Catalogo dei Corsi di studio

Il corso di Statistics for health economics si prefigge di fornire le principali tecniche statistiche utilizzate nel campo dell’economia sanitaria con particolare attenzione alle metodologie inferenziali di analisi costi-efficacia dei trattamenti sanitari e alla costruzione di modelli statistici e probabilistici per la valutazione economica in ambito sanitario. Durante le lezioni frontali verranno richiamati gli argomenti di probabilità e inferenza necessari per lo sviluppo del corso. Verranno viste le metodologie per la stima delle medie dei costi e dell’efficacia e gli indicatori attraverso cui costi ed efficacia devono essere confrontati. Verranno inoltre introdotte le tecniche di inferenza bayesiana le quali permetteranno di integrare le diverse fonti di informazione necessarie per prendere decisioni in ambito economico-sanitario. Durante le lezioni in laboratorio verrà utilizzato il software R con l’obiettivo di svolgere esempi pratici di analisi costi efficacia a partire da dati reali.


Obiettivi specifici
1) Conoscenza e capacità di comprensione. Al completamento del corso lo studente conoscerà gli aspetti statistico-metodologici specifici delle analisi dei costi e dell’efficacia dei trattamenti sanitari sia da un punto di vista teorico che pratico. Lo studente sarà anche a conoscenza delle tecniche di inferenza bayesiana. Tali tecniche daranno allo studente una maggiore comprensione degli strumenti statistico-probabilistici utilizzabili in generale per la stima di modelli in campo economico.
2) Capacità di applicare conoscenza e comprensione. Attraverso la pianificazione teorica e pratica delle analisi-costi efficacia con dati reali, lo studente saprà integrare gli aspetti statistico-matematici tipici di un’analisi costi efficacia con le informazioni specifiche provenienti dai diversi contesti clinico-sanitari in cui tali analisi vengono richieste
3) Autonomia di giudizio. Tramite l’implementazione con il software R di esempi di analisi costi-efficacia con dati reali, gli studenti che completano il corso sapranno prendere decisioni in condizioni di incertezza riguardo al confronto di diversi programmi di cura . Attraverso la corretta valutazione sia dell’incertezza che della sensitività delle conclusioni statistiche gli studenti sapranno anche valutare autonomamente l’effettiva validità delle proprie conclusioni
4) Abilità comunicative. Attraverso la redazione di relazioni scritte, alla fine del corso, gli studenti sapranno illustrare i risultati di un’analisi costi efficacia sia a interlocutori non specialisti che a ricercatori esperti. Sapranno anche comunicare tali risultati in modo che eventuali decisori possano comprendere le implicazioni etiche e sociali inerenti il confronto tra diversi trattamenti sanitari
5) Capacità di apprendimento. Attraverso la conoscenza di specifici pacchetti informatici distribuiti all’interno del software R e tramite la conoscenza stessa del software, gli studenti potranno infine condurre autonomamente elaborazioni statistiche con dati complessi per le diverse problematiche dell’economia sanitaria sia a fini professionali che di ricerca.

Programma

The content of the course will consist of the following topics, where the numbering reflects their temporal sequence. The number of hours is approximate and it includes computer lab.

1. Overview of the course (2 hours)
2. Probability: basic definitions, independence, conditional and Bayes theorem, distributions (discrete, continuous, joint, marginal and conditional), moments (expected value, variance, covariance/correlation) and quantiles (6 hours)
3. Likelihood (definition, maximization); maximum likelihood estimator (properties) (6 hours)
4. Confidence intervals and test of hypotheses (6 hours)
5. Study designs and measures of risk (2 hours)
6. Contingency tables: analysis with 2 exposure levels, analysis with more than 2 exposure levels, analysis with confounders (12 hours)
7. Generalized linear models: introduction, maximum likelihood estimation (2 hours)
8. Generalized linear models: normal regression (model specification, estimation, interpretation, diagnostics) (10 hours)
9. Generalized linear models: logistic regression (model specification, estimation, interpretation, diagnostics) (10 hours)
10. Predictive modelling (ROC curve, AUC) (6 hours)
11. Matched data: McNemar test, conditional logistic regression, measures of interobservers agreement (Cohen's kappa) (4 hours)
12. Generalized linear models: Poisson regression (model specification, estimation, interpretation, diagnostics) (8 hours)

Testi adottati

• Course slides
• Mood, Graybill, Boes. Introduction to the theory of statistics. McGraw-Hill
• Piccolo. Statistica. Il Mulino
• Fahrmeir, Kneib, Lang, and Marx. Regression: Models, Methods, and Applications. Springer
• Agresti A. Categorical Data Analysis. Wiley
• Fleiss JL, Levin B, Paik MC. Statistical methods for rates and proportions. Wiley
• Crawley MJ. The R book. Wiley
• Venables WN, Smith DM, and the R Core Team. An introduction to R. Available at: https://cran.r-project.org/manuals.html

Bibliografia di riferimento

Ulteriori riferimenti bibliografici potranno essere suggeriti durante il corso.

Prerequisiti

Conoscenze essenziali per il corso: analisi matematica (limiti, integrali, derivate, matrici/vettori) e elementi di statistica di base (media, varianza, test chi quadrato, correlazione lineare, regressione lineare). Conoscenze utili per il corso: principi di probabilità.

Modalità di frequenza

La frequenza è facoltativa.

Modalità di valutazione

La valutazione consisterà in una prova scritta (che peserà per 50% del voto finale) ed una pratica (che peserà per 50% del voto finale). La prova scritta richiederà la risoluzione di esercizi di inferenza. La prova pratica verterà sull'analisi di dati con il programma R.

Data inizio prenotazione	Data fine prenotazione	Data appello
15/12/2021	06/01/2022	11/01/2022
15/12/2021	27/01/2022	01/02/2022
01/05/2022	27/05/2022	06/06/2022
07/06/2022	28/06/2022	08/07/2022
10/08/2022	02/09/2022	12/09/2022