Laboratoriemedicinsk dataanalys

7 hp

Kursplan, Grundnivå, 3ME092

Kod
3ME092
Utbildningsnivå
Grundnivå
Huvudområde(n) med fördjupning
Biomedicinsk laboratorievetenskap G2F
Betygsskala
Godkänd (G), Underkänd (U)
Fastställd av
Programkommittén för masterprogrammen vid medicinska fakulteten, 7 maj 2018
Ansvarig institution
Institutionen för medicinska vetenskaper

Allmänt

Kursen ges i termin 1 på masterprogrammet i avancerad medicinsk avbildning, ingång för studenter med röntgensjuksköterskeexamen.

Behörighetskrav

Röntgensjuksköterskeexamen eller biomedicinsk analytikerexamen 180 hp eller kandidatexamen 180 hp i biomedicin, biomedicinsk laboratorievetenskap eller radiografi eller motsvarande. Dessutom krävs kunskaper i svenska och engelska motsvarande vad som krävs för grundläggande behörighet till utbildning på grundnivå.

Mål

FÄRDIGHET OCH FÖRMÅGA

Studenten ska efter genomförd kurs kunna tillämpa:

- grundläggande metoder för beskrivande statistik

- grundläggande sannolikhetsteori

- grundläggande statistisk slutledning (inferens)

- grundläggande multivariat dataanalys

KUNSKAP OCH FÖRSTÅELSE

Studenten ska efter avslutad kurs:

- Kunna redogöra för teoretiska och praktiska grundläggande begrepp inom beskrivande statistik, sannolikhetsteori, statistisk slutledning och multivariat dataanalys.

- Kunna redogöra för och generalisera utifrån exempel på statistisk dataanalys inom analytisk laboratorievetenskap och bioinformatik hämtade bl.a. från tidigare och senare kurser i programmet.

VÄRDERINGSFÖRMÅGA OCH FÖRHÅLLNINGSSÄTT

Studenten ska efter avslutad kurs:

- Kunna värdera betydelsen och behovet av att tillkalla statistiskt expertstöd för ett givet problem.

Innehåll

STATISTIK

Allmänna begrepp och beskrivande statistik. Mättekniska prestandamått som precision, noggrannhet, bias, limit of detection, variationskoefficient. Grundläggande begrepp som sambandsmått, fördelningsfunktioner, stickprov och samplingsfördelning. Statistisk inferensteori inkluderande parameterskattning, regressionsanalys samt parametrisk och icke-parametrisk hypotestestning. Prestandamått som känslighet, specificitet, positivt prediktivt värde. Orienterande introduktion till multivariat dataanalys i form av t.ex. hierarkisk klusteranalys och multivariat regression.

TILLÄMPNINGAR

Laboratorievetenskapliga och bioinformatiska tillämpningar som t.ex. instrument-kalibrering, metodutveckling och validering, multipel sekvensanalys samt biomarkörsgenererande metoder som t.ex. spektroskopiska tekniker, molekylära systemanalyser och automatiserad mikroskopi.

Undervisning

Undervisningen omfattar föreläsningar, dator- och räkneövningar, problemorienterade grupparbeten och seminarier.

Examination

För godkänd kurs krävs godkänt resultat på samtliga obligatoriska moment samt godkänt tentamensprov.

Studerande som underkänts på tentamensprov har rätt att genomgå tentamensprov ytterligare 4 gånger (= totalt 5 tentamensprov). Om synnerliga skäl finns kan programkommittén medge ytterligare tentamenstillfälle. Som tentamenstillfälle räknas de gånger studenten deltagit i tentamen. Inlämning av s.k. blank skrivning räknas som ett tentamenstillfälle.

Övriga föreskrifter

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t ex vara besked om särskilt pedagogiskt stöd från universitetets samordnare.

FÖLJ UPPSALA UNIVERSITET PÅ

Uppsala universitet på facebook
Uppsala universitet på Instagram
Uppsala universitet på Youtube
Uppsala universitet på Linkedin