• EQF Home Page Icon

Qualification: alkalmazott biostatisztikus

No translation available for Finnish. Showing the original language.

alkalmazott biostatisztikus

Qualification Information

A képzés célja: mind a biológiai, mind az orvosi és állatorvosi tudományokban egyre fontosabb követelmény a vizsgálatok és kísérletek szakszerű megtervezése, valamint az adatok korszerű statisztikai módszerekkel való kiértékelése. A gyógyszeripari kísérletekben az engedélyező hatóság Európában is és az USA-ban is megköveteli biostatisztikus részvételét.

Általános kompetenciák:

-    a statisztikai elemzésekhez szükséges matematikai módszerek (vektorterek alapfogalmai, lineáris leképezések és mátrixok, a matematikai analízis alapfogalmai, deriválás és integrálás egy és többváltozós esetben);

-    a statisztika és az azt alkalmazó tudományágak viszonyának ismerete;

-    jó kommunikációs készség a nem statisztikus szakemberekkel (a megrendelőkkel vagy felhasználókkal, kliensekkel);

-    a megrendelő által szakmai (biológiai, orvosi stb.) nyelven megfogalmazott problémák matematikai, illetve statisztikai modellekké formálása és az annak megfelelő vizsgálatok megtervezése és kivitelezése;

-    informatikai ismeretek, szoftverek használata, programnyelvek ismerete és használata

-    publikációk, kutatási tervek, kutatási jelentések kritikai elemzése, a logikai, illetve módszertani hibák felderítése;

-    publikációk készítésének gyakorlati tudnivalói, különös tekintettel a statisztikai eredmények helyes közlésének ismeretére;

-    képesség ismert elemző módszerek új feladatok, illetve új körülmények között történő innovatív alkalmazására.


Szakmai kompetenciák, tudáselemek, megszerezhető ismeretek:

-    valószínűségszámítás és statisztikai elmélet (valószínűségi mező, valószínűség-eloszlások, feltételes várható érték, statisztikai mező, becslés és hipotézisvizsgálat, likelihood-elmélet, gyakorisági adatok elemzése, összefüggés-vizsgálatok, nemparaméteres és robusztus eljárások, dimenziócsökkentés);

-    kutatás-módszertani ismeretek (a statisztikai mintavétel elmélete és módszerei, a randomizáció módszerei, kutatástervezés);

-    Monte Carlo módszerek és resampling eljárások (permutációs próbák, bootstrap;

-    Bayes-i statisztika és az azon alapuló korszerű eljárások (MCMC, Bayes-i döntés stb.)

-    az epidemiológiai vizsgálatok típusai, valamint ezek tervezésének elvei és gyakorlati tudnivalói;

-    az epidemiológiai vizsgálatokban használatos fogalmak (indexek, ráták) és az elemzésükre szolgáló legfontosabb módszerek; a diagnosztikai eljárásokkal kapcsolatos fogalmak és elemzési módszerek;

-    a klinikai kísérletek fő típusai, valamint ezek tervezésének elvei és gyakorlati tudnivalói;

-    a túlélési vizsgálatok sajátosságai és az elemzésükre használatos különféle módszerek;

-    a megszerzett statisztikai ismeretek gyakorlati alkalmazása, valamint a gyakorlat igényei szerint új eszközök és módszerek kifejlesztése;

-    az R statisztikai programnyelv professzionális szintű ismerete, más statisztikai programcsomagok (SAS, SPSS, Statistica, Minitab stb.) felhasználói szintű ismerete és programozása;

-    az egyes elemzésekhez a megfelelő statisztikai módszer megválasztása és az elemzés végrehajtása, valamint az eredmények megfelelő bemutatása, beleértve a kutatási jelentés írását és a megrendelőnek nyújtott prezentációt;

-    tudományos eredmények statisztikai szintézise meta-analízis segítségével.

 

Személyes adottságok és készségek:

-       logikus gondolkodás, problémafelismerő és -megoldó képesség;

-       lényegkiemelés, modellalkotás képessége;

-       absztrakciós készség;

-       intuíció és kreativitás;

-       kommunikációs készségek;

-       alkalmasság az együttműködésre, a csoportmunkában való részvételre.


A szakképzettség alkalmazása konkrét környezetben és tevékenységrendszerben:

A statisztikus feladata a kísérletek megtervezése, a megkívánt statisztikai erőhöz szükséges mintaelemszám meghatározása, a megfelelő statisztikai elemző módszerek kiválasztása és végrehajtása. A bioinformatikai kutatások (úgymint genomika, proteomika, metabolomika stb.) terjedése szintén növeli a statisztikához és az informatikához is magas szinten értő, a sokváltozós adatelemzésben jártas szakemberek iránti igényeket. Hasonlóan nagy volumenű, sokváltozós adatbázisokat eredményez a népegészségügyi adatok elektronikus kezelése, az automatizált adatgyűjtés. 

Reference Data

EQF Level:
Thematic area:
Information Language:
Location:
Further info: 

- The postgraduate specialisation programme is established by the following higher education institution(s): Állatorvostudományi Egyetem

NQF Level: 
7
Awarding body: 

Állatorvostudományi Egyetem

Access requirements: 

- mandatory entry requirement regarding a specific qualification

Ways to acquire: 

- formal education