Kursplan för Metaanalys, Uppdragsutbilding

Meta-Analysis, Contract Education

Basdata

Kurskod: 9K2014
Kursens namn: Metaanalys, Uppdragsutbilding
Högskolepoäng: 6
Utbildningsform: Uppdragsutbildning (högskolepoäng)
Huvudområde: Läkemedelsutveckling
Nivå: AV - Avancerad nivå
Betygsskala: Underkänd (U), godkänd (G) eller väl godkänd (VG)
Kursansvarig institution: Institutionen för medicin, Solna
Beslutande organ: Styrelsen för utbildning
Datum för fastställande: 2016-03-08
Kursplanen gäller från: Vårtermin 2016

Särskild behörighet

Kandidat- eller yrkesexamen om minst 180 högskolepoäng inom biomedicin, farmaci, medicin, odontologi eller motsvarande naturvetenskaplig utbildning. Dessutom krävs kunskaper i engelska motsvarande Engelska B (med lägst betyget Godkänd).

Mål

Efter genomgången kurs ska deltagaren kunna:

Kunskap och förståelse
- kritiskt granska data i vetenskapliga rapporter
- redogöra för problem med klinisk, metodologisk och statistisk heterogenicitet
- sammanfattar värdet av metaanalys för genomförande av vetenskaplig forskning
- redogöra för vilken metodik, strategi och statistisk analys som kan användas för att genomföra olika typer av systematiska översikter och metaanalyser

Färdighet och förmåga
- visa färdighet att kunna formulera den hypotes som ska testas
- visa färdighet att använda statistisk analys för att nå fram till viktade medelvärden och sammanlagda resultat
- visa färdighet att kunna kvantifiera den verkliga effekten
- visa förmåga att ta fram medelvärden för kontinuerliga data och odds/ratio för dikotoma data
- visa förmåga att bedöma enskilda studiers bidrag till resultatet
- visa förmåga att genomföra metaanalys genom att systematiskt granska ett stort antal studiedata

Värderingsförmåga och förhållningssätt
- ha förmåga att värdera hur metaanalys bidrar till klinisk forskning
- ha förmåga att värdera när det inte är möjligt att genomföra en meta-analys
- ha förmåga att värdera data från metaanalys och analysera deras vetenskapliga betydelse
- förhålla sig vetenskapligt och objektivt till data som saknar vetenskaplig validitet

Innehåll

Under kursen behandlas statistiska fundamenta inkluderande hypotestestning och konfidensintervall. Särskilda statistiska metoder som proportioner, medelvärden, statistisk styrka, viktfördelning och odds ratio gås igenom. Klinisk studiedesign, cross-over teknik, parallell design och parvisa tester gås också igenom. Arbetsgången för genomförande av systematiska översikter gås igenom. Urval av artiklar, deras inklusions- och exklusionskriterier, sammanställning av data och analys ingår också i kursen.

Arbetsformer

Arbetsformerna är framför allt föreläsningar, gruppundervisning samt projektarbeten på grupp- och individnivå. Tid för inläsning av föreslagna resurser (litteratur, artiklar, länkar) ingår. Undervisningen är digitaliserad, och bygger huvudsakligen på e-learning. Särskilt tränade pedagoger följer varje deltagares aktivitet och finns till hands för hjälp. Undervisningen bygger på synkron och asynkron digitaliserad undervisning över internet.

Examination

Kursen examineras genom en skriftlig arbetsuppgift i vetenskapligt forskning (2 000 ord) som skall utföras i grupp samt en reflekterande individuell uppsats (1 000 ord), där förmågan att applicera kunskapen i praktiska situationer provas.

Det är obligatoriskt att medverka i alla utdelade uppgifter (case) i form av diskussionsinlägg. Kursledaren bedömer om och i så fall hur eventuell frånvaro kan kompenseras. Deltagare som ej är godkänd efter avslutande examination kommer eventuellt erbjudas nytt provtillfälle, i enlighet med vad avtalas mellan KI och sponsor.

Övergångsbestämmelser

Kursen är en uppdragsutbildning och övergångsbestämmelser regleras i avtal.

Övriga föreskrifter

Kursen ges i sin helhet på engelska. Kursutvärdering sker enligt riktlinjer som är fastställda av Styrelsen för utbildning.

Litteraturlista och övriga läromedel

Vetenskapliga artiklar, rapporter, föreskrifter och länkar delas ut i kursstart.

Vetenskapliga artiklar, rapporter, föreskrifter och länkar delas ut i kursstart.