APPLICAZIONE DI TECNICHE STATISTICHE AVANZATE NELLA RICERCA BIOMEDICA

Il personale di CORESEARCH vanta una lunga e concreta esperienza nel disegno e analisi di studi clinici randomizzati e osservazionali, nonché nell’analisi di dati derivanti da database amministrativi e dalla ricerca di base.

Per ciò che riguarda la stesura di progetti, le attività svolte includono:

  • lo sviluppo o la revisione di protocolli
  • la preparazione di piani di analisi statistica (SAP)
  • la scrittura di sezioni sui metodi statistici e/o risultati di articoli scientifici.

Mediante l’utilizzo e lo sviluppo di programmi avanzati, viene garantita l’analisi dei dati e la generazione di set di tabelle, elenchi e figure secondo gli standard richiesti.

Le tecniche statistiche applicate includono:

  • Stima della dimensione campionaria (ad es. per studi clinici osservazionali o randomizzati di inferiorità/equivalenza/superiorità)
  • Modelli di predizione e costruzione di motori di rischio (per la creazione/validazione/confronto di test diagnostici e/o “punteggi” che quantificano la forza dell’associazione con l’esito in studio, in termini di calibrazione, discriminazione e riclassificazione)
  • Modelli lineari gerarchici generalizzati (validi per l’analisi di esito binomiale, lineare, raro e/o conteggio)
  • Analisi dei dati longitudinali (per lo studio di misure ripetute nel tempo)
  • Analisi di sopravvivenza (ad es. modelli di Cox, curve di Kaplan-Meier)
  • Algoritmi di classificazione tree-based e Random Forests (per la stratificazione del rischio e la selezione/validazione/permutazione dei fattori associati all’esito in studio, particolarmente utili nei risvolti della reale pratica clinica)
  • Metodi avanzati di meta-analisi e meta-regressione (asintotiche o esatte, effetti fissi o random, dose-risposta, network per confronti indiretti)
  • Metodi statistici e informatici avanzati in biologia e genetica (Microarray Data)
  • Statistica bayesiana (basata sull’utilizzo di probabilità a priori per l’effetto studiato).
  • Metodologia del Propensity Score e degli Structural Marginal Models negli studi osservazionali (per la simulazione di un disegno sperimentale randomizzato)
  • Statistiche esplorative (principal component analysis, factorial analysis, cluster analysis, path analysis)
  • Validazione psicometrica di questionari sulla qualità della vita (factor analysis, item-scale correlation, internal consistency reliability, convergent and discriminant validity, criterion validity, test-retest reliability)
  • Valutazione dell’accuratezza degli strumenti per la misurazione della glicemia (Consensus Error Grid analysis, Clark error grid analysis, Bland and Altman Bias analysis, Passing and Bablok regression analysis, MARD)

Sei uno sponsor,
un professionista della ricerca clinica
o uno sperimentatore?

Contattaci per saperne di più o facci sapere come possiamo aiutarti.

Contattaci