Diseño y análisis experimental en biociencias
(Curso Académico 2018 - 2019)
Mostrar Todo


Nota informativa: Atendiendo a la normativa de Protección de Datos y propiedad intelectual en la que se limita la publicación de imágenes de terceras personas sin su consentimiento, aquellos que difundan grabaciones de las sesiones de clase sin previo consentimiento de las personas implicadas, serán responsables ante la ley del uso prohibido de las citadas grabaciones.



1. Datos descriptivos de la asignatura
  • Código: 835861106
  • Centro: Escuela de Doctorado y Estudios de Postgrado
  • Lugar de impartición: Facultad de Ciencias de la Salud. Secciones de Farmacia y Medicina y Facultad de Ciencias. Secciones de Biología y Química
  • Titulación: Máster Universitario en Biomedicina
  • Plan de Estudios: 2010 (publicado en 24-11-2011)
  • Rama de conocimiento: Ciencias de la Salud
  • Itinerario/Intensificación: Máster
  • Departamento/s:
  • Área/s de conocimiento:
    • Fisiología
  • Curso: 1
  • Carácter: Obligatoria
  • Duración: Primer cuatrimestre
  • Créditos ECTS: 3,0
  • Modalidad de impartición: Presencial
  • Horario: Ver horario
  • Dirección web de la asignatura: Ver web de la asignatura
  • Idioma: Castellano e Inglés (0.3 ECTS en Inglés)
2. Requisitos para cursar la asignatura
Los especificados para el acceso a esta titulación. Conocimientos básicos de estadística .
3. Profesorado que imparte la asignatura
Grupo: 1
Área de conocimiento: Fisiología
Tutorías Primer cuatrimestre:
HorarioLugar
Lunes, Miércoles y Jueves de 16 a 18 horas Depto de Fisiología, Sección Medicina, Facultad Ciencias de la Salud
Tutorías Segundo cuatrimestre:
HorarioLugar
Lunes, Miércoles y Jueves de 16 a 18 horas Depto de Fisiología, Sección Medicina, Facultad Ciencias de la Salud
Teléfono (despacho/tutoría):
Correo electrónico: ghernan@ull.edu.es / ghernan@ull.edu.es
Web docente: Ver web del docente
4. Contextualización de la asignatura en el plan de estudio
  • Bloque formativo al que pertenece la asignatura: Formación Básica
  • Perfil profesional: Conocer los fundamentos del análisis de datos y del diseño experimental para obtener un buen rendimiento de los datos experimentales.
5. Competencias

Básicas

  • CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados/no especializados de un modo claro y sin ambigüedades
  • CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo auto dirigido o autónomo

Generales

  • CG1 - Adquirir formación avanzada, especializada y multidisciplinar orientada a las tareas de investigación científico técnicas
  • CG2 - Adquirir y demostrar conocimientos avanzados aplicables a la investigación científico técnica
  • CG3 - Conocer los aspectos teóricos y prácticos de la metodología de trabajo en investigación científico técnica
  • CG4 - Saber aplicar e integrar los conocimientos adquiridos para la resolución de problemas de carácter científico técnico
  • CG5 - Capacitar para, de forma individual o en grupo innovar metodológica o conceptualmente en el conocimiento científico técnico
  • CG6 - Desarrollar autonomía suficiente para participar en proyectos de investigación científico técnicos
  • CG7 - Transmitir claramente y sin ambigüedades, a un público especializado o no, los resultados de su trabajo y su potencial transferencia

Específicas

  • CE16 - Hacer diseños experimentales eficientes
  • CE18 - Decidir el análisis estadístico más eficiente para una determinada variable o grupo de ellas
  • CE19 - Utilizar bases de datos
  • CE20 - Practicar con un programa estadístico potente, versátil y de fácil manejo
  • CE35 - Desarrollar un trabajo de investigación basado en un proyecto predefinido
6. Contenidos de la asignatura

Contenidos teóricos y prácticos de la asignatura

- Profesor/a:
- Guadalberto Hernández (Coordinador). Catedrático / Professor. Depto Fisiología, ULL; ghernan@ull.edu.es; Tel. 922 319 364
- Dr. Luis Prieto Valiente. Catedrático/ Professor. Sección Deptal de Estadística (Fac Medicina), Universidad Católica de Murcia. Tatoprieto44@hotmail.com
- Dra.Inmaculada Herranz Tejedor, Profesora Titular de Bioestadística, Universidad Complutense de Madrid (iherranz@med.ucm.es). Tel: 91 394 1662.
TEMAS 
Tema 1: El Análisis estadístico: Distribuciones de Frecuencia y Valor  P
¿Qué es el famoso “Valor P del test”, omnipresente en la investigaciones biomédicas? ¿Ayuda realmente a conocer lo que ocurre en la población?  ¿Es un índice matemático difícilmente entendible por el PCS?
1.1  El problema y la solución.  Ignorancia, temor y resignación.
1.2  El Análisis Estadístico calcula Medias, Desviaciones y Distribución de Frecuencias.
1.3 Qué es y cómo se calcula el valor P: Valor Estandarizado y Distribución Normal.
1.4  Cómo se usa el valor P. Rechazar o no rechazar una hipótesis.
1.5  Pensar  versus  Actuar. El valor P solo dice el % de individuos más extremos.
Tema 2: Muestreo Repetido.  La Inferencia Estadística con una media y una proporción
¿Cuánto se parece la media encontrada en mi muestra a la media de la población que queremos conocer? ¿Por qué hay que relacionar lo ocurrido en mi muestra con lo que ocurriría si repitiera el estudio millones de veces? Cuánto NO vale la media de la población.
2.1  Muestreo Repetido y Probabilidad.
2.2  Test para una Media. Teorema Central del Límite.
2.3  El Error Estándar de la muestra obtenida por el investigador estima la Desviación Estándar entre las medias muestrales en el Muestreo Repetido.
2.4  Intervalo de Confianza para la Media Poblacional. Resultados “no significativos”.
2.5  Muestras pequeñas: Test con la distribución “t de Student”.
2.6  Test para una proporción: cuanto no vale la proporción poblacional. Test “Chi-cuadrado”.
Tema 3: Tamaño de muestra
El presunto tamaño de muestra “necesario” para una investigación. ¿Es correcto que los jueces (comités evaluadores de los proyectos y revisores de las revistas científicas) pidan “la justificación científica” del tamaño elegido?
3.1  Mitos y realidad.
3.2  Intervalo de Confianza razonable para un valor desconocido. Tamaño de muestra estimando una media. La fórmula y su utilidad. Una farsa deshonesta que perjudica a todos.
3.3  Tamaño de muestra estimando una proporción.
3.4  Tamaño de muestra para test. Potencia estadística.
3.5   Uso razonable de la potencia estadística.
3.6  Errores y simulaciones que consumen tiempo y energía a la mayoría  y no benefician a nadie.
Tema: Confusión  e Interacción
Si un grupo de 1000  jóvenes tratados con “A” curan 600 (60%) y en grupo de 1000 viejos tratados con “B” curan 200 (20%) no podemos saber si la ventaja del primer grupo se debe a que “A” es mejor o a la juventud de sus componentes.
4.1   Factor de confusión con variable dicotómica.
4.2   Interacción.
4.3   Factor de confusión con variable cuantitativa.
4.4   Factor de confusión en la regresión.
4.5   Factores “intermedios”.
4.6   Dos confusores simultáneamente.
Tema 5: Introducción al paquete estadístico SPSS. Estadística Descriptiva. 
Todo profesional cualificado necesita entender los conceptos básicos del Análisis Estadístico que aparecen continuamente en los trabajos científicos y en los informes técnicos. Y todo investigador científico requiere de un paquete estadístico que le ayude a almacenar los datos y realizar los Análisis Estadísticos más básicos. SPSS es un software muy extendido en la comunidad científica con un aspecto amigable que facilita la labor del investigador. En esta segunda parte del curso se enseña a usar este programa poniendo el énfasis en ENTENDER. Cualquiera puede obtener salidas con muchos resultados clicando en los menús. Nuestro objetivo es que el investigador sepa lo que pide al programa estadístico y pueda interpretar correctamente los resultados.
5.1  Descriptiva Univariante:
 - Distribución de frecuencias (FREQUENCIES). Medidas centralización y dispersión (DESCRIPTIVES).
 - Interpretación de resultados.
5.2  Descriptiva Bivariante:
- Dos variables cualitativas: Tablas de contingencia (CROSSTABS). Una variable cualitativa con una cuantitativa   (MEANS TABLES). Dos variables cuantitativas (GRAPH/SCATTERPLOT(BIVAR)).
- Interpretación de resultados.
5.3  Manejo de datos con SPSS:
- Selección de casos (FILTER),  Creación y Recodificación de variables (COMPUTE, RECODE).
Tema 6: Inferencia estadística con SPSS - 1  
¿Somos capaces de interpretar las salidas que ofrece SPSS? ¿Cómo debemos interpretar los resultados que aparecen en las principales revistas de investigación científica? Aprendamos a valorar de manera crítica los resultados obtenidos y publicados por otros investigadores.
6.1 Test de Significación e Intervalos de Confianza:
- Test con una y dos medias (T-TEST/TESTVAL, T-TEST GROUPS, T-TEST PAIRS).
- Test con dos proporciones (CROSSTABS/STATISTICS=CHISQ).
- Interpretación de resultados.
6.2 Análisis de Varianza:
- Test de normalidad (NPAR TESTS/K-S(NORMAL,EXAMINE).
- Test de homogeneidad de varianzas (ONEWAY/STATISTICS HOMOGENEITY).
- Comparaciones a priori y a posteriori (ONEWAY/POLYNOMIAL/POSTHOC=TUKEY, DUNNETT).
- Interpretación de resultados.
6.3  Valoración crítica de artículos científicos.
Tema 7: Inferencia estadística con SPSS - 2
¿Puedo estimar el índice de masa corporal de una persona a partir de su peso y estatura? Cómo los modelos nos ayudan a entender mejor la realidad que nos rodea.
7.1  Relación dos variables cuantitativas: Regresión y Correlación muestral (GRAPH/SCATTERPLOT)
7.2  Recta de regresión de mínimos cuadrados. Medidas de ajuste (REGRESSION)
7.3  Modelo de Regresión Lineal Simple. Asunciones del modelo (REGRESSION/STATISTICS)
7.4  Inferencia en regresión: Test e Intervalo de Confianza de los coeficientes
7.5. Interpretación de resultados obtenidos con SPSS
Tema 8: Regresión Múltiple
8.1  Métodos de selección de variables (REGRESSION/METHODS)
8.2  Modelo de Regresión Lineal Bivariada.
8.2  Interpretación de coeficientes e inferencia
8.3  Fundamentos de la Regresión Lineal Múltiple y Regresión No lineal

Actividades a desarrollar en otro idioma

Consulta de algunos textos y/o bases de datos en español y/o en inglés durante el desarrollo de los temas del programa, siempre supervisado por el profesor.
Utilización de paquetes estadísticos: R; SPSS;
The students will use textbooks, date bases and other papers written in Spanish or English, as well as statistic programs (R, SPSS) always under teachers supervision.
7. Metodología y volumen de trabajo del estudiante

Descripción

Los conceptos se explicarán sin utilizar herramienta matemática complicada, basándose en ideas intuitivas y desarrollándolos siempre sobre ejemplos numéricos concretos. Los recursos didácticos empleados para desarrollar los temas del programa serán la clase magistral, la realización de ejercicios y problemas tanto de manera teórica como mediante la utilización del paquete estadístico R y/o el SPSS. Los alumnos recibirán material docente de apoyo a través del aula virtual de la asignatura (campus virtual ULL) que contendrá resúmenes amplios de todos los temas explicados así como ejercicios resueltos en los que se aplicarán todos los conceptos expuestos y problemas que se resolverán a lo largo de la asignatura bajo la supervisión de los profesores.

Nota importante. Para poder aprovechar mejor los contenidos programados en la segunda semana del curso es imprescindible que los alumnos tengan conocimientos básicos del manejo de SPSS: creación de una base de datos  (introducción de datos y definición de variables), y manejo básico de los datos (selección de casos, creación de nuevas variables, recodificación de datos). Podrán utilizar dicho paquete estadístico durante la primera semana del curso, fuera de las horas programadas de clase.
Concepts will be explain using simple maths tools. Master class and exercises will be used as didactic tools as on teoric basis as R and/or SPSS program. The students will receive complementary teaching material throughout campus virtual ULL.
Actividades a desarrollar
1. Asistencia a lecciones magistrales y seminarios. To attend lessons and seminars
2. Trabajo autónomo y tutorías a través del aula virtual. To use virtual space (ULL virtual campus) to develop exercises, problems and discussions
3. Resolución de problemas - planteados en la lección magistral, seminario o bien a través del aula virtual - y discusión activa sobre los mismos. To solve problems and exercises, as well as discussion active participation among students and teachers
4. Evaluaciones continúas mediante cuestionarios realizados a través del aula virtual.
5. Realización de prueba de evaluación final. To use virtual space to fulfill previous tests and final exam, which will be used to evaluate each student.

Actividades formativas en créditos ECTS, su metodología de enseñanza-aprendizaje y su relación con las competencias que debe adquirir el estudiante

Actividades formativas Horas presenciales Horas de trabajo autónomo Total horas Relación con competencias
Clases teóricas 15,00 20,00 35,0 [CB6], [CB7], [CB8], [CB9 ], [CB10 ], [CG1], [CG2], [CG3], [CG4], [CG5], [CG6], [CG7], [CE16], [CE18], [CE19], [CE20], [CE35]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio) 8,00 12,00 20,0 [CE16], [CE19], [CE20], [CE35]
Realización de seminarios u otras actividades complementarias 5,00 9,00 14,0 [CB9 ], [CB10 ], [CG4], [CG7]
Realización de exámenes 2,00 0,00 2,0 [CB9 ], [CG7]
Asistencia a tutorías 3,00 1,00 4,0 [CB6], [CB7], [CG7]
Total horas 33.0 42.0 75.0
Total ECTS 3,00
8. Bibliografía / Recursos

Bibliografía básica

 - Prieto, L., Herranz, I. (2012) [***]. Bioestadística sin dificultades matemáticas. La búsqueda de tesoros escondidos. Ed Diaz Santos, Madrid.
- Prieto l, Herranz I (2004). ¿Qué significa estadísticamente significativo?. La falacia del 5% en la investigación científica. Ed Díaz Santos, Madrid.
- Box GE., Hunter WG, Hunter JS (2008). Statistics for experiments. John Wiley eds
- Armitage P (2001). Statistical methods for medical researchers. 4ª ed. Blackwell eds.
- Altman DG. (2011). Practical Statistics for medical research. 2ª ed. Chapman&Hall. CRC eds
[***] El contenido de este libro constituye la mayor parte del material docente de la asignatura, por lo que se recomienda la adquisición del mismo. Además, los estudiantes tienen todo el material docente necesario  dispnible en el aula virtual (AV) de la asignatura.

Bibliografía complementaria

Otros recursos

9. Sistema de evaluación y calificación

Descripción

1. Asistencia. Se aplicará bonificaciones de 1 punto en caso de no haber faltas de asistencia, y de 0,5 puntos si hubiere entre 1 y 3 faltas. Esa bonificación se sumará a uno de los ejercicios de evaluación continuada, (ver más adelante). Más de tres faltas provocarán la pérdida de la posibilidad de la evaluación continuada y detraerá un punto de la calificación del examen final. To attend the teaching activities. The continual assessment will be improved: 1 point in the score if the student has not any miss in the attendance; 0,5 points in case of 1-3 misses; more than 3 misses will loss the continual assessment and will rest 1 point from the final exam score.
2. Evaluación Continuada. De aplicación sólo para quienes hayan asistido regularmente. Se realizarán de 5 a 7 ejercicios de evaluación que el estudiante contestará a través del aula virtual de la asignatura; las fechas en la que los ejercicios estén disponibles se anunciará oportunamente. Se podrá utilizar cualquier material y/o trabajar en grupo para resolver los problemas planteados. En cada ejercicio, la calificación de 5 se obtendrá contestando correctamente el 65% de las preguntas planteadas; los 5 puntos restantes para alcanzar el 10, se distribuirán equitativamente entre el resto de preguntas planteadas. La calificación final será la obtenida de la media aritmética de todos los ejercicios programados. Continual assessment (only for students which have been attended habitually). It consists in 3-4 exercises fulfilled through virtual space during a previously determined period of time. The score 5 will be obtained with 65% of right answers.
3. Examen. De aplicación para los estudiantes: A) Que no hayan superado o que no deseen la evaluación continuada. B) Que tengan más de 3 faltas. El examen planteará 25-30 preguntas sobre la materia impartida. En ese examen, las preguntas correctamente contestadas contabilizarán (+1), las erróneas (-1) y las no contestadas (0) puntos. El examen se realizará a través del aula virtual y estará disponible durante los 4 días siguientes a la finalización de la asignatura. Mediante este método, el estudiante deberá obtener una calificación mínima de 5 para superar la asignatura. Final exam. To those students who have got more than 3 misses of attendance or those who do not pass the continual assessment. It consists in 25-30 questions (True - False type) fulfilled through the virtual space. The score of each question will be (+1) True, (-1) False or (0) No Answer. The student will be obtained a final score of 5 to pass de exam.

Estrategia Evaluativa

Tipo de prueba Competencias Criterios Ponderación
Pruebas objetivas [CB6], [CB7], [CB8], [CB9 ], [CB10 ], [CG1], [CG2], [CG3], [CG4], [CG5], [CG6], [CG7], [CE16], [CE18], [CE19], [CE20], [CE35] Los expresados en el apartado 9 90 %
Escala de actitudes [CB6], [CB7], [CB8], [CB9 ], [CB10 ] Los expresados en el apartado 9 10 %
10. Resultados de Aprendizaje
1. Ser capaz de hacer diseños experimentales eficientes. / To be able to do efficient experimental design.
2. Comprender la variabilidad biológica y cómo evaluarla. / To understand the biological variability and how to be evaluated.
3. Realizar análisis descriptivo usando una base de datos sencilla. / To excecute descriptive data analysis using databases.
4. Comprender y aplicar aspectos fundamentales de la inferencia en el estudio de los efectos principales e interacciones. / To understand and to apply statistical inference, its principal effects and interactions.
5. Demandar de los profesionales estadísticos las técnicas de análisis e inferencia adecuadas para la óptima explotación de los resultados obtenidos. / To demand the proper analysis and accurate statistical inference in order to get optimal information about experimental data.
6. Utilizar con eficiencia un programa estadístico potente, versátil y de fácil manejo. / To use a statistical program as much versatile, powerful and friendly as possible.
11. Cronograma / calendario de la asignatura

Descripción

* La distribución de los temas por semana es orientativo, puede sufrir cambios según las necesidades de organización docente. The weekly schedule of academic activities is only orientative; if some change it would happen, the students will receive a previous announcement on it.

Primer cuatrimestre

Semana Temas Actividades de enseñanza aprendizaje Horas de trabajo presencial Horas de trabajo autónomo Total
Semana 1: Temas 1 a 4 Clases teóricas. Práctica con base de datos y paquete estadístico. Resolución de problemas. Tutoría. 16.50 21.00 37.50
Semana 2: Temas 5 a 8 Clases teóricas. Práctica con base de datos y paquete estadístico. Resolución de problemas. Tutoría. Ejercicios para evaluación 16.50 21.00 37.50
Total 33.00 42.00 75.00
Fecha de última modificación: 24-07-2018
Fecha de aprobación: 17-07-2018