Šifra predmeta:
MH3NMB		 Naziv predmeta:
Napredne metode u biostatistici

Školska godina:

2026/2027.

Uslovi pohađanja:

Nema uslova

ESPB:

5

Vrsta studija:

master akademske studije

Studijski program:

Master 4.0 Bioinformatika: 1. godina, letnji semestar, izborni (M4B-E3), stručno-aplikativni predmet

Nastavnici:

Nataša Milić

Filip Lj. Andrić

Biljana Miličić

Zoran Bukumirić

Ognjen Milićević

Fond časova:

Nedeljno: dva časa predavanja + dva časa teorijskih vežbi (2+2+0)

Ciljevi:

Cilj predmeta je da upozna studenta sa naprednim elementima biostatističke obrade podataka u biomedicinskim i biohemijskim naukama kroz jasan, razumljiv i praktičan način, a neophodnim za: a) statističko razmišljanje posebno u naučnom radu, b) razumevanje i ispravno sagledavanje statističkih aspekata u naučnim publikacijama i stručnoj literaturi, v) razumevanje i praktičnu primenu širokog spektra statističkih alata relevantnih za organizaciju i tumačenje ishoda kliničkih studija, biohemijskih procesa, metabolomičkih podataka, i sl. g) prikupljanje i pripremu podataka; d) pravilan odabir i primenu odgovarajućih tehnika napredne obrade podataka; d) interpretaciju rezultata statističke obrade. Sa tim u vezi, poseban cilj kursa je da osnovne koncepte napredne obrade podataka predstavi pre svega na razumljiv i intuitivan način, odstupajući od rigoroznog matematičkog objašnjavanja. Posebna pažnja je posvećena definisanju i rešavanju konkretnih primera i problema koji se javljaju u praksi.

Ishod:

Nakon ovog kursa student bi trebalo da bude osposobljen da razume i ispravno primenjuje različite aspekte napredne obrade podataka u naučnom radu i praćenju stručne literature, a kroz individualan rad na računaru: koristi određene softverske pakete za naprednu obradu podataka u biomedicinskim i biohemijskim naukama, ispravno primenjuje tehnike statističkog testiranja značajnosti, prepoznavanja obrazaca, linearnog modelovanja, izvodi zaključke i tumači rezultate obrade podataka.

Oblici nastave:

Predavanja i teorijske vežbe. Predavanja se izvode u računarskoj učionici uz demonstraciju primera na odgovarajućim softverima.

Vannastavne aktivnosti:

—

Literatura:
  1. Erić-Marinković J, Dotlić R, Janošević S i sar: Statistika za istraživače u oblasti medicinskih nauka, četvrto izdanje, Medicinski fakultet, Beograd, 2012.
  2. Chernik M. R., Friis R. H.: Introductory Biostatistics for the Health Sciences, Wiley-Interscience, John Wiley & Sons, 2003.
  3. B. Dawson, R. G. Trapp: Basic and Clinical Biostatistics, Lange Medical Books / McGraw-Hill Companies Inc., New York, 2004.
  4. K. Varmuza, P. Filmoser: Introduction to Multivariate Statistical Analysis in Chemometrics, CRC Press, Taylor and Francis Gorup, Boca Raton, 2009.
  5. Richard G. Brereton: Chemometrics: Data Analysis for the Laboratory and Chemical Plant, Wiley, 2003.

Dodatni materijal:

—

  Nastavne obaveze i način ocenjivanja

Predavanja:

10 poena (2 časa nedeljno)

Program rada:

Statistički koncepti i termini; Planiranje i dizajniranje istraživanja; Baza istraživačkih podataka; Eksploracija i priprema podataka (tipovi podataka i promenljivih); Statistička analiza podataka kliničkih studija koje uključuju kategorijske promenljive (testiranje značajnosti tabela kontigencije: Hi-kvadrat test, Meknamarov test, Fišerov egzaktni test). Statistička analiza kliničkih podataka koji uključuju različite skale bolesti (logistička regresija). Analiza preživljavanja. Analiza multivarijantnih podataka u biohemijskim istraživanjima. Priprema i transformacija biohemijskih podataka (metabolomičkih, proteomičkih, analitičkih signala generisanih primenom spektroskopskih, hromatografskih i elektroforetskih tehnika). Eksplorativna analiza metabolomičkih podataka primenom analize glavne komponente (PCA) i hijerarhijske klasterske analize (HCA). Linearno modelovanje biohemijskih podataka (višestruka linearna regresija (MLR), regresija metodom glavnih komponenti (PCR), regresija metodom delimičnih najmanjih kvadrata (PLS), Linearna diskriminantna analiza (LDA), diskriminantna analiza kuplovana sa metodom delimičnih najmanjih kvadrata (PLS-DA), tehnike krosvalidacije, parametri kvaliteta regresionog modela, selekcija varijabli i procena optimalne složenost modela).

Proučavanje literature će biti sprovedeno po modelu "Journal club", odnosno diskusioni forum, gde studenti zajedeno sa nastavnicima analiziraju aktuelne naučne publikacije relevantne za predmet.

Teorijske vežbe:

0 poena (2 časa nedeljno)

Program rada:

Praktična nastava prati tematske celine teorijske nastave, a orjentisana je na a) praktično upoznavanje studenata sa naprednim tehnikama analize podataka u kliničkim i biohemijskim istraživanjima, b) ovladavanje veštinama rada u različitim softverskim paketima, v) primenu naprednih tehnika statističkog modelovanja, g) interpretaciju i kritičku evaluaciju dobijenih rezultata obrade podataka d) komplementarnu primenu različitih tehnika napredne obrade podataka u identifikaciji nestandardnih opservacija, prepoznavanju obrazaca, grupisanju objekata i varijabli, odabira reprezentativnih i sl. podsetova podataka, razvoj prediktivnih modela i njihovu validaciju, identifikaciju varijabli i faktora od posebnog uticaja.

Kolokvijumi:

30 poena

Pismeni ispit:

60 poena