Masterprogram i tillämpad biostatistik

I allt större utsträckning bygger forskning och utveckling inom hälsa, sjukvård och life science-sektornpå en ökad grad av insamlande och analys av data från olika källor. Det kan handla om kliniskaprövningar, observationsstudier eller grundläggande forskning om exempelvis biokemiskamekanismer, men också undersökningar av folkhälsa, inklusive riskfaktorer relaterade till hälsa ocheffekter av hälsointerventioner. En viktig del är också data om patienters karaktäristik, behandling ochlångsiktiga livsutfall som insamlas i hälso- och sjukvård och i svenska och internationella register,med användningsområden inom bland annat forskning, kvalitetsuppföljning ochresurstilldelningsbeslut. Data kan vara av många olika typer, tex biokemiska mätningar, enkätsvar, score, diagnoser, överlevnad, genetiska faktorer och molekylärbiologiska data samt variera iomfattning och insamlingssätt.

För att denna volym av data ska komma samhället till gagn i form av utveckling och innovationer inom såväl offentlig som privat sektor krävs kompetens för att samla in, hantera, visualisera, analysera med statistiska metoder och dra slutsatser baserat på omfattande datamängder.

Syftet med utbildningen är att ge studenterna en bred och fördjupad kunskap om statistiska metoder, med insikt om metodernas begränsningar och deras tillämpbarhet för olika typer av data och frågeställningar samt hur resultat kan tolkas och generaliseras. Studenterna har efter avslutat program förtrogenhet med alla steg i ett projekt med statistiska analyser av hälsorelaterade data.

Detta inkluderar design och analys av olika typer av studier inom grundläggande forskning, klinisk forskning och epidemiologisk forskning, inkluderande både experimentella, interventions- och observationsstudier. En viktig del är förståelse för hur data samlas in och att självständigt behärska alla steg i hantering, analys och visualisering av data. Vidare syftar utbildningen till att utveckla goda arbetssätt för att planera, dokumentera och rapportera arbetet, med fokus på reproducerbarhet. Användning av AI kommer in både som en del av effektiva arbetssätt och som metod för dataanalys.

För antagning till masterprogrammet i Tillämpad Biostatistik krävs att studenten har:

• Kandidatexamen om 180 hp i ett hälsovetenskapligt/ekonomiskt/naturvetenskapligt/ingenjörsvetenskapligt huvudområde.
• Minst 7.5 hp statistik.
• Engelska 6/Engelska B eller motsvarande och Matematik 3b/3c eller motsvarande.

Utbildningen leder till Medicine masterexamen i huvudområdet Tillämpad Biostatistik (Degree ofMaster of Medical Science (120 credits) with a major in Applied Biostatistics).

Programmet omfattar totalt 120 högskolepoäng (hp) och består av 105 hp obligatoriska kurser,inklusive examensarbete om 30 hp, och 15 högskolepoäng valbara kurser. Kurserna är utformade ochordnade för att ge en progression inom ramen för examensmålen och för att tillsammans ge både breddoch fördjupning inom huvudområdet.

Termin 1 inleds med en introduktion till biostatistik med fokus på inferens och matematiska grunder, inklusive en genomgång av linjär algebra och funktioner, samt en kurs i R-programmering där grunderna i programmering samt datahantering, analys och visualisering ges. Detta följs av en kurs i studiedesign och försöksplanering, inklusive en introduktion till epidemiologi, samt en kurs i regressionsanalys som lägger grunden till flera av de fördjupande kurserna i biostatistiska metoder.

Termin 2 innehåller fördjupande kurser inom huvudområdet, som tillsammans ger en bred och fördjupad metodkunskap inom biostatistik, med ökad förståelsen för statistisk modellering och inferens och olika metoders tillämpning inom medicinsk forskning och life science. Ämnen som tas upp är exempelvis hantering av ofullständiga data, mer avancerade regressionsmodeller och kausal inferens där metoder för att kartlägga orsakssamband ingår och koncept som till exempel förväxlingsfaktorer, mediering, directed acyclic graphs (DAGs) och propensity score behandlas.

Vidare ingår statistisk inlärning i termin 2, med principer och metoder for icke-väglett och väglett lärande (unsupervised and supervised learning) inom regression, klassificering och klustring samt generella principer för utvärdering av prediktiv analys och modellers prestanda. En viktig del av termin 2 är också en kurs med fokus på hälsodata och enkäter, där hantering och analys av datastrukturer typiska för medicinska forsknings- och utvecklingsprojekt fördjupas. Ingående delar är bland annat kunskap om och hantering av registerdata och kompositutfall samt utvärdering av enkäter, hälsoinstrument och score. Kursen fördjupar kompetensen i R-programmering och stärker studentens utveckling mot en yrkesroll som självständig, tillämpad biostatistiker som kan hantera alla steg i dataanalysen.

Termin 3 innehåller obligatoriska kurser inom överlevnadsanalys och maskininlärning och AI, samt valbara kurser. I överlevnadsanalys ges en fördjupning i särskilda metoder för hantering och analys av data innehållande information om tid-till-händelse. Kunskap om maskininlärning och AI ger en fortsättning och applicering av de fundamentala principerna för statistisk inlärning som behandlades i termin 2 och en bred inblick i aktuella metoder för analys. De valbara kurserna möjliggör för en individuell profilering, där studenterna efter intresse, individuella förkunskaper och aktuellt kursutbud kan bredda eller fördjupa kunskaperna genom att läsa kurser inom till exempel hälsoekonomi, kliniska prövningar, eller ytterligare kurser i statistiska metoder och dess tillämpningar inom livsvetenskaperna. Institutionen kommer erbjuda minst 15 hp valbara kurser, men studenterna har också möjlighet att välja kurser på avancerad nivå utanför programmet, så länge förkunskapskraven för respektive kurs uppfylls.

I utbildningen kommer studenterna att auskultera vid statistiska konsultationer, inom ramen för statistisk rådgivning som ges vid Institutionen för medicin, vilket stärker studenternas förståelse för biostatistikens praktik i vetenskapliga projekt.

Kursernas inbördes ordning kan komma att ändras. Programmet ges på helfart och omfattar följande kurser:

Programstruktur

Termin1

• Introduktion till biostatistik, 9 hp
• R-programmering för tillämpad biostatistik, 6 hp
• Studie- och experimentdesign, 7.5 hp
• Regressionsanalys, 7.5 hp

Termin 2

• Kausal inferens, 7.5 hp
• Hälsodata och enkäter, 7.5 hp
• Statistisk inlärning, 7.5 hp
• Statistiska metoder, fördjupning, 7.5 hp

Termin 3

• Överlevnadsanalys, 7.5 hp
• Maskininlärning och AI, 7.5 hp
• Valbara kurser, 15 hp

Termin 4

• Examensarbete i tillämpad biostatistik, 30 hp

Mål för utbildning är förutom de generella lärandemålen som angivits för masterexamen i Högskoleförordningen (SFS 1993:100, examensordningen, bilaga 2), följande lokala lärandemål:

Kunskap och förståelse

För masterexamen ska studenten:

• visa kunskap och förståelse för såväl grundläggande som avancerade metoder och modeller inom biostatistik, med fördjupad kunskap inom vanligt förekommande analysmetoder och hur dessa tillämpas
• kunna beskriva olika typer av studier, inklusive deras tillämpningsområden och begränsningar, samt vilka datastrukturer och analysmetoder som är vanligt förekommande i de olika studietyperna
• kunna redogöra för de ingående stegen i ett projekt med kvantitativa data, med speciellt fokus på de delar som innefattar hantering, analys och tolkning av data.

Färdighet och förmåga

För masterexamen ska studenten kunna:

• integrera och tillämpa kunskap från biostatistik i vetenskapliga frågeställningar, medverka i design av olika typer av studier, göra adekvata metodval samt analysera, bedöma och hantera komplexa frågeställningar och situationer rörande hälsorelaterade data.
• självständigt och effektivt hantera olika typer av data genom att transformera, omvandla och omarbeta data som en förberedelse för analys, samt utföra valda analyser och visualisera data, med hjälp av statistisk programmering
• muntligt och skriftligt redogöra för resultat och slutsatser utifrån analys av data, inklusive en tydlig beskrivning med argument för vald metod, samt ge tolkningar av resultat och slutsatser på ett lämpligt sätt utifrån olika målgrupper.

Värderingsförmåga och förhållningssätt

För masterexamen ska studenten kunna:

• kritiskt utvärdera användandet av vald statistisk modell för olika forskningsfrågor, studiedesigner och data
• diskutera styrkor och begränsningar med olika design- och analysstrategier, utifrån såvälvetenskapliga som etiska aspekter
• reflektera över sätt att dokumentera analysen och rapportera resultaten, utifrån både reproducerbarhetoch begriplighet.

Uppföljning och utvärdering av programmet sker i enlighet med gällande Policy för kvalitetssäkring och kvalitetsutveckling av utbildning vid Göteborgs universitet.

Undervisningsspråk på kurser inom programmet är engelska.

Utbildningen är i huvudsak förlagd till Sahlgrenska akademins lokaler i Göteborg och mycket av undervisningen kommer att ske i form av datorövningar, workshops och seminarier. Utbildningen kommer också till viss del bedrivas med så kallad blended learning där till exempel delar av föreläsningarna distribueras som videofilmer/presentationer via Göteborgs universitets läroplattform. En förutsättning för utbildningens genomförande är tillgång till en dator med internetuppkoppling, webkamera och mikrofon, samt med möjlighet att installera statistiska programvaror såsom till
exempel R och RStudio.

Studenter som har antagits till mastersprogrammet och som i föreskriven takt följer utbildningsplanen har generell platsgaranti till samtliga obligatoriska kurser inom programmet. Begränsad platsgaranti gäller för programmets valbara kurser. I båda fallen under förutsättning att studenten uppfyller förkunskapskraven för tillträde till respektive kurs.