COURSE DESCRIPTION

ΜΑ03: Μεθοδολογία Έρευνας και Βιοστατιστική στις Νευροεπιστήμες

Μάθημα κορμού | Α΄ Εξάμηνο | 5 ECTS

Το μάθημα εισάγει τους φοιτητές στις βασικές αρχές της ερευνητικής μεθοδολογίας, της βιοστατιστικής και της επιδημιολογίας, με ιδιαίτερη εφαρμογή στις νευροεπιστήμες και στη νευροαποκατάσταση.

Εστιάζει στον ορθό σχεδιασμό ερευνητικών μελετών, στη συλλογή και ανάλυση δεδομένων, στην επιλογή κατάλληλων στατιστικών μεθόδων, στην ερμηνεία των αποτελεσμάτων και στην κριτική αξιολόγηση της επιστημονικής βιβλιογραφίας.

Παράλληλα, εισάγει τους φοιτητές στις βασικές αρχές των συστηματικών ανασκοπήσεων και μετα-αναλύσεων, της ανάλυσης επιβίωσης, της αξιολόγησης διαγνωστικών δοκιμασιών και της στατιστικής ανάλυσης δεδομένων νευρογενετικής. Το μάθημα αποσκοπεί στην ανάπτυξη των δεξιοτήτων που απαιτούνται τόσο για την κριτική ανάγνωση της επιστημονικής γνώσης όσο και για τον σχεδιασμό και την παραγωγή νέας έρευνας.

---

Βασικά στοιχεία μαθήματος

Κωδικός μαθήματος: ΜΑ03
Εξάμηνο: Α΄
Πιστωτικές μονάδες: 5 ECTS
Τύπος μαθήματος: Υποχρεωτικό μάθημα κορμού
Γλώσσα διδασκαλίας: Ελληνική
Αξιολόγηση: Διαμορφωτική αξιολόγηση και τελική γραπτή εξέταση

---

Γιατί είναι σημαντικό το μάθημα

Η σύγχρονη κλινική πρακτική και η νευροαποκατάσταση βασίζονται ολοένα περισσότερο στην τεκμηριωμένη λήψη αποφάσεων. Η ικανότητα κατανόησης του σχεδιασμού μιας μελέτης, της στατιστικής ανάλυσης και της ορθής ερμηνείας των αποτελεσμάτων αποτελεί βασική προϋπόθεση για την αξιολόγηση της ποιότητας και της αξιοπιστίας της επιστημονικής πληροφορίας.

Ο επαγγελματίας των νευροεπιστημών χρειάζεται να μπορεί να διακρίνει μια ισχυρή ερευνητική μελέτη από μία με σημαντικούς μεθοδολογικούς περιορισμούς, να αναγνωρίζει πιθανές πηγές σφάλματος και σύγχυσης και να εκτιμά κατά πόσο τα αποτελέσματά της μπορούν να εφαρμοστούν στην κλινική πράξη.

Παράλληλα, η γνώση της ερευνητικής μεθοδολογίας και της βιοστατιστικής επιτρέπει στους φοιτητές να μετατρέπουν ένα κλινικό ή επιστημονικό ερώτημα σε δομημένη ερευνητική υπόθεση, να επιλέγουν τον κατάλληλο σχεδιασμό μελέτης, να αναλύουν τα δεδομένα και να παρουσιάζουν τα αποτελέσματά τους με επιστημονική ακρίβεια.

---

Μαθησιακά αποτελέσματα

Με την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές και οι φοιτήτριες θα είναι σε θέση να:

1. Αναγνωρίζουν τους βασικούς τύπους ερευνητικών σχεδιασμών και να κατανοούν τα πλεονεκτήματα και τους περιορισμούς τους.
2. Διακρίνουν τους διαφορετικούς τύπους μεταβλητών και να επιλέγουν κατάλληλες μεθόδους περιγραφής και παρουσίασης δεδομένων.
3. Επιλέγουν την κατάλληλη στατιστική δοκιμασία ανάλογα με το ερευνητικό ερώτημα, τον τύπο των δεδομένων και τις προϋποθέσεις εφαρμογής της.
4. Ερμηνεύουν σωστά έννοιες όπως τα διαστήματα εμπιστοσύνης, η στατιστική σημαντικότητα, τα σφάλματα τύπου Ι και ΙΙ και το μέγεθος δείγματος.
5. Αναλύουν σχέσεις μεταξύ μεταβλητών χρησιμοποιώντας μεθόδους συσχέτισης και παλινδρόμησης.
6. Κατανοούν τις βασικές αρχές της ανάλυσης επιβίωσης και της αξιολόγησης διαγνωστικών δοκιμασιών.
7. Αναγνωρίζουν πηγές συστηματικού και τυχαίου σφάλματος, συγχυτικούς παράγοντες και άλλους παράγοντες που επηρεάζουν την εγκυρότητα μιας μελέτης.
8. Κατανοούν τις βασικές αρχές εκπόνησης και ερμηνείας συστηματικών ανασκοπήσεων και μετα-αναλύσεων.
9. Εξοικειώνονται με βασικές έννοιες της νευρογενετικής και της στατιστικής ανάλυσης γενετικών δεδομένων.
10. Αξιολογούν κριτικά δημοσιευμένες επιστημονικές μελέτες και την ποιότητα της παρουσίασης των αποτελεσμάτων τους.
11. Σχεδιάζουν απλές ερευνητικές μελέτες στις νευροεπιστήμες και στη νευροαποκατάσταση.
12. Παρουσιάζουν και ερμηνεύουν ερευνητικά ευρήματα με τρόπο επιστημονικά τεκμηριωμένο και κατανοητό.
13. Αξιοποιούν την επιστημονική τεκμηρίωση για τη διαμόρφωση ερευνητικών ερωτημάτων και την υποστήριξη της κλινικής πρακτικής.

Οι στόχοι της υφιστάμενης σελίδας περιλαμβάνουν την κατανόηση της αρθρογραφίας, την αναγνώριση σχεδιασμών και στατιστικών δοκιμασιών, τον σχεδιασμό απλών μελετών και τη δημοσίευση ερευνητικών ευρημάτων.

---

Εκπαιδευτική προσέγγιση

Το μάθημα έχει έντονα εφαρμοσμένο χαρακτήρα και συνδέει τις θεωρητικές αρχές της μεθοδολογίας και της στατιστικής με πραγματικά ερευνητικά ερωτήματα από τις νευροεπιστήμες.

Η διδασκαλία περιλαμβάνει την παρουσίαση βασικών στατιστικών εννοιών και δοκιμασιών, παραδείγματα ανάλυσης δεδομένων, ερμηνεία πινάκων και γραφημάτων και συζήτηση διαφορετικών ερευνητικών σχεδιασμών.

Ιδιαίτερη έμφαση δίνεται όχι μόνο στο «ποια στατιστική μέθοδος χρησιμοποιείται», αλλά κυρίως στο «πότε, γιατί και με ποιες προϋποθέσεις χρησιμοποιείται», καθώς και στον τρόπο με τον οποίο τα αποτελέσματα μεταφράζονται σε επιστημονικά και κλινικά συμπεράσματα.

---

Θεματικοί άξονες

1. Περιγραφική στατιστική και βασικές αρχές στατιστικής συμπερασματολογίας

Παρουσιάζονται οι θεμελιώδεις έννοιες της βιοστατιστικής, όπως ο πληθυσμός, το δείγμα, η μεταβλητή και η παρατήρηση, καθώς και η διάκριση μεταξύ ποιοτικών και ποσοτικών μεταβλητών.

Οι φοιτητές εξοικειώνονται με τις βασικές γραφικές μεθόδους παρουσίασης δεδομένων, όπως τα ραβδογράμματα, τα ιστογράμματα, τα κυκλικά διαγράμματα, τα θηκογράμματα και τα διαγράμματα συσχέτισης.

Παρουσιάζονται επίσης:

• τα μέτρα κεντρικής τάσης και μεταβλητότητας,
• η κανονική κατανομή,
• το κεντρικό οριακό θεώρημα,
• τα διαστήματα εμπιστοσύνης,
• η έννοια της στατιστικής δοκιμασίας,
• η στατιστική σημαντικότητα,
• τα σφάλματα τύπου Ι και ΙΙ,
• το μέγεθος δείγματος,
• και οι πολλαπλές συγκρίσεις.

---

2. Στατιστική ανάλυση ποσοτικών και ποιοτικών δεδομένων

Παρουσιάζονται οι βασικές μέθοδοι σύγκρισης ποσοτικών και ποιοτικών δεδομένων και οι προϋποθέσεις ορθής εφαρμογής τους.

Η ενότητα περιλαμβάνει:

• Student’s t-test,
• paired t-test,
• z-test για αναλογίες,
• δοκιμασία χ²,
• McNemar test,
• One-Way ANOVA,
• ανάλυση διακύμανσης με δύο ή περισσότερους παράγοντες.

Παράλληλα, παρουσιάζονται οι κυριότερες μη παραμετρικές δοκιμασίες, όπως:

• Wilcoxon test,
• Mann–Whitney U test,
• Kruskal–Wallis test,
• Spearman rank correlation.

Ιδιαίτερη έμφαση δίνεται στην επιλογή της κατάλληλης δοκιμασίας με βάση το είδος των δεδομένων και τις στατιστικές προϋποθέσεις.

---

3. Συσχέτιση και μοντέλα παλινδρόμησης

Μελετώνται οι σχέσεις μεταξύ ποσοτικών χαρακτηριστικών και η διάκριση μεταξύ συσχέτισης και στατιστικής εξάρτησης.

Παρουσιάζονται:

• τα διαγράμματα συσχέτισης,
• ο συντελεστής συσχέτισης Pearson,
• ο συντελεστής Spearman,
• η μερική συσχέτιση (partial correlation),
• η απλή γραμμική παλινδρόμηση,
• η πολλαπλή γραμμική παλινδρόμηση,
• η λογιστική παλινδρόμηση με δίτομη έκβαση,
• και η πολυπαραγοντική λογιστική παλινδρόμηση.

Αναλύεται η χρησιμότητα των μοντέλων παλινδρόμησης τόσο για την ερμηνεία των σχέσεων μεταξύ μεταβλητών όσο και για την πρόβλεψη ερευνητικών ή κλινικών εκβάσεων.

---

4. Ανάλυση επιβίωσης και διαγνωστική ακρίβεια

Η ενότητα εισάγει τους φοιτητές στις βασικές αρχές της ανάλυσης δεδομένων που αφορούν τον χρόνο μέχρι την εμφάνιση ενός συμβάντος.

Περιλαμβάνονται:

• ανάλυση επιβίωσης,
• εκτιμητές και καμπύλες Kaplan–Meier,
• Log-rank test,
• Cox regression.

Παρουσιάζονται της οι βασικές μετρικές αξιολόγησης διαγνωστικών δοκιμασιών και οι καμπύλες ROC, με στόχο την κατανόηση και την ερμηνεία της διαγνωστικής ακρίβειας.

---

5. Επιδημιολογία και σχεδιασμός ερευνητικών μελετών

Παρουσιάζονται οι βασικές αρχές της περιγραφικής και αναλυτικής επιδημιολογίας και η χρησιμότητά τους στις νευροεπιστήμες.

Οι φοιτητές εξοικειώνονται με διαφορετικούς σχεδιασμούς μελετών, τα πλεονεκτήματα και τις περιορισμούς τις και τις βασικές πηγές σφάλματος.

Ιδιαίτερη έμφαση δίνεται:

• στην επιλογή του κατάλληλου σχεδιασμού,
• στα συστηματικά και τυχαία σφάλματα,
• στους συγχυτικούς παράγοντες,
• στη διαστρωμάτωση,
• και στην αξιολόγηση της εσωτερικής και εξωτερικής εγκυρότητας μιας ερευνητικής μελέτης.

---

6. Συστηματικές ανασκοπήσεις και μετα-αναλύσεις

Η ενότητα εισάγει τους φοιτητές στις βασικές αρχές της συστηματικής σύνθεσης της επιστημονικής γνώσης.

Παρουσιάζονται:

• η δομή μιας συστηματικής ανασκόπησης,
• η συγκέντρωση και σύνθεση δεδομένων (pooling),
• η ετερογένεια μεταξύ μελετών,
• το publication bias,
• οι βασικές αρχές μιας μετα-ανάλυσης,
• καθώς και συχνά μεθοδολογικά λάθη που πρέπει να αποφεύγονται.

Στόχος είναι οι φοιτητές να μπορούν τόσο να διαβάζουν κριτικά όσο και να κατανοούν τη μεθοδολογική δομή μιας συστηματικής ανασκόπησης ή μετα-ανάλυσης.

---

7. Νευρογενετική και στατιστική γενετική

Παρουσιάζονται βασικές έννοιες της νευρογενετικής και οι στατιστικές αρχές που απαιτούνται για την ανάλυση γενετικών δεδομένων στις νευροεπιστήμες.

Η ενότητα περιλαμβάνει:

• βασικούς γενετικούς και στατιστικούς όρους,
• την ισορροπία Hardy–Weinberg,
• γενετικά μοντέλα,
• και βασικές αρχές στατιστικής ανάλυσης γενετικών δεδομένων.

---

Από το ερευνητικό ερώτημα στην επιστημονική τεκμηρίωση

H επιστημονική έρευνα αποτελεί μία διαδοχική διαδικασία που αρχίζει από τη διατύπωση ενός σαφούς και κλινικά σημαντικού ερευνητικού ερωτήματος και ολοκληρώνεται με την παραγωγή τεκμηρίωσης που μπορεί να συμβάλει στην επιστημονική γνώση και στην κλινική πράξη.

Η πορεία αυτή περιλαμβάνει:
Ερευνητικό ερώτημα → Σχεδιασμός μελέτης → Συλλογή δεδομένων → Στατιστική ανάλυση → Ερμηνεία αποτελεσμάτων → Δημοσίευση → Συστηματική σύνθεση της τεκμηρίωσης → Κλινική εφαρμογή

Η κατανόηση κάθε σταδίου επιτρέπει στον επιστήμονα να αξιολογεί κριτικά την υπάρχουσα βιβλιογραφία, να εντοπίζει μεθοδολογικούς περιορισμούς και να σχεδιάζει μελέτες ικανές να προσφέρουν αξιόπιστες απαντήσεις σε σημαντικά ερευνητικά ερωτήματα.

---

Υπεύθυνος μαθήματος και διδάσκοντες

Υπεύθυνος μαθήματος:
Ιωάννης Λιάμπας, Νευρολόγος, PhD

Διδάσκοντες:
Ιωάννης Λιάμπας, Νευρολόγος, PhD
Βασίλειος Σιώκας, Επ. Καθηγητής Νευρολογίας Παν. Θεσσαλίας
Μαρογιάννη Χρυσούλα, Επ. Καθηγήτρια Νευρολογίας Παν. Θεσσαλίας

---

Αξιολόγηση

Η αξιολόγηση πραγματοποιείται στην ελληνική γλώσσα και περιλαμβάνει:

Διαμορφωτική αξιολόγηση, μέσα από τη συμμετοχή των φοιτητών στις διαλέξεις και στην εκπαιδευτική διαδικασία.

Τελική αξιολόγηση, με γραπτές εξετάσεις στο τέλος του εξαμήνου, οι οποίες περιλαμβάνουν ερωτήσεις πολλαπλής επιλογής και ερωτήσεις σύντομης απάντησης.

Τα κριτήρια αξιολόγησης γνωστοποιούνται στους φοιτητές από την έναρξη της διδασκαλίας. Αυτή είναι η μορφή αξιολόγησης που περιγράφεται στην υφιστάμενη σελίδα του μαθήματος.

---

Ενδεικτική βιβλιογραφία

Η υφιστάμενη σελίδα του μαθήματος προτείνει την ακόλουθη βασική βιβλιογραφία:

• larke M, Cooke D. A Basic Course in Statistics. Edward Arnold, London.
• Τριχόπουλος Δ, Τζώνου Α, Κατσουγιάννη Κ. Βιοστατιστική. Παρισιάνος, Αθήνα.
• Altman DG. Practical Statistics for Medical Research. Chapman & Hall, London.
• Κολυβά Φ, Μπόρα-Σέντα Ε, Μπράτσας Χ, κ.ά. Στατιστική: Θεωρία – Εφαρμογές – Παραδείγματα στην R. Εκδόσεις Ζήτη.
• Daniel WW, Cross CL. Biostatistics: A Foundation for Analysis in the Health Sciences. Wiley.

Παράλληλα, οι φοιτητές μπορούν να καθοδηγούνται σε επιλεγμένες σύγχρονες επιστημονικές δημοσιεύσεις σχετικές με την εφαρμογή της μεθοδολογίας έρευνας, της βιοστατιστικής και της επιδημιολογίας στις νευροεπιστήμες.

---

Υλικό μαθήματος

Στην ενότητα του μαθήματος μπορούν να διατίθενται:

• το αναλυτικό περίγραμμα του μαθήματος,
• το ωρολόγιο πρόγραμμα,
• οι παρουσιάσεις των διαλέξεων,
• συμπληρωματικό εκπαιδευτικό υλικό,
• επιλεγμένα επιστημονικά άρθρα,
• παραδείγματα στατιστικών αναλύσεων,
• και οδηγίες μελέτης και αξιολόγησης.