4 domande e 4 risposte con Commander Massimo Borelli

Presentazione sul tema: "4 domande e 4 risposte con Commander Massimo Borelli"— Transcript della presentazione:

1 4 domande e 4 risposte con Commander Massimo Borelli borelli@units.it

2 ".. quanta differenza sia da chi sa e non ha messo in opera ciò che sa, da quello che oltra il sapere ha più volte messo le mani, come dir si suole, in pasta, e dedutto il pensiero e concetto de l'animo suo in opera esteriore" Matteo Bandello (Castelnuovo Scrivia, 1485 – Bazens, 1561)

3 scaletta il nostro punto di partenza i dataset con cui ci eserciteremo esempi di dataset clinici esercitazione con Commander il "compito per casa"

4 massimo borelli didattica

5

6 punto di partenza: la "cartella" genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

7 1... c'è differenza tra i gruppi? genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

8 1... c'è differenza tra i gruppi? genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

9 2... c'è correlazione/associazione.. genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

10 2... c'è correlazione/associazione.. genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

11 3... una multivariata per l'outcome genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

12 4... le curve di sopravvivenza genere (f, m) triage (w < g < y < r) fumo (no, sì) età ( # > 0 ) pressione ( # > 0 ) outcome (dead, alive) los ( # > 0 ) bmi ( # > 0 ) estensioneRx (mod < loc < amp)

13 5... quello che NON faremo.. U. Lucangelo et al., Respiration, 2011

14 i dataset con cui ci eserciteremo

15 studentiannoscorso

16 surgery

17 breastcancer

18 esempi di dataset clinici

19 MED/17 Malattie Infettive

20 BIO/14 Farmacologia MED/28 Malattie Odontostomatol.

21 MED/41 Terapia intensiva

22 MED/40 Ginecologia e Ostetricia

23 MED/09 Medicina Interna

24 1... c'è differenza tra i gruppi?

25 peso vs. genere

26 peso vs. fumo

27 peso vs. sport

28 dispersione ed inaffidabilità

29 dalla variabilità all'inaffidabilità "Error bars in A.. represent SD, while in C represent SEM" Kaur et al., 2008

30 non confondere variabilità e inaffidabilità deviazione standard s l'errore standard della media

31 non confondere variabilità e inaffidabilità simulazione Monte Carlo Teste/Croci in 100.000 sequenze dieci lanci cento lanci mille lanci diecimila lanci

32 non confondere variabilità e inaffidabilità simulazione Monte Carlo

33 dalla variabilità all'inaffidabilità simulazione Monte Carlo

34 dalla variabilità all'inaffidabilità simulazione Monte Carlo come varia la deviazione standard in centomila ripetizioni dei quattro esperimenti lancisd 101.58 1005.01 100015.78 1000049.93

35 dalla variabilità all'inaffidabilità simulazione Monte Carlo lo standard error non varia, al crescere del numero n di lanci lancisdsd / sqrt(n) 101.580.501 1005.010.501 100015.780.499 1000049.930.499