三重大学ウェブシラバス


シラバス表示

 シラバスの詳細な内容を表示します。

→ 閉じる(シラバスの一覧にもどる)

科目の基本情報

開講年度 2020 年度
開講区分 医学系研究科(修士課程)医科学専攻
受講対象学生 大学院(修士課程・博士前期課程・専門職学位課程) : 1年次, 2年次
選択・必修 選択
授業科目名 医療統計学
いりょうとうけいがく
Medical Statistics
単位数 2 単位
ナンバリングコード
medc-medc-MDST5311-001
開放科目 非開放科目    
開講学期

通年

開講時間
開講場所

担当教員 田中佐智子(滋賀医科大学),飛田英祐(大阪大学大学院医学系研究科),山田知美(大阪大学医学部附属病院)

TANAKA,Sachiko HIDA,Eisuke YAMADA,Tomomi

SDGsの目標

学修の目的と方法

授業の概要 ヒトを対象とする疫学研究や臨床研究では、研究実施計画(プロトコル)、データ収集、解析、結果の解釈・報告の各段階でいずれも生物統計学が必要となります。これらの研究における一連の流れにおける体系的な生物統計学の基本的知識の習得と、各研究デザイン、SAS等を用いたデータハンドリング、統計解析の実際を学習します。最終的に、疫学調査や臨床試験における基本的な計画立案からデータ解析までを独力で実施できる素養を習得することを目指します。
学修の目的 医科学の研究者として必要な医療統計学の知識を獲得する。
学修の到達目標 医療統計学の知識を適切に活用できる。
ディプロマ・ポリシー
○ 学科・コース等の教育目標

○ 全学の教育目標
感じる力
  • ○感性
  • ○共感
  • ○主体性
考える力
  •  幅広い教養
  • ○専門知識・技術
  • ○論理的・批判的思考力
コミュニケーション力
  • ○表現力(発表・討論・対話)
  •  リーダーシップ・フォロワーシップ
  • ○実践外国語力
生きる力
  • ○問題発見解決力
  • ○心身・健康に対する意識
  • ○社会人としての態度・倫理観

成績評価方法と基準 授業への参加姿勢、課題の達成度、プレゼンテーション、レポートなどを総合的に評価する。
授業の方法 講義 演習

授業の特徴

PBL

特色ある教育

英語を用いた教育

教員と学生のやり取りは日本語でも、英語による論文や教材の講読を含んだ授業
授業改善の工夫 学修の進捗状況に基づき、継続的な改善を行う。
教科書 授業中に適宜指示する。
参考書 授業中に適宜指示する。
オフィスアワー 各授業担当教員により異なる。
受講要件
予め履修が望ましい科目 医学・生物学の基礎知識を持っていることが望ましい。
発展科目
その他

授業計画

MoodleのコースURL
キーワード 生命医科学、基礎医学、臨床医学、社会医学
Key Word(s) Medical Life Science,Basic Medicine,Clinical Medicine,
Public Health and Social Medicine
学修内容 疫学研究総論
Introduction to Epidemiological Study
観察研究における統計指標(有病率、罹患率、オッズ比、リスク比)
Summary Statistics for Epidemiological Study
横断研究・ケースコントロール研究・コホート研究の実際
Cross Sectional・Case-Contorol・Cohort Study
分割表の解析/ロジスティック回帰分析
Contingency Table / Logistic Regression Analysis
バイアス/傾向スコアとマッチング
Bias Correction / Propensity Score & Matching
臨床研究総論
Introduction to Clinical Trial
研究の目的と臨床研究デザイン(ランダム化、盲検化、比較対照)
Object of Trial & Trial Design
データマネージメントと調査票・症例報告書作成
Data Management & Development of Case Report Form
検定の多重性と中間解析
Multiplicity / Interim Analysis
サンプルサイズ設計
Sample Size Calculation
医学研究総論
Introduction to Medical Research
生存時間解析
Survival Analysis
メタ分析
Meta Analysis
級内相関の検討(マルチレベル分析)
Intraclass Correlation (Multilevel Analysis)
経時データ解析と一般化線形モデル
Mixed Effect Models for Repeated Measures
事前・事後学修の内容 授業中に適宜指示する。

Copyright (c) Mie University