BIO301 Effektive dataanalyser i det medisinske laboratoriet

Emneplan for studieåret 2020/2021

På grunn av Covid-19 kan det skje endringar i emneplanar ved HVL hausten 2020. Endringar i den enkelte emneplanen vert publisert i Studentweb og Canvas, og når det er publisert endringar for eit emne der er det desse som gjeld, og ikkje emneplanen på nettsidene. Døme på endringar kan vere gjennomføring av praksis, eksamenstype, eller om det skal setjast bokstavkarakter eller bestått/ikkje bestått.

Innhold og oppbygning

Emnet har tre hoveddeler. I del 1 gis en grunnleggende innføring i lineær algebra. Vektor- og matriseregning presenteres, og det gis en innføring i egenverdier, egenvektorer og multippel lineær regresjon.

Del 2 tar for seg statistisk forsøksplanlegging, der man lærer å sette opp en effektiv forsøksplan når man undersøker systemer og prosesser med mange faktorer som påvirker resultatet. Det startes med faktorielle designer, før mer avanserte designer til bruk i optimering og screening tas opp. Kurset benytter seg her av programpakken Sirius.

I del 3 presenteres metoder til analyse av store datasett med mange, kovarierende variabler. Prinsipalkomponentanalyse (PCA) danner grunnlaget for visualisering av innholdet i store datasett. Partial Least Squares (PLS) brukes til å modellere sammenhengen mellom instrumentelle profiler (f.eks. spektre, kromatogram) og en ekstern respons (f.eks. konsentrasjoner av stoffer i plasma). Klassifikasjonsteknikker som SIMCA og diskriminantanalyse tas opp. Det vil også bli lagt vekt på variabelseleksjon, der metoder for å plukke viktige variabler (f.eks. biomarkører) fra en klassifikasjons- eller regresjonsmodell presenteres.

Læringsutbytte

Ved fullført emne skal studenten kunne:

Kunnskap

  • regne med vektorer og matriser
  • forklare hvordan ulike designer kan brukes i effektiv forsøksplanlegging avhengig av formålet med en undersøkelse
  • forklare hvordan lineær algebra kan brukes til å visualisere informasjonsinnholdet i store datasett
  • forklare hvordan eksterne responser kan predikeres fra instrumentelle målinger gjort i et medisinsk laboratorium

Ferdigheter

  • sette opp en designmatrise for screening og optimalisering
  • tolke og validere resultatene fra en design
  • hente ut underliggende informasjon fra store datasett ved hjelp av flervariabel dataanalyse
  • vurdere når en modell er innenfor sitt gyldighetsområde, og når en ny modell bør lages
  • lese og forstå en vitenskaplig artikkel om multivariat dataanalyse relevant for det medisinske laboratorium

Generell kompetanse

  • bidra til effektiv ressursutnyttelse gjennom fornuftig forsøksplanlegging
  • beherske import av data fra laboratorieinstrumenter til programvare
  • analysere data av ulike typer i samme analyse
  • presentere resultater fra en multivariat analyse skriftlig og muntlig

Krav til forkunnskaper

Bioingeniørutdanning, eller tilsvarende kompetanse innen medisinske laboratorieanalyser med vurdering og tolkning av analysekvalitet.

Undervisnings- og læringsformer

Datastøtteprogrammet Canvas benyttes i faget. Analyseverktøyet Sirius benyttes til forsøksplanlegging og dataanalyse.

Undervisningen blir gitt i løpet av tre seminar med varighet på én uke. Studentene jobber selvstendig mellom seminarene.

De første tre tema over dekkes opp av regulære forelesninger. I lineær algebra gis det og regneoppgaver. I statistisk forsøksplanlegging og multivariat analyse vil det bli gitt dataøvelser for å fokusere på praktisk bruk av metodene. Dataøvelser skal leveres i studentens læringsmappe på Its learning innen gitte tidsfrister. En avsluttende oppgave involverer litteraturstudier og presentering av resultater i form av foredrag. Studentene kommenterer og vurderer innhold i medstudentenes presentasjoner.

Studentaktive arbeidsformer er:

  • 5 dataøvelser
  • Forberede og fremlegge presentasjoner under veiledning.

Studentene får tilbakemelding og veiledning på presentasjoner og innleverte arbeid.

Arbeidskrav

  • Deltagelse på samlinger.
  • Innlevering av besvarelser på 5 dataøvelser. Obligatoriske dataøvelser må være gjennomført til fastsatte frister og godkjent før studenten kan få en vurdering i faget.

Godkjent arbeidskrav er gyldig i 2 påfølgende semester etter godkjenningen.

Vurderingsform

Deleksamen med oppgave og digital skoleeksamen.

Oppgave:

Oppgaven er i form av et litteraturstudie. Oppgaven skal være ca. 10-15 sider. Innleveringstidspunkt blir oppgitt på Studentweb og digitalt eksamenssystem.

Digital skoleeksamen:

Tid og sted for eksamen blir opplyst på Studentweb.

Digital skoleeksamen utgjør 60 % og oppgaven utgjør 40 % av endelig karakter i emnet.

Karakterskala A-F, der F tilsvarer ikke bestått.

Hjelpemidler ved eksamen

PC

Mer om hjelpemidler