V81: Missing data: consequenties en oplossingen

Hoewel onderzoekers hun best doen om ontbrekende gegevens te voorkomen, is het een veelvoorkomend probleem in medisch en epidemiologisch onderzoek. Hoe groot de invloed van de ontbrekende gegevens is op de studie resultaten en hoe hiermee om te gaan, is afhankelijk van de hoeveelheid aan ontbrekende gegevens en waarom de gegevens ontbreken. In deze driedaagse cursus worden eenvoudige en geavanceerde technieken behandeld voor het evalueren en omgaan met ontbrekende gegevens binnen medisch en epidemiologisch onderzoek.

De voertaal van de cursus Missing data zal Nederlands zijn. Het cursusmateriaal is echter in het Engels.

De EpidM Wintercourse Missing data (WV81) is inhoudelijk gelijk aan deze cursus Missende data (V81), maar wordt in het Engels gegeven.
Alle informatie over Missing data (WV81) kunt u vinden op de website; www.epidm.nl/wintercourses.
Indien u besluit zich in te schrijven voor Missing data (WV81) moet u dit via de website van de Wintercourses doen.

Als bij een cursus [vol] staat, kunt u zich wel aanmelden, maar wordt u op een wachtlijst geplaatst. Zodra er een plek vrijkomt nemen we contact met u op. Op dat moment kunt u nog besluiten of u wilt deelnemen aan de cursus.

Datum:
[Vol] 17, 18, 19 september 2019 Kosten: € 950,-
Plaats:
Amsterdam
Coördinator:
Dr. M.W. Heijmans
Voertaal:
Nederlands
Werkvorm:
Interactieve colleges en computerpractica
Toetsvorm:
Schriftelijk tentamen met computerexamen
Tentamendata:
Tentamendata: Zie rooster bij 'Tentamens'
Aantal EC:
2
  • Cursusbeschrijving en onderwerpen

    Er zijn verschillende methoden die gebruikt kunnen worden om met ontbrekende gegevens om te gaan. Eenvoudige oplossingen zijn om de missende waarden te negeren of een regressiemodel te gebruiken om de ontbrekende waarden te schatten. Er zijn ook meer geavanceerde methoden als Multipele Imputatie. Multipele Imputatie volgens de Multivariate Imputation with Chained Equations (MICE) procedure is een veelbelovende techniek die goed werkt in verschillende data situaties met ontbrekende gegevens. Met Multipele Imputatie worden verschillende complete datasets gegenereerd. Statistische analyses moeten vervolgens in elke dataset worden uitgevoerd en resultaten worden samengevoegd met behulp van speciale rekenregels (Rubin’s Rules genoemd). Deze stappen zullen tijdens de cursus worden besproken, evenals vragen over het gebruik van verschillende methoden om met ontbrekende waarden om te gaan binnen medisch en epidemiologisch onderzoek. Verder is het belangrijk om te controleren of de imputatiestrategie succesvol was (imputatiediagnostiek). Dit zal ook tijdens de cursus worden behandeld.

    Elke cursusdag begint met colleges in de ochtend gevolgd door computer practica. Tijdens de practica worden er met eenvoudige en meer geavanceerde methoden voor missende waarden, zoals Multipele Imputatie, geoefend in SPSS en R(Studio) software. Tijdens de practica werk je met echte epidemiologische en medische voorbeeld datasets.

  • Faculty
    Martijn W. Heymans, PhD , course coordinator
    Assistant professor
    Department of Epidemiology & Biostatistics. Amsterdam UMC, location VUmc

    Dr. Martijn Heymans expertise is in Missing data and Prognostic and Prediction modeling. He (co)-authored more than 250 scientific publications and also teaches courses in epidemiology, applied biostatistics and regression techniques and works as a statistical consultant. Website: https://missingdatasolutions.rbind.io/

    Applied Missing Data book: https://bookdown.org/mwheymans/Book_MI/


    Iris Eekhout, PhD
    Department of Epidemiology & Biostatistics. Amsterdam UMC, location VUmc
    Department Child Health, Netherlands Organisation for Applied Scientific Research (TNO), Leiden


    Iris Eekhout finished a master in Clinical Psychology and a master in Methodology and Statistics at the University of Leiden. She did a PhD project on missing data methods at the department of Epidemiology and Biostatistics of the VU University medical center, that focused on methods to handle missing questionnaire items and total scores. Currently, Iris teaches in several EpidM courses and works as a statistician at TNO.


  • Programma

    Consequenties van Ontbrekende Waarden

    Colleges:

    - Voorbeelden van ontbrekende gegevens in epidemiologisch en medisch onderzoek.

    - De betekenis van mechanismen van ontbrekende waarden (MCAR, MAR, MNAR).

    - Gevolgen en invloed van ontbrekende gegevens voor statistische analyses.

    - Manieren om verschillende datasituaties met ontbrekende gegevens te evalueren.

    Oplossingen voor Ontbrekende waarden
    Colleges:
    - De toepassing van eenvoudige methoden voor ontbrekende waarden.

    - De theorie en praktijk van Multipele Imputatie.

    - Data analyse na Multipele Imputatie.

    - Evalueren van de imputatie strategie (imputatiediagnostiek).

    Practica
    SPSS en R(Studio) software.

  • Leerdoelen

      1. De deelnemer kan een onderscheid maken tussen de verschillende mechanismen van ontbrekende gegevens, die “Missing Completely Random” (MCAR), Missing At Random (MAR) en “Missing Not At Random” (MNAR) worden genoemd.

      2. De deelnemer kan eenvoudige evaluatie methodes toepassen om een veronderstelling te doen over het meest plausibele mechanisme van ontbrekende gegevens.

      3. De deelnemer begrijpt de werking van de meest gebruikte methoden om met ontbrekende gegevens om te gaan in epidemiologische en medische datasets.

      4. De deelnemer herkent de sterke en zwakke punten van de meest gebruikte methoden van ontbrekende gegevens in verschillende data situaties met ontbrekende waarden.

      5. De deelnemer kan met SPSS werken om ontbrekende gegevens te onderzoeken en kan werken met de beste methode om met ontbrekende waarden om te gaan in verschillende data situaties met ontbrekende gegevens.

      6. De deelnemer kan Multipele Imputatie gebruiken volgens de procedure Multivariate Imputation by Chained Equations (MICE) in SPSS en R(Studio).

      7. De deelnemer begrijpt hoe Multipele Imputatie werkt en hoe een imputatiemodel moet worden gedefinieerd.

      8. De deelnemer begrijpt hoe om te gaan met ontbrekende gegevens in vragenlijsten en begrijpt het verschil tussen het omgaan met ontbrekende waarden in itemscores en totaalscores.

      9. De deelnemer begrijpt de praktische oplossingen om ontbrekende gegevens in Multilevel (en longitudinale) studies te verwerken.

      10. De deelnemer kan met SPSS en R(Studio) werken om ontbrekende gegevens in vragenlijsten en in Multilevel (en longitudinale) studies te verwerken.

  • Doelgroep en ingangseisen

    Doelgroep

    De cursus is bedoeld voor promovendi, clinici en toegepaste onderzoekers die werkzaam zijn binnen de epidemiologie, geneeskunde, volksgezondheid, psychologie, gezondheids-, sociale- en bewegingswetenschappen. De cursus is bedoeld voor iedereen die meer wil weten over ontbrekende gegevens, omdat ontbrekende gegevens in uw eigen onderzoek aanwezig zijn en u begint met de analyse van gegevens of als u wilt leren hoe u artikelen of onderzoeksvoorstellen kunt beoordelen waarbij ontbrekende gegevens een rol spelen. Het is daarnaast ook belangrijk om de invloed van ontbrekende gegevens op praktijk gerelateerd onderzoek te kunnen beoordelen.

    Cursus vereisten

    De volgende begrippen worden als bekend verondersteld aan het begin van de cursus:
    - Kennis van basis statistische tests als t-tests en regressieanalyses.
    - Kennis van enkele basale SPSS-commando's.
    Kennis van R(Studio) is geen vereiste.


  • Cursusmateriaal
    Cursisten ontvangen op de eerste cursusdag een reader met de hand-outs van de presentaties, de werkgroep opdrachten en de practicumopdrachten.

    Alle uitwerkingen van werkgroepen en computerpracticum, eventuele aanvullende literatuur, eventuele aanvullende lesstof en informatie over het tentamen kunt u op Canvas vinden, onze digitale leeromgeving.

    Een week voor aanvang van de cursus ontvangt u informatie over het aanmaken van een canvas account voor deze cursus.

    Literatuur

    https://bookdown.org/mwheymans/Book_MI/

  • Afsluiting, Beoordeling en EC's

    Een verklaring van deelname wordt afgegeven indien de cursus in zijn geheel gevolgd is. In bijzondere gevallen kan de cursuscoördinator, na voorafgaand overleg en bij een geldige reden, besluiten bij geringe afwezigheid (max. 20%) toch een certificaat uit te reiken.

    Deelnemers die deze cursus volgen als onderdeel van de Masteropleiding Epidemiologie ronden de cursus altijd af met een tentamen.
    Deelnemers die deze cursus als een afzonderlijke cursus volgen kunnen facultatief de cursus afsluiten met een tentamen. De kosten hiervan bedragen 150,- per tentamen of hertentamen.
    Alleen wanneer het tentamen met een voldoende resultaat wordt afgesloten ontvangt u een tentamenverklaring met daarop de studiepunten (EC’s)

    Voor deelname aan het tentamen moet zich men altijd aanmelden.

    Zie voor informatie en aanmelding: Tentamens



  • Accreditatie

    Deze cursus is geaccrediteerd voor:

    • Cluster 1: huisartsen, specialisten ouderengeneeskunde, artsen verstandelijk gehandicapten
    • Cluster 2: medisch specialisten
    • Cluster 3: sociaal geneeskundigen, bedrijfsartsen, verzekeringsartsen, artsen maatschappij en gezondheid

    De cursus 'Klinische predictiemodellen' (K81) is geaccrediteerd voor 15 uren.
    Om in aanmerking te komen voor de accreditatie-uren van deze cursus dient u de gehele cursus aanwezig te zijn geweest.

Als u doorsurft op deze website, gaat u akkoord met de plaatsing van cookies. Meer informatie Deze melding verbergen
U maakt gebruik van een verouderde browser, voor optimaal gebruik raden wij aan om uw browser te updaten.