Skip to main content
DA / EN

Biostatistik

Biostat-gruppen deltager i en række projekter i sundhedsvidenskabelig forskning. Gruppen bidrager til udvikling af teori for bedst mulig indsigt og evidens i sundhedsvidenskabelige studier og indgår i praktisk anvendelse af moderne matematisk metodik. Se venligst de individuelle forskeres hjemmesider for flere detaljer.

Biostatistisk forskning

Gruppens forskningsmæssige hovedtema er teoretisk bidrag i studier med tvillinger, hvor der søges indsigt i årsager og risiko-faktorer for sygdomme og fundamentale livsprocesser i mennesker.

Hvorfor forekommer sygdomme forskelligt hos mennesker og hvorledes ændres denne variation sig med tiden? Svar på sådanne spørgsmål giver indsigt i  indgående årsager og en videre forståelse, som kan bruges i forebyggelse og behandling.

Specielt indenfor studier af cancer viser ovenstående tilgang sig uhyre nyttig og biostatistisk-gruppen indgår i internationale samarbejder i modellering, analyse og fortolkning af unikke forskningsdata i tvillinger indsamlet over et langt tidsforløb, hvilket muliggør ny indsigt og forståelse.

I sådanne forskningsdata bidrager det enkelte individ med helt enestående oplysninger om, at visse hændelser finder sted i løbet af livet. At kende udelukkende blot til at eksistensen af sådanne hændelser, ikke til individets identitet, er et bidrag til forskningen, der bringer dybere indsigt på verdensplan.

Biostatistik-gruppen søger at bidrage til, anvende og formidle den nyeste forskning med det grundlæggende formål at forbedre menneskers sundhed. Konkrete metoder og deres anvendelse belyses i nedenstående.

Gruppens ansatte kan til ethvert tidspunkt kontaktes for information og samarbejde.

Biostatistiske metoder og teknikker

Statistisk modellering i tvillingstudier og andre studier

  • Analyse af tvillingedata
  • Generalized linear mixed models
  • AI neural network models

Analyse af tidsafhængige data

  • Longitudinal data analysis
  • Recurrent events data
  • Time to event models
  • Survival analysis of twin data

Analyse af højdimensionelle data

  • Non- og semiparametriske metoder
  • Regulariserede modeller
  • Dimensionsreduktion
  • Superviseret indlæring
  • Bootstrap metoder

Funktionel dataanalyse

  • Funktionelle lineære modeller
  • Reproducing Kernel Hilbert spaces
  • Udvidelse til Hilbert C*-moduler
  • Stokastiske processer

Direkte virkning og årsagssammenhænge

  • Causal analysis
  • Causal inferens i matchede studier

Studier i medicinsk epidemiologi og folkesundhedsvidenskab

  • Tatoveringsblæk og lymfekræft

Samarbejde og vidensdeling

Den biostatistiske forskningsgruppe samarbejder med en række nationale og internationale partnere. 

Undervisning og vejledning

Tidsskrifter


EBB - Epidemiologi, Biostatistik og Biodemografi Institut for Sundhedstjenesteforskning Syddansk Universitet

  • Campusvej 55
  • Odense M - DK-5230
  • Telefon: +45 6550 3029

Sidst opdateret: 13.09.2024