Biostatistica
Biostatistics
Componenti
- Berchialla Paola (Coordinatore)
- Urru Sara
- Sciannameo Veronica
Contatti
- 0119026061 - 01140188353 - 0116705813
- Scrivi a tutti i componenti
Settore ERC
Attività
The current research projects of the group are focused on the following topics:
- Machine Learning Techniques (Artificial Intelligence) applied to clinical data and unstructured text data. Within this topic we had a recent collaboration with the European Space Agency to forecast Covid-19 epidemic behaviour and we are beginning to work with the Meldola Cancer Institute on advanced analytics on administrative healthcare data to support scenario analyses and develop policies evaluation strategies.
- Graphical models and Statistical Learning with application in a wide range of fields: analysis of routinely collected data (registries), quantitative risk assessment, clinical decision support and phenomapping. On this topic we have several collaborations with clinical groups based in the Molinette and Regina Margherita Hospitals and several DSCB research groups
- Hierarchical Bayesian models for integrating data from multiple data sources and Bayesian Model Averaging as approach to inference in presence of different competing models. Within this topic we have a collaboration with the Trial Unit of the Mauriziano Hospital and the Clinical Trial Unit at the Department of Cardiac, Thoracic and Vascular Sciences of the University of Padova
- Bayesian Design and Analysis for Clinical Trials. Within this research topic we have several collaborations with the Candiolo Cancer Institute
Collaborative support and assistance to DSCB research groups is provided in all areas of biostatistical/clinical epidemiology expertise, including designing studies with appropriate sample size and power and statistical analysis of both clinical and biological data.
The Biostatistics Unit is also the DSCB referent for supporting the implementation of research projects on Medcap, the service provided by the School of Medicine for electronic data collection. Currently, the following studies are actively collecting data: TKI Discontinuation Registry (Italian Multicenter study on adult patients with chronic myeloid leukemia who discontinue Tyrosine Kinase Inhibitors); Covid-19 Vaccination in hematological patients (Observational study on the clinical impact of Covid-19 vaccine in hematological patients); Regional Registry of myelofibrosis (Observational study of patients in Piedmont with myelofibrosis).
Gli attuali progetti di ricerca del gruppo sono incentrati sui seguenti temi:
- Tecniche di Machine Learning (Intelligenza Artificiale) applicate a dati clinici e dati testuali non strutturati. Nell’ambito di questo tema abbiamo avuto una recente collaborazione con l'Agenzia spaziale europea per prevedere il comportamento epidemico di Covid-19 e stiamo iniziando a lavorare con l’Istituto Tumori della Romagna su analytics su dati sanitari amministrativi per supportare analisi di scenario e sviluppare strategie di valutazione delle politiche.
- Modelli grafici e apprendimento statistico con applicazione in un'ampia gamma di campi: analisi dei dati raccolti di routine (registri), valutazione quantitativa del rischio, supporto alle decisioni cliniche e phenomapping. Nell’ambito di questo tema abbiamo diverse collaborazioni con gruppi clinici dell’Ospedale Molinette e Regina Margherita e diversi gruppi di ricerca DSCB.
- Modelli bayesiani gerarchici per l'integrazione di dati provenienti da fonti di dati e Bayesian Model Averaging come approccio all'inferenza in presenza di diversi modelli concorrenti. In questo ambito abbiamo una collaborazione con Trial Clinic Unit dell’Ospedale Mauriziano e la Trial Clinic Unit del Dipartimento di Scienze Cardiache, Toraciche e Vascolari dell'Università di Padova
- Disegno di studio e analisi bayesiana di studi clinici. Nell’ambito di questo tema di ricerca abbiamo diverse collaborazioni con l’Istituto di Ricerca di Candiolo
L'Unità di Biostatistica fornisce inoltre supporto e assistenza ai gruppi di ricerca del DSCB in tutte le aree di competenza biostatistica/epidemiologica clinica, inclusi il disegno di studio con il calcolo della dimensione campionaria e la potenza statistica e l’analisi statistica dei dati sia clinici che biologici.
L'Unità di Biostatistica è anche referente DSCB per il supporto alla realizzazione di progetti di ricerca su Medcap, il servizio fornito dalla Scuola di Medicina per la raccolta elettronica dei dati. Attualmente sulla piattaforma Medcap stanno attivamente raccogliendo dati i seguenti studi: TKI Discontinuation Registry (studio multicentrico italiano pazienti con leucemia mieloide cronica che discontinuano gli inibitori delle Tirosinchinasi); Vaccinazione Covid-19 in pazienti ematologici (Studio osservazionale sull'impatto clinico del vaccino Covid-19 in pazienti ematologici); Registro Regionale delle mielofibrosi (Studio Osservazionale su pazienti piemontesi con mielofibrosi).
Progetti
- #AI TrustAlert
- Analisi dell’eterogeneità nelle sperimentazioni cliniche: un approccio basato sulla medicina personalizzata e sull’uso integrato delle fonti dati attraverso lo sviluppo di modelli di Machine Learning
- Feasibility for the use of major Pathological Response and pathological Complete Response in the Real World
- Health Behaviour School-Aged Children
- Impatto delle politiche di vaccinazione e mobilità sull'andamento dell'epidemia da SARS-CoV-2 utilizzando algoritmi di DeepLearning
- Interazioni tra il microbiota e gli inibitori delle Tirosincchianasi in relazione con gli outcome clinici dei pazienti con leucemia mieloide cronica
- Methods for generalizing RCT results to a target population
Prodotti della ricerca
- Berchialla, P., Sciannameo, V., Urru, S., Lanera, C., Azzolina, D., Gregori, D., & Baldi, I. (2021). Adjustment for baseline covariates to increase efficiency in RCTs with binary endpoint: A comparison of Bayesian and frequentist approaches. International Journal of Environmental Research and Public Health, 18(15). https://doi.org/10.3390/ijerph18157758
- Sciannameo, V., Berchialla, P., Avogaro, A., Fadini, G. P., & Network, D.‑ (2021). Transposition of cardiovascular outcome trial effects to the real‑world population of patients with type 2 diabetes. Cardiovascular Diabetology, 20(1), 103. https://doi.org/10.1186/s12933-021-01300-y
- Berchialla, P., Chiffi, D., Valente, G., & Voutilainen, A. (2021). The power of meta‑analysis: A challenge for evidence‑based medicine. European Journal for Philosophy of Science, 11(1). https://doi.org/10.1007/s13194-020-00321-w
- Berchialla, P., Zohar, S., & Baldi, I. (2019). Bayesian sample size determination for phase IIA clinical trials using historical data and semi‑parametric prior’s elicitation. Pharmaceutical Statistics, 18(2), 198–211 https://doi.org/10.1002/pst.1914
- Lanera, C., Berchialla, P., Sharma, A., Minto, C., Gregori, D., & Baldi, I. (2019). Screening PubMed abstracts: Is class imbalance always a challenge to machine learning? Systematic Reviews, 8(1). https://doi.org/10.1186/s13643-019-1245-8