ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Biostatistics

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ School of Health Sciences
ΤΜΗΜΑ Department of Nursing
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Undergraduate
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ 278-190106 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 1st
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Biostatistics
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων.
ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Theory 2 2
Laboratory 1 1
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) .
 General Background
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Greek
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Όχι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) https://moodle.teithe.gr/course/index.php?categoryid=196

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

The aim of the module is to enable students to understand the basic methodological issues related to applied research within the biomedical sciences field. Students are taught descriptive and inferential statistics, statistical measurements and techniques, research methodology and basic sample techniques and organizing field research in biomedical studies. Finally, they are taught how to present the research results through tables and charts.

Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Adapting to new situations.
  • Decision-making.
  • Working independently.
  • Team work.
  • Project planning and management.
  • Respect for difference and multiculturalism.
  • Showing social, professional and ethical responsibility and sensitivity to gender issues.
  • Working in an interdisciplinary environment.
  • Production of free, creative and inductive thinking.

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Theory

  • Study design. Sample and population, sampling error, data collection, types of sampling and study design.
  • Data collection and analysis. Data file format, data import, analysis, file management (Excel, SPSS), results management.
  • Descriptive Statistical Analysis – Descriptive measures: Positional or Central tendency measures (Mean, Median, Mode. Percentiles, Quartiles), Measures of variance (Range, Variance, Standard deviation-Std., Standard error-S.E. OF-mean, Coefficient of variation, Interquartile Range-IQR, Skewness, Kurtosis), Measures of dispersion (Range, Variance, Standard deviation, Standard error-S.E. ofmean, Coefficient of variation, Interquartile range-IQR, Skewness, Kurtosis).
  • Creating and editing of graphs. (Histogram, BarChart, Boxplot, Piechart, Scatterplot).
  • Test of Normality – Graphical methods (Normal curve on Histogram, P-Pplots, Q-Qplots, Boxplot), Statistical tests (Kolmogorov-Smirnov, Shapiro-Wilk).
  • Case control. Null hypotheses, degrees of freedom.
  • Statistical analysis using Crosstabs. Chi-square test as a test of independence – Contingency coefficient (Phi & Cramer’s V).
  • Use of the chi-square test for testing homogeneity (One sample Chi-Square test).
  • Correlation analysis: parametric correlation of quantitative variables (Pearson’s r), Non-parametric correlation of quantitative & qualitative variables (Spearman’s rho, Kendall’stau-b).
  • Statistical tests for comparison of means (t-test) – Comparison of a mean value against a predetermined numerical value (One sample t-test) – Comparison of means of two independent samples (Independent samples t-test) – Examination of differences between two means of correlated values – Paired samples (Paired Samples t-test).
  • One-way analysis of variance (ANOVA).
  • Two-factor analysis of variance (Two way ANOVA).
  • Non-parametric Statistical tests for data comparison – Comparison for one sample (Wilcoxonsigned-rank) – Tests of two independent samples (Mann-WhitneyU, WilcoxonW) – Tests of two correlated samples (Sign, WilcoxonSigned-rank, McNemar) – Differences between several independent groups (Kruskal-Wallis H, Jonckheere-Terpstra).
  • Analysis of Covariance (ANCOVA).
  • Cronbach’s alpha reliability test.
  • Exploratory Analysis – Principal Component Analysis (PCA).
  • Linear Regression Analysis. Hierarchical Regression Analysis.
  • Multivariate Analysis of Variance (MANOVA).

Laboratory

  • Using a statistical program (SPSS, PSPP), the tests taught in the theory of the course are applied to health sciences data.

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.
  • Face to face.
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές
  • Lectures with slides in PowerPoint (use of PC and projector).
  • Use of videos and web applications in teaching.
  • Posting of course material and communication with students on the online platforms E-class, Blackboard and Moodle.
  • Use of computers and specialized software for statistical processing (PSPP, SPSS) in Laboratory Exercises.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Teaching Organization

ActivitySemester workload
Lectures40
Laboratory Exercises20
Independent Study30
Total90
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Theory

  • Written exams.

Laboratory

  • Computer-based final exams using commercial statistical data analysis packages (SPSS, PSPP).

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ