OBIETTIVO DEL CORSO

 

Il corso “Regressione Lineare e Logistica in Ambito Sanitario utilizzando 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 nonchè 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 durante i due giorni.

 

DESTINATARI

 

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.

 

REQUISITI RICHIESTI

 

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

 

PROGRAMMA


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

 

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

 

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)