STRUMENTI STATISTICI E INFORMATICI PER L'ANALISI DEI DATI

Mediante lezioni frontali ed esercitazioni pratiche alla fine di ogni unità di apprendimento (quando previste).

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.

A garanzia di pari opportunità e nel rispetto delle leggi vigenti, gli studenti interessati possono chiedere un colloquio personale in modo da programmare eventuali misure compensative e/o dispensative, in base agli obiettivi didattici ed alle specifiche esigenze.

E' possibile rivolgersi anche al docente referente CInAP (Centro per l’integrazione Attiva e Partecipata - Servizi per le Disabilità e/o i DSA) del nostro Dipartimento, prof.ssa Santina Chiechio.

Modulo 1: Introduzione alla Statistica nel Contesto Farmaceutico

• Importanza dell'analisi statistica nella ricerca e sviluppo di farmaci.

Modulo 2: Disegno Sperimentale e Analisi dei Dati

• Progettazione sperimentale in chimica farmaceutica
• Disegni fattoriali completi e frazionari.
• Analisi della Varianza (ANOVA)
  • ANOVA a una via e a due vie.
• Regressione Lineare e Non Lineare
  • Modelli di regressione multipla.

Modulo 3: Analisi Multivariata

• Analisi delle Componenti Principali (PCA)
  • Riduzione della dimensionalità dei dati.
• Metodi di Classificazione e Clustering
  • Analisi Discriminante Lineare (LDA).
  • Algoritmi di clustering (K-means, gerarchico).

Modulo 4: Strumenti Informatici per l'Analisi e la Visualizzazione dei Dati

• Software Statistici Avanzati
  • Utilizzo di R e Python per l'analisi statistica.
• Fogli di Calcolo Avanzati
  • Analisi dei dati con Excel: Solver, Data Analysis ToolPak.
• Gestione dei Database
  • Introduzione a SQL per l'estrazione e la manipolazione dei dati.

Modulo 5: Applicazioni Statistiche in Chimica e Tecnologia Farmaceutiche

• Analisi dei dati di sintesi chimica
  • Ottimizzazione dei processi sintetici.
• Farmacocinetica e Farmacodinamica Avanzata
  • Modelli compartimentali.
• Validazione dei Metodi Analitici
  • Parametri di validazione secondo le linee guida ICH.

Modulo 6: IA e Medicina In Silico: Cenni

• Intelligenza artificiale e medicina in silico nell'industria farmaceutica
  • Analisi predittiva e personalizzazione delle terapie.

Modulo 7: Progetto Finale e Applicazioni Pratiche

• Laboratori pratici
  • Analisi di dataset reali provenienti da studi farmaceutici.
• Progetto di ricerca
  • Sviluppo di un progetto individuale o di gruppo.
  • Presentazione e discussione dei risultati.

1) Quale delle seguenti affermazioni descrive meglio l'Analisi delle Componenti Principali (PCA)?

A) È un metodo di regressione per predire una variabile dipendente basata su variabili indipendenti.

B) È una tecnica di classificazione supervisionata per assegnare campioni a categorie predefinite.

C) È una tecnica di riduzione della dimensionalità che trasforma variabili correlate in un set di componenti non correlate.

D) È un algoritmo di clustering utilizzato per raggruppare dati simili senza etichette predefinite.

2) In farmacocinetica, quale modello compartimentale descrive meglio un farmaco che si distribuisce rapidamente e uniformemente nell'organismo dopo l'assorbimento?

A) Modello monocompartimentale.

B) Modello bicompartimentale.

C) Modello tricompartimentale.

D) Modello non compartimentale.