Statistiken gibt es überall. Die Wahrscheinlichkeit, dass es heute regnet. Die Entwicklung der Arbeitslosenquote im Laufe der Zeit. Die Wahrscheinlichkeit, dass Indien die nächste Cricket-Weltmeisterschaft gewinnt. In Sportarten wie dem Fußball waren sie anfangs nur ein kleiner Spaß, haben sich aber zu einem großen Geschäft entwickelt. Auch in der Medizin spielt die statistische Analyse eine wichtige Rolle, nicht zuletzt in der breit gefächerten und zentralen Disziplin des öffentlichen Gesundheitswesens.

In dieser Spezialisierung werden Sie einen Blick darauf werfen, was medizinische Forschung ist und wie - und warum - Sie eine vage Vorstellung in eine wissenschaftlich überprüfbare Hypothese verwandeln. Sie lernen die wichtigsten statistischen Konzepte wie Stichproben, Unsicherheit, Variation, fehlende Werte und Verteilungen kennen. Dann machen Sie sich die Hände schmutzig bei der Analyse von Datensätzen, die einige große Herausforderungen im Bereich der öffentlichen Gesundheit abdecken - Obst- und Gemüsekonsum und Krebs, Risikofaktoren für Diabetes und Prädiktoren für den Tod nach einem Krankenhausaufenthalt mit Herzinsuffizienz - unter Verwendung von R, einem der am weitesten verbreiteten und vielseitigsten freien Softwarepakete überhaupt.

Diese Spezialisierung besteht aus vier Kursen - statistisches Denken, lineare Regression, logistische Regression und Überlebensanalyse - und ist Teil unseres neuen Studiengangs Global Master in Public Health, der im September 2019 beginnen soll.

Die Spezialisierung kann unabhängig vom GMPH belegt werden und setzt keine Kenntnisse in Statistik oder R-Software voraus. Sie brauchen nur ein Interesse an medizinischen Themen und quantitativen Daten.

Praktisches Lernprojekt

In jedem Kurs werden Sie mit den wichtigsten Konzepten und einem Datensatz vertraut gemacht, der im Verlauf des Kurses als Arbeitsbeispiel verwendet wird. Daten des öffentlichen Gesundheitswesens sind chaotisch, mit fehlenden Werten und seltsamen Verteilungen, die nur allzu häufig vorkommen. Die Daten, die Sie verwenden werden, sind entweder echt oder simuliert aus echten Datensätzen auf Patientenebene (alle anonymisiert und mit entsprechenden Nutzungsrechten).

Der Schwerpunkt liegt auf dem "Lernen durch Tun" und dem "Lernen durch Entdecken", denn Sie werden mit typischen Daten- und Analyseproblemen konfrontiert, die Sie lösen und mit Ihren Mitschülern diskutieren können. Sie werden die Möglichkeit haben, die Probleme selbst und mit Ihren Mitschülern zu lösen, bevor Sie auf die Antworten und Erklärungen der Dozenten zugreifen.