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)