Zurück
| Semester | Herbstsemester 2024 |
| Angebotsmuster | Jedes Herbstsemester |
| Dozierende |
Catherine Blatter (catherine.blatter@unibas.ch)
Michael Ketzer (michael.ketzer@unibas.ch) Michael Simon (m.simon@unibas.ch, BeurteilerIn) Diana Trutschel (diana.trutschel@unibas.ch) |
| Inhalt | Statistics is ubiquitous in medical and nursing research. Clinicians and nurse researchers need to understand basic statistical concepts, be able to interpret statistical results and conduct basic statistical analyses themselves. The course "Advanced Statistics: Multilevel analysis" is the last part of a series of three courses to use the statistical programming language R to learn statistics. The course will provide students the basis to understand and apply advanced statistical techniques such as linear and generalized linear mixed model in the context of nursing research. With the successful completion of the course students will be able to: 1. Understand the conceptual implications of variables on different levels (i.e. micro, meso macro level) 2. Analyze intraclass correlations in the context of LMM and GLMM 3. Analyse random intercept models including variables on different levels 4. Write statistical reports about quantitative analyses conducted in the programming language R 5. Apply principles of reproducible research using R Markdown |
| Lernziele | • A lecture-seminar-exercise format will be used, with 30-60 minute lectures, 60 minute seminars and 60 minute exercises. • Introduction to more advanced statistical approaches such as multilevel regression and intraclass correlation • Practical training in R programming and analytical techniques. • Analysis of a dataset using R and writing a report using R Markdown |
| Literatur | Facultative literature: - Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and Other Stories. Cambridge: Cambridge University Press. - Snijders, T. A. B., and Bosker, Roel J. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling. London: Sage Publishers. |
| Bemerkungen | Sessions will be made available through Panopto. |
| Weblink | ADAM Login |
| Teilnahmebedingungen | Aufnahme in den Studiengang Pflegewissenschaft Erfolgreicher Abschluss der LV Statistics I & II PhD-Studierende können nur nach Zustimmung der Kursleitung teilnehmen und nur nach erfolgreicher Teilnahme an Statistics I & II |
| Anmeldung zur Lehrveranstaltung | in Services belegen |
| Unterrichtssprache | Englisch |
| Einsatz digitaler Medien | Online-Angebot obligatorisch |
| Intervall | Wochentag | Zeit | Raum |
|---|---|---|---|
| wöchentlich | Dienstag | 13.15-16.00 | Kollegienhaus, Hörsaal 119 |
| Datum | Zeit | Raum |
|---|---|---|
| Dienstag 17.09.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 24.09.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 01.10.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 08.10.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 15.10.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 22.10.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 05.11.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 19.11.2024 | 13.15-16.00 Uhr | Kollegienhaus, Hörsaal 119 |
| Dienstag 10.12.2024 | 12.15-18.00 Uhr | Bernoullistrasse 28, Seminarraum U01 |
| Dienstag 17.12.2024 | 12.15-18.00 Uhr | Bernoullistrasse 28, Seminarraum U01 |
| Module |
Modul Vertiefung Research (Masterstudium: Pflegewissenschaft) |
| Leistungsüberprüfung | Lehrveranst.-begleitend |
| Hinweise zur Leistungsüberprüfung | The exams consist of a written analysis draft (20% of the course grade), a written final analysis (60% of the course grade) and an oral exam (20% of the course grade). |
| An-/Abmeldung zur Leistungsüberprüfung | Anmelden: Belegen; Abmelden: Institut |
| Wiederholungsprüfung | keine Wiederholungsprüfung |
| Skala | 1-6 0,1 |
| Wiederholtes Belegen | einmal wiederholbar |
| Zuständige Fakultät | Medizinische Fakultät |
| Anbietende Organisationseinheit | Institut für Pflegewissenschaft |