prinsipper for statistisk analyse av data (introduksjonskurs i statistikk anbefalt som minimum i forkunnskap). Undervisning er lagt opp med krav til selvstendig jobbing i.h.t. normert tid (7.5 STP tilsvarer 25% av normalarbeidsdag, dvs. 10 t per uke, hvorav 2 timer går med til tradisjonell forelesning). Av 20 som svarte på evalueringsskjema (1 av disse tok ikke eksamen), oppgav 65% å ha medium kompetanse i faget i forkant av kurset, mens 35% rangerte seg selv med lav kompetanse. Totalt 55% oppgav å jobbe med faget i.h.t normert tid (7-10 t per uke), noen brukte mer tid (30%), mens andre brukte mindre tid (15%).

Kurset dekker statistiske metoder som er mye anvendt innen medisinsk forskning, og pensum er derfor relevant for en rekke ulike fagområder under Fakultet for medisin og helsevitenskap. Det gis en detaljert oversikt over kursets innhold og organisering på første forelesning, sammen med informasjon om forventet arbeidsbelastning. Av de 20 som svarte på evalueringsskjema, mente 90% at kursinnholdet ble klart presentert (utgjorde 50%) eller delvis klart presentert (utgjorde 40%). Totalt 90% mente hele kurset (70%) eller deler av kurset (20%) var godt organisert. Etter fullført kurs, var det 75% som mente at de hadde lært veldig mye (25%) eller ganske mye (50%). Fire av 20 personer hadde bare litt læringsutbytte, mens 1 person oppgav å ikke ha lært noe (ukjent om denne personen kunne alt eller ingenting fra før). Av 34 som avla eksamen våren 2021, fikk 24 personer (71%) karakter bestått (strykprosent på 29%, litt høyere enn normalt).

Deltagerne får teoretisk kunnskap om de ulike statistiske metoder gjennom ordinære forelesninger, med tematiske videosnutter som supplement. Undervisningen ble i 2021 gjennomført som ukentlige 2-3 timers digitale forelesninger på Zoom (1 faglærer). De første forelesninger la opp til interaktiv læring v.h.a. ‘polls’, men dette aspektet gled ut grunnet tidspress og problemer med å lage enkle hurtigtester av mer avansert faglig stoff. Noen ganger var det vanskelig som faglærer å følge med på ‘chat’ mens undervisning pågikk, og innkomne spørsmål ble derfor besvart på slutten av timen. Av 20 personer som svarte på evalueringsskjema, var det 65% som alltid eller nesten alltid fulgte forelesninger, mens 15% deltok ofte. Anvendelse av teoretisk kunnskap ble dekket gjennom selvstendig oppgaveløsning (hjemmearbeid). Oppgavesettene til hver metode omfattet dataanalyse v.h.a statistisk programpakke, med fokus på sjekk av modell-antagelser, tolkning og rapportering av resultater i.h.t. maler i medisinske vitenskapelige tidsskrifter. Det var tilrettelagt for bruk av SPSS og/eller STATA gjennom detaljerte bruker-veiledninger for statistisk metode som ble gjennomgått (pdf filer i SPSS, videoer i STATA).Selvstendig jobbing med øvingsoppgaver gir stor individuell frihet, men dette aspektet oppleves av noen som negativt. Gruppearbeid er blitt mer vanlig siste år, men evne til å jobbe selvstendig er fremdeles et kompetansekrav til vitenskapelig stilling. Løsning på de 4 oppgavesettene ble presentert som Power-point forelesning (4 bolker á ca. 3 timer), publisert på Blackboard i etterkant av forelesning. Repetisjon av fagstoffet utgjør således et hovedelement i læringsprosessen. Forelesninger utgjør ca 20% av total arbeidstid (2-3t per uke), mens resten (7-8t) er knyttet til oppgaveløsning (beregnet i.h.t. normert tid). En av 4 oppgavesett er med obligatorisk innlevering, med påfølgende individuell tilbakemelding, i tillegg til felles gjenomgang av løsning på oppgaver. Oppgavesett nr 2 velges som obligatorisk fordi pensum på dette er svært relevant for alle metoder som gjennomgås, og etter gjennomgang er man litt over midtveis i kurset (fremdeles tid til å hente seg inn faglig). Av dem som svarte på evalueringsskjema, oppgav 75% at de hadde lært veldig mye (15%) eller ganske mye (60%) av de ordinære (digitale) forelesningene. Tilsvarende fordeling i.f.t læringsutbytte av tematiske videosnutter. Størst læringsutbytte var som tidligere knyttet til oppgaveløsing; 65% opplevde å lære veldig mye mens 25% lærte ganske mye av å jobbe med øvingsoppgaver. Totalt 60% jobbet med oppgavesett som ikke var obligatorisk (3 av 4), mens 35% oppgav at de bare noen ganger jobbet med oppgaver som ikke var obligatorisk. En person kommenterte at obligatorisk innlevering var nyttig fordi man ble tvunget til å jobbe med faget.  Digitale forelesninger medfører mindre kontakt mellom faglærer og kursdeltager og mellom kursdeltagerne. Av de 20 personer som svarte på evalueringsskjemaet, ble ordinære fysiske forelesninger foretrukket av 50%, mens 20% foretrakk digitale forelesninger (30% var usikker). Dagens organisering av kurset er ressursbesparende (uten øvingslærere), men det går mye tid med til å gi individuell tilbakemelding på obligatorisk innleveringsoppgave. Gruppeøvinger med veiledning ble etterlyst av noen. Noen oppgav at de hadde selv hadde dannet kollokviegrupper.

Vurdering i form av 4t skriftlig eksamen (bestått, ikke bestått; med 65% oppnådd poengscore som veiledende grense for bestått; jmf regelverk for PhD kurs). Alle hjelpemidler tillatt (kode A). Eksamen ble avviklet digitalt i INSPERA (ordinært), med innlogging hjemmefra i 2021 pga koronapandemien. Generelt sett hadde de som fikk bestått (71%) svært høy poengscore (80-100%), mens de fleste som fikk ikke-bestått (29%) gjorde det dårlig (&lt; 50%). Det ble ikke opprettet referansegruppe i faget dette året, men alle kursdeltagerne ble anmodet om å fylle ut digitalt evalueringsskjema (anonymt spørreskjema) som ble gjort tilgjengelig etter eksamen, med svarfrist kort tid etter sensurfrist. Svarprosent på evalueringsskjema var som vanlig noe lavt (20 av 49 registrerte kursdeltagere responderte, dvs. 41%). De fleste som responderte hadde avlagt eksamen (kun 1 som ikke hadde tatt eksamen), og svarprosent blant dem som tok eksamen var således nokså bra (19 av 34, 56%).

Rosner, B: "Fundamentals of Biostatistics", 8th ed. 2016
Forelesningsnotater

Etter fullført og bestått KLMED8005 skal studenten

 ha ervervet seg teoretisk kunnskap om statistiske metoder (se faglig innhold) som er mye anvendt innen medisinsk forskning for å studere enkle og mer komplekse problemstillinger
 være i stand til å velge statistisk metode for analyse av data, basert på vitenskapelig  problemstilling, studiedesign og egenskaper ved empiriske data (anvendelse av teoretisk metode)
 forstå hovedprinsipper ved estimering og hypotesetesting i tilknytning til de ulike statistiske metoder
 kunne gjennomføre det praktiske arbeidet med statistisk analyse av empiriske data ved hjelp av statistisk programpakke
 kunne kritisk evaluere gyldighet av resultater i lys av antagelser på statistisk modell
 kunne tolke og beskrive resultater fra statistisk analyse av empiriske data (for metoder beskrevet i faglig innhold)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(11502)/FieldValuesAsText

Medisinsk statistikk, del 2 - KLMED8005