| 1. Wprowadzenie do metodologii / 20 | nauka, poznanie naukowe, badanie empiryczne, metodologia a statystyka | 1. Czym jest metodologia
2. Jak wygląda proces badawczy
3. Temat, problem i cel badania
4. Formułowanie pytań badawczych
5. Hipoteza badawcza i statystyczna
6. Zmienne: zależna, niezależna
7. Operacjonalizacja zmiennych
8. Wiedza naukowa a potoczna
9. Dedukcja, indukcja, abdukcja
10. Teoria, model badania wskaźniki
11. Falsyfikowalność i testowalność
12. Powtarzalność badań
13. Badania eksploracyjne
14. Zależność a związek przyczynowy
15. Pozorne zależności
16. Poziom wnioskowania
17. Błąd ekologiczny i atomistyczny
18. Założenia teoretyczne w badaniu
19. Transparentność
20. Spójność logiczna projektu |
| 2. Proces badawczy / 20 | etapy badania od pomysłu do publikacji | 21. Mapa procesu badawczego
22. Od obserwacji do problemu
23. Wstępny przegląd literatury
24. Luka badawcza
25. Punkty końcowe badania
26. Protokół z badania ilościowego
27. Logiczny model zależności
28. Planowanie analizy statystycznej
29. Badanie pilotażowe
30. Badanie wykonalności
31. Kryteria włączenia i wyłączenia
32. Źródła błędu systematycznego
33. Planowanie kontroli jakości
34. Dokumentowanie odstępstw
35. Badania jedno a wieloośrodkowe
36. Badania pro i retrospektywne
37. Badania przekrojowe i podłużne
38. Jak przygotować harmonogram
39. Planowanie zarządzania danymi
40. Od protokołu do publikacji |
| 3. Temat i cel badania / 20 | problem badawczy, cele główne i szczegółowe | 41. Wybór tematu
42. Jak zawęzić temat
43. Hierarchia celów pracy
44. Cel poznawczy a cel praktyczny
45. Cele opisowe i inne
46. Cele badania a plan
47. Spójność problemów
48. Cele pozorne i niemierzalne
49. Problem badawczy a luka w lit.
50. Kontrola realności celu
51. Badanie opisowe a wyjaśniające
52. Cele pierwotne i wtórne
53. Populacja i kontekst
54. PICO a pytanie kliniczne
55. PECO i PICOS
56. FINER
57. Problem a pytanie empiryczne
58. Nadmierna liczba celów
59. Spójność temat -cel – analiza
60. Przykłady z nauk o zdrowiu |
| 4. Pytania badawcze i hipotezy / 20 | rodzaje hipotez, błędy w formułowaniu, falsyfikowalność | 61. Rodzaje pytań badawczych
62. Pytania badawcze – zmien. ilość.
63. Pytania badawcze – zmien. jakoś.
64. Hipotezy kierunkowe i niekier.
65. Hipoteza zerowa i alternatywna
66. Hipoteza merytoryczna a stat.
67. Bez hipotezy?
68. Hipoteza a eksploracja danych
69. Co to jest HARKING
70. Literatura i teoria a hipoteza
71. Liczba hipotez
72. Hipotezy – porównania grup
73. Hipotezy – analiza związków
74. Hipotezy predykcyjne
75. Hipotezy mediacyjne i moderac.
76. Hipotezy równoważności
77. Jakich hipotez unikać
78. Miara efektu a hipoteza
79. Wielokrotne hipotezy i błędy
80. Lista kontrolna dobrej hipotezy |
| 5. Zmienne / 20 | zależne, niezależne, kontrolowane, zakłócające, moderatory, mediatory | 81. Klasyfikacja zmiennych – bad. il.
82. Zmienna wynikowa a obj.
83. Zmienne jakościowe
84. Zmienne ilościowe
85. Zmienne kontrolne
86. Zmienna zakłócająca
87. Rozpoznawanie zakłóceń przed
88. Moderatory
89. Mediatory
90. Kontrolowanie zmiennych
91. Zmienne latentne
92. Ekspozycja, wynik, czynnik ryzyka
93. Zmienne czasowo zależne
94. Powtarzane pomiary
95. Hierarchiczna struktura danych
96. Zmienne złożone i indeksy
97. Dychotomizacja zmiennych
98. Transformacje zmiennych
99. Zmienne pochodne
100. Słownik zmiennych projektu |
| 6. Operacjonalizacja / 20 | przejście od pojęcia teoretycznego do pomiaru | 101. Od konstruktu do danych
102. Definicja konceptualna a oper.
103. Dobór wskaźników
104. Wskaźniki proste i złożone
105. Operacjonalizacja jakości życia
106. Operacjonalizacja wiedzy
107. Lęk, stres, wypalenie
108. Operacjonalizacja zach. zdr.
109. Skuteczność interw. med.
110. Pierwotny punkt końcowy
111. Złożone punkty końcowe
112. Subiektywnie i obiektywnie
113. Samoocena a pomiar
114. Błędy wyniku zastępczego
115. Dokumentacja operacjonalizacji
116. Ustalanie progów
117. Operacjonalizacja czasu i częst.
118. Zgodność definicji
119. Błąd klasyfikacji
120. Lista kontrolna operacjonalizacji |
| 7. Skale pomiarowe / 20 | nominalna, porządkowa, przedziałowa, ilorazowa | 121. Skala nominalna
122. Skala porządkowa
123. Skala przedziałowa
124. Skala ilorazowa
125. Poziom pomiaru
126. Skala Likerta
127. Wyniki skal wielopozycyjnych
128. Zmienne binarne
129. Wielokrotny wybór
130. Zmienne porządkowe
131. Data i czas
132. Jednostki miary
133. Odwrócone itemy
134. Rekodowanie
135. Kodowanie braków danych
136. Słownik kodów
137. Identyfikatory uczestników
138. Dane tekstowe – kategorie
139. Kontrola zakresów
140. Jak przygotować książkę kodów |
| 8. Schematy badań / 20 | eksperymentalne, obserwacyjne, kohortowe, kliniczno-kontrolne, przekrojowe | 141. Obserwacja a eksperyment
142. Badanie przekrojowe
143. Badanie kohortowe
144. Badanie kliniczno-kontrolne
145. Badanie randomizowane
146. Badanie quasi eksprymentalne
147. Badanie przed-po
148. Grupa kontrolna
149. Zaślepienie wyników
150. Efekt placebo
151. Badania diagnostyczne
152. Badania prognostyczne
153. Badania przesiewowe
154. Badania ekologiczne
155. Serie przypadków
156. Badania czasu do zdarzenia
157. Badania powtarzanych pom.
158. Badania klastrowe
159. Badania krzyżowe
160. Jak dobrać schemat |
| 9. Populacja i dobór próby / 20 | losowanie, reprezentatywność, błędy doboru | 161. Populacja docelowa a dostępna
162. Próba reprezentatywna
163. Dobór losowy
164. Losowanie warstwowe
165. Losowanie zespołowe
166. Dobór systematyczny
167. Dobór celowy
168. Próba wygodna
169. Samoselekcja uczestników
170. Brak odpowiedzi a BIAS
171. Kryteria włączenia i wyłączenia
172. Rekrutacja internetowa
173. Rekrutacja jednoośrodkowa
174. Dobieranie podobnych osób
175. Próba kwotowa
176. Wagi analityczne
177. Efekt zdrowego pracownika
178. Wykruszanie się uczestników
179. Diagram przepływu
180. Populacja generalna |
| 10. Wielkość próby i moc / 20 | power analysis, effect size, błędy I i II rodzaju | 181. Wielkość próby przed bad.
182. Moc statystyczna intuicyjnie
183. Błąd I i II rodzaju a próba
184. Wielkość efektu a planowanie
185. Oczekiwana wielkość efektu
186. Wielkość próby dla jednej sr.
187. Wielkość próby dla dwóch śr.
188. Wielkość próby pom. zależne
189. Wielkość próby dla proporcji
190. Próba – dwie proporcje
191. Wielkość próby – korelacje
192. Wielkość próby – regresja lin.
193. Wielkość próby – regresja log.
194. Wielkość próby – bad. diagnost.
195. Wielkość próby – czułość i swoistość
196. Wielkość próby – analiza przeżycia
197. Poprawka na przewidywane braki danych
198. Moc po zakończeniu badania
199. Minimalnie istotne klinicznie różnica
200. Opis analizy mocy w publikacji |
11. Kwestionariusze i ankiety / 20 | konstrukcja pytań, kafeterie, skale Likerta, błędy ankietowe | 201. Jak zaprojektować dobry kwestionariusz
202. Pytania otwarte i zamknięte
203. Jednoznaczne i neutralne pytania ankietowe
204. Pytania sugerujące i obciążone w ankiecie
205. Podwójne pytania w ankiecie – jak poprawić
206. Kafeteria odpowiedzi
207. Skala 4, 5, 7 czy 10 punktów? Jak wybrać
208. „Nie wiem” i „nie dotyczy” w ankiecie
209. Kolejność pytań i efekt kontekstu w ankiecie
210. Randomizacja pytań i odpowiedzi w ankiecie
211. Metryczka w ankiecie: jakie dane zbierać
212. Jak tworzyć poprawne pytania jednokrotne
213. Pytania wielokrotnego wyboru
214. Jak tworzyć dobre dystraktory w teście
215. Pilotaż ankiety: jak testować zrozumiałość
216. Wywiad kognitywny: jak badać rozumienie
217. Ankieta papierowa a internetowa – różnice
218. Kontrola jakości w ankiecie online
219. Jak ograniczać boty i duplikaty w ankiecie
220. Jak opisać autorski kwestionariusz |
| 12. Rzetelność i trafność / 20 | alfa Cronbacha, omega, test-retest, trafność konstruktu | 221. Rzetelność pomiaru w praktyce psychometrii
222. Alfa Cronbacha: co mierzy
223. Alfa Cronbacha – interpretacja
224. Omega McDonalda: kiedy zamiast alfy
225. Korelacja item–total: ocena pozycji skali
226. Usuwanie itemu a alfa Cronbacha – kiedy
227. Test–retest: jak ocenić stabilność pomiaru
228. Zgodność między oceniającymi – metody
229. ICC: warianty i interpretacja współczynnika
230. Kappa Cohena – zgodność ocen
231. Ważona kappa dla danych porządkowych
232. Trafność treściowa: jak ją oceniać
233. Trafność kryterialna: współbieżna
234. Trafność konstruktu – definicja
235. Trafność zbieżna i różnicowa – jak je badać
236. Analiza czynnikowa w ocenie struktury skali
237. Efekt podłogi i sufitu w pomiarze
238. Wrażliwość skali na zmianę
239. Minimalna istotna zmiana w wynikach skal
240. Jak raportować właściwości psychometryczne |
| 13. Przygotowanie bazy danych / 20 | kodowanie, rekodowanie, missing data, kontrola jakości | 241. Jak zaprojektować bazę danych do badania
242. Format wide i long w bazie danych
243. Nazwy zmiennych w bazie danych
244. Etykiety zmiennych i wartości w bazie danych
245. Walidacja danych podczas wprowadzania
246. Podwójne wprowadzanie danych
247. Jak wykrywać duplikaty rekordów w bazie
248. Kontrola wartości niemożliwych
249. Spójność między zmiennymi: reguły kontroli
250. Braki danych: MCAR, MAR i MNAR
251. Jak kodować missing values w bazie
252. Complete-case analysis: zalety i ograniczenia
253. Imputacja średnią: ograniczenia i ryzyko
254. Wielokrotna imputacja – zastosowanie
255. Wartości odstające: błąd czy prawda
256. Jak dokumentować czyszczenie danych
257. Rekodowanie i zmienne pochodne
258. Sprawdzanie obliczenia skal kwestionariuszy
259. Wersjonowanie bazy i słownika danych
260. Checklista bazy do analizy statystycznej |
| 14. Statystyka opisowa | średnia, mediana, dominanta, kwartyle, SD, wariancja, IQR | 261. Statystyka opisowa: jak dobrze opisać dane
262. Średnia arytmetyczna – kiedy dobrze opisuje
263. Mediana – kiedy lepsza niż średnia
264. Dominanta – kiedy stosować
265. Minimum, maksimum i rozstęp w statystyce
266. Wariancja – intuicyjnie
267. Odchylenie standardowe – interpretacja
268. Kwartyle i percentyle
269. Rozstęp międzykwartylowy
270. Współczynnik zmienności – kiedy
271. Skośność rozkładu
272. Kurtoza
273. Statystyki – zmienne jakościowe
274. Procent w tabelach
275. Małe liczebności i rzadkie kategorie
276. Średnia z SD czy mediana z IQR
277. Błąd standardowy średniej a odchylenie SD
278. Tabela charakterystyki badanej grupy
279. Jak opisywać dane z tabeli
280. Błędy w statystyce opisowej |
| 15. Rozkłady i prawdopodobieństwo | rozkład normalny, dwumianowy, Poissona, CLT | 281. Prawdopodobieństwo – zrozumieć statystykę
282. Zdarzenia i prawdopodobieństwo war.
283. Niezależność zdarzeń
284. Twierdzenie Bayesa: intuicja, wzór i przykłady
285. Rozkład zmiennej losowej – podstawy
286. Rozkład normalny: właściwości
287. Wynik z: standaryzacja i interpretacja
288. Reguła 68–95–99,7 z rozkładu normalnego
289. Rozkład t-Studenta
290. Rozkład chi-kwadrat w statystyce
291. Rozkład F i analiza wariancji
292. Rozkład dwumianowy: sukces i porażka
293. Rozkład Poissona: model liczby zdarzeń
294. Rozkład wykładniczy
295. Centralne twierdzenie graniczne
296. Rozkład próbkowania średniej
297. Prawo wielkich liczb
298. Symulacja Monte Carlo
299. Rozkład danych a rozkład statystyki
300. Jak rozpoznać rozkład prawdopodobieństwa |
| 16. Estymacja | estymatory, błąd standardowy, przedziały ufności | 301. Estymacja punktowa i przedziałowa – różnice
302. Estymator: cechy dobrego estymatora
303. Błąd standardowy: jak mierzyć niepewność
304. Przedział ufności 95% – jak go interpretować
305. Czego nie oznacza 95% przedział ufności?
306. Przedział ufności dla średniej
307. Przedział ufności dla proporcji
308. Przedział ufności dla różnicy średnich
309. Przedział ufności dla różnicy proporcji
310. Przedział ufności dla ilorazu szans
311. Przedział ufności dla ryzyka względnego
312. Przedział ufności dla współczynnika korelacji
313. Szerokość przedziału ufności a liczebność
314. Poziom ufności 90%, 95% i 99%
315. Precyzja estymacji a istotność statystyczna
316. Bootstrap: intuicyjne wprowadzenie
317. Bootstrapowe przedziały ufności
318. Estymacja zamiast testowania – raport
319. Przedziały zgodności i predykcji a ufności
320. Jak raportować estymaty i przedziały ufności |
| 17. Weryfikacja hipotez | H0/H1, p-value, alfa, błędy interpretacyjne | 321. Klasyczne testowanie hipotez krok po kroku
322. Poziom istotności alfa – znaczenie
323. Wartość p – jak ją poprawnie interpretować |
| 18. Wielkość efektu | Cohen d, r, eta², omega², OR, RR i ich interpretacja | |
| 19. Założenia testów | normalność, homogeniczność wariancji, obserwacje odstające | |
| 20. Porównania grup | t-Studenta, Welch, Mann–Whitney, Wilcoxon, testy dla prób zależnych | |
| 21. ANOVA i testy wielu grup | ANOVA, ANCOVA, MANOVA, Kruskal–Wallis, Friedman, post-hoc | |
| 22. Dane jakościowe | chi², Fisher, McNemar, tabele kontyngencji | |
| 23. Korelacja | Pearson, Spearman, Kendall, korelacja cząstkowa | |
| 24. Regresja | liniowa, wieloraka, logistyczna, diagnostyka modeli | |
| 25. Biostatystyka i epidemiologia | RR, OR, NNT, ARR, chorobowość, zapadalność, badania diagnostyczne | |
| 26. Zaawansowane analizy | ROC, survival, Kaplan-Meier, Cox, PCA, analiza czynnikowa, analiza skupień | |
| 27. Programy statystyczne | SPSS, Statistica, Jamovi, PSPP, R, Excel — krok po kroku | |
| 28. Publikacja i praktyka badawcza | raportowanie, tabele, wykresy, interpretacja, błędy, case studies, reprodukowalność | |
| Razem | | |