filmeu

Disciplina Bioestatística e Informática Médica

  • Apresentação

    Apresentação

    Elementos básicos de probabilidade e estatística aplicados a medicina veterinária.
  • Conteúdos Programáticos

    Conteúdos Programáticos

    1. Recolha e organização de dados. Classificação de variáveis. 2. Introdução a métodos de amostragem. 3. Estatística descritiva. 4. Noções básicas de probabilidades, variáveis aleatórias e exemplos de distribuições de probabilidade. 5. Lei dos grandes números, distribuição das médias de amostras aleatórias, teorema do limite central e estimação dos intervalos de confiança. Inferência estatística. 6. Introdução ao teste de hipóteses sobre médias e proporções. Amostragens de distribuições normais, com variâncias conhecidas e desconhecidas. 7. Testes estatísticos para variáveis categóricas ou qualitativas. 8. Testes paramétricos. 9. Testes não paramétricos. 10. Medidas de associação. Correlação de Pearson e de Spearman. Modelos de regressão linear simples e regressão logística. 11. Utilização da internet e de bases bibliográficas online para a pesquisa de documentos técnicos e científicos. 12. Uso de software na resolução de problemas com aplicação de conceitos abordados na componente teórica.
  • Objetivos

    Objetivos

    1. Utilizar metodologias estatísticas para reunir e sumarizar dados no âmbito das ciências veterinárias e proceder à análise exploratória dos mesmos. 2. Reconhecer as condições subjacentes à aplicabilidade dos modelos teóricos utilizados em análise estatística, distinguindo os limites de cada um desses modelos. 3. Avaliar e interpretar os resultados obtidos, recorrendo à inferência estatística. 4. Distinguir entre relações de causa-efeito e relações de associação estatística entre variáveis. 5. Aplicar competências basilares de pesquisa e leitura crítica de documentação técnica e científica. 6. Utilizar software de análise estatística para: i) processamento de texto, construção de tabelas, gráficos; ii) armazenar, capturar, processar, analisar dados usando folhas de cálculo (Microsoft Excel®) e um programa de aplicação estatística (SPSS ou similar); iii) interpretação de resultados e apoio à decisão técnica; iv) pesquisa de documentação na internet e em bases de dados bibliográficas online.
  • Metodologias de ensino

    Metodologias de ensino

    Aulas expositivas e interativas, flipped classroom, técnica de jigsaw e suas variantes, mapas de conceitos. Utilização de programas informáticos para análise estatística: Excel e SPSS. Auto-aprendizagem supervisionada (aulas práticas): os alunos farão, ao longo do semestre, um trabalho em grupo (análise descritiva e inferencial de dados), no qual aplicarão os conhecimentos adquiridos nas aulas teóricas e teórico-práticas, num total de 12h. Este trabalho será supervisionado pelos docentes da UC.
  • Bibliografia principal

    Bibliografia principal

    - Petrie, A. & Watson, P. (2013). Statistics for veterinary and animal sciences, (3rd Ed.). West Sussex: Wiley-Blackwell. - Daniel, W.W. (2009). Biostatistics: a foundation for analysis in the health sciences, (9th Ed.). NJ: J. Wiley & Sons. - Callegari-Jacques, S.M. (2004). Bioestatística ? Princípios e aplicações, (1.ª Ed. Reimp.). Porto Alegre: Artmed. - Brase, C.H. & Brase, C.P. (2011). Understandable statistics: Concepts and methods, (10th Ed.). Boston: Cengage Learning. - Glantz, S.A. (2012). Primer of biostatistics, (7th Ed.). McGraw-Hill. - Pereira, A. & Poupa, C. (2018). Como escrever uma tese, monografia ou livro científico usando o Word, (7.ª Ed.). Edições Sílabo. - Marôco, J. (2018). Análise estatística com o SPSS Statistics, (7.ª Ed.). Report Number. - Rayat, C.S. (2018). Statistical methods in medical research. Springer Singapore. - Oliveira, A.G. (2014). Bioestatística descodificada, (2.ª Ed.). Lisboa-Porto: LIDEL.
  • Avaliação

    Avaliação

    Avaliação contínua:

    a) Auto-aprendizagem supervisionada (aulas práticas): os alunos farão, ao longo do semestre, um trabalho em grupo, no qual aplicarão os conhecimentos adquiridos nas aulas teóricas e teórico-práticas, num total de 12h. Este trabalho será supervisionado pelos docentes da UC.
     

    b) Avaliação teórica: 2 frequências teóricas (50% cada). O aluno deverá ter 9,5 ou mais valores na soma das duas frequências para obter aprovação na avaliação contínua teórica.

    c) Avaliação prática: 3 minitestes individuais (25% cada) e um trabalho de grupo (25%). O aluno deverá ter 9,5 ou mais valores na soma das 4 avaliações práticas para obter aprovação na avaliação contínua prática.
     

    Avaliação no exame final: Em caso de não aprovação ou falta não devidamente justificada à avaliação contínua.
     

    Nota 1: O aluno tem que obter aprovação na componente teórica e na componente prática da UC para concluir a mesma. A nota final corresponde à média ponderada da nota final teórica com a nota final prática.

    Nota 2: A não comparência a mais de 2/3 das aulas teóricas implica que o aluno não tenha acesso à época de avaliação contínua, realizando a avaliação apenas em época de recurso.

    Nota 3: Os estudantes com estatuto de trabalhador-estudante ou estatutos especiais equivalentes estão dispensados da obrigatoriedade de frequência mínima de 2/3 das aulas práticas e teóricas. No entanto, caso excedam 1/3 de faltas às aulas práticas e teóricas, ficam sujeitos a um regime suplementar de avaliação conforme previsto no regulamento da instituição. A prova suplementar realizada nesse âmbito será no formato de avaliação oral e não substitui nenhuma das avaliações práticas prévias; esta prova suplementar terá uma ponderação de 25% na nota final da componente prática.

    Nota 4: 
    Os alunos irão ser avaliados, quer a nível do trabalho de grupo, quer a nível individual, relativamente a: (i) identificação da pergunta de investigação, objetivo(s) e hipótese(s) principal(is) de um artigo, poster científico ou base de dados; (ii) distinção do desenho de estudo, população/amostra, variáveis e principais fontes de viés; (iii) avaliação crítica da metodologia estatística aos objetivos do estudo; (iv) interpretação das medidas descritivas, intervalos de confiança, valores de p e medidas de associação; (v) identificação das limitações metodológicas e estatísticas de artigos científicos, posteres científicos ou bases de dados. Neste sentido, a Day-One Competence (D1C) n.º 1.9 irá ser contemplada nestas avaliações.

     

    Descrição

    Ponderação

    Teste de avaliação teórico 1 - Estatística descritiva

    45%

    Teste de avaliação teórico 2 - Estatística inferencial, incluindo D1C n.º 1.9

    45%

    Aulas teóricas: Questões de aula

    10%

    Prática 1: Minitestes (n=3), incluindo D1C n.º 1.9

    25% cada

    Prática 2: Trabalho de grupo, incluindo D1C n.º 1.9 25%
    Componente teórica 50%
    Componente prática 50%
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios entidade signataria