Professionisti coinvolti nella valutazione, pianificazione, conduzione e pubblicazione della ricerca: ricercatori di tutte le professioni sanitarie, componenti di comitati etici, industria farmaceutica e tecnologica, editori

Obiettivo Nazionale ECM

1. Applicazione nella pratica quotidiana dei principi e delle procedure dell'evidence based practice (EBM - EBN - EBP)

Obiettivo generale

Migliorare qualità metodologica, etica, integrità e rilevanza della ricerca eziologica e prognostica e conoscere principali applicativi di intelligenza artificiale a supporto del ricercatore

Obiettivi specifici

• Conoscere gli studi osservazionali da utilizzare per la ricerca eziologica e prognostica
• Identificare i principali bias negli studi osservazionali e predisporre strumenti per la loro prevenzione
• Conoscere i criteri di qualità della ricerca eziologica e prognostica
• Apprendere metodologie di pianificazione, conduzione e analisi degli studi osservazionali per la ricerca eziologica e prognostica
• Conoscere i princìpi e gli ambiti di applicazione dell’intelligenza artificiale nella ricerca osservazionale
• Conoscere ed utilizzare applicativi di intelligenza artificiale open source da utilizzare per la gestione dei dataset, l’editing e publishing di uno studio osservazionale

GIORNO 1

• Classificazione degli studi osservazionali
• Ipotrofia e limitata qualità metodologica della ricerca diagnostica, eziologica e prognostica
• Disegni osservazionali descrittivi: potenzialità e limiti

• Identificazione della responsabilità eziologica di un fattore di rischio di malattia
• Architettura della ricerca eziologica: studi caso-controllo, studi di coorte con coorte parallela e loro varianti

• Disegno e principali bias
• Vantaggi e svantaggi
• Metodologie di pianificazione e di conduzione
• Varianti di caso controllo
• Analisi dei dati
• Calcolo delle misure di associazione (odds ratio)

• Disegno e principali bias
• Vantaggi e svantaggi
• Metodologie di pianificazione e di conduzione
• Varianti di coorte con coorte parallela
• Analisi dei dati
• Calcolo delle misure di associazione (rischio relativo) 
• Aspetti peculiari degli studi di farmacovigilanza

• Criteri di qualità degli studi eziologici
• Reporting: lo STROBE ed il RECORD Statement

• RECORD-PE Statement: valutazione del reporting di uno studio di farmacoepidemiologia

 

• Valutare la storia naturale della malattia e la potenza dei fattori prognostici
• Architettura della ricerca prognostica: studi di coorte prospettici e retrospettivi

• Disegno e principali bias
• Altri disegni di studio
• Metodologie di pianificazione e di conduzione
• Analisi dei dati
• Criteri di qualità degli studi prognostici

• Fasi della ricerca prognostica: sviluppo del modello prognostico, studi di validazione, studi di impatto

• Aspetti etici e normativa 
• Normativa, aspetti etici e privacy

• Il reporting degli studi di prognosi (modelli predittivi): il TRIPOD Statement

 

• TRIPOD Statement: valutazione del reporting di uno studio di prognosi 

 

• Cenni storici
• Definizione di intelligenza artificiale
• Classificazione e tipologie di intelligenza artificiale
• Bias nei dati e negli algoritmi e strategie per mitigarli
• Trasparenza e interpretabilità dei modelli
• Potenziali Impatti dell'intelligenza artificiale nella ricerca clinica

• Introduzione al machine learning: regressione, classificazione, clustering
• Large Language Models e Large Multimodal Models
• Introduzione al prompting
• Introduzione a ChatGPT 
• Applicazioni pratiche dell'intelligenza artificiale generativa nella ricerca osservazionale

• Real world data, big data, open data
• L’ intelligenza artificiale come supporto nella progettazione dello studio 
• Intelligenza artificiale per il monitoraggio e la raccolta dei dati
• intelligenza artificiale a supporto dell’analisi dei dati 
  • Pulizia e normalizzazione dei dataset 
  • Data augmentation e qualità dei dati
• Limiti e sfide 

• Esercitazione guidata sulle tecniche di prompting e verifica degli output
• Gestione e pulizia di un dataset con l’ausilio in un software open source di intelligenza artificiale

• L’utilizzo dell’intelligenza artificiale a supporto della stesura di un articolo scientifico 
  • Abstract e plain language summaries
  • Messaggi e parole chiave
• Rilevamento di plagio e controllo dell'originalità del testo 
• L’intelligenza artificiale per individuare la rivista target

• Considerazioni etiche sull'uso dell'intelligenza artificiale nella ricerca clinica
• Normative europee e internazionali per l'utilizzo dell'intelligenza artificiale in ambito sanitario 
• Bias nei modelli predittivi e strategie per mitigarli

• Utilizzo di uno strumento di intelligenza artificiale per supportare la stesura di uno studio osservazionale

 

 

Corsi in diretta su piattaforma multimediale dedicata (aula virtuale, webinar) - fad sincrona

• Serie di relazioni su tema preordinato
• Dimostrazioni tecniche senza esecuzione diretta da parte dei partecipanti
• Lavoro a piccoli gruppi su problemi e casi clinici con produzione di rapporto finale da discutere con esperto
• Esecuzione diretta da parte di tutti i partecipanti di attività pratiche o tecniche

 

Valutazione con QUIZ

• La valutazione dell’apprendimento viene effettuata con quiz