Hoewel onderzoekers hun best doen om ontbrekende gegevens te voorkomen, is het een veelvoorkomend probleem in medisch en epidemiologisch onderzoek. Hoe groot de invloed van de ontbrekende gegevens is op de studieresultaten en hoe hiermee om te gaan, is afhankelijk van de hoeveelheid aan ontbrekende gegevens en van de reden waarom de gegevens ontbreken. In deze 3-daagse cursus worden eenvoudige en geavanceerde technieken behandeld voor het evalueren en omgaan met ontbrekende gegevens binnen medisch en epidemiologisch onderzoek.
Er kunnen verschillende methoden worden gebruikt om met ontbrekende gegevens om te gaan. Eenvoudige oplossingen zijn het negeren van missende waarden of het gebruik van een regressiemodel om de ontbrekende waarden te schatten. Daarnaast zijn er meer geavanceerde methoden, zoals Multipele Imputatie. Multipele Imputatie volgens de Multivariate Imputation by Chained Equations (MICE)-procedure is een veelbelovende techniek die goed werkt in uiteenlopende datasituaties met ontbrekende gegevens. Hierbij worden meerdere complete datasets gegenereerd. Statistische analyses kunnen vervolgens op elke dataset worden uitgevoerd, waarna de resultaten worden samengevoegd met behulp van speciale rekenregels (Rubin’s Rules). Deze stappen worden tijdens de cursus besproken, evenals vragen over het gebruik van verschillende methoden om met ontbrekende waarden om te gaan binnen medisch en epidemiologisch onderzoek. Ook wordt aandacht besteed aan het controleren of de imputatiestrategie succesvol was (imputatiediagnostiek).
Elke cursusdag begint met colleges in de ochtend, gevolgd door computerpractica. Tijdens de practica wordt geoefend met eenvoudige en geavanceerde methoden voor het omgaan met missende waarden, zoals Multipele Imputatie, in R(RStudio) en SPSS. Er wordt gewerkt met echte epidemiologische en medische voorbeelddatasets. Daarnaast maken deelnemers gebruik van een AI-chatbot die zich voordoet als klinisch onderzoeker met een realistisch probleem rond ontbrekende gegevens uit de praktijk van klinisch onderzoek.
Key takeaways:
- Voorbeelden van ontbrekende gegevens in medisch en epidemiologisch onderzoek
- Begrijp de mechanismen achter missende waarden: MCAR, MAR en MNAR
- Leer hoe ontbrekende gegevens statistische analyses beïnvloeden en de gevolgen hiervan
- Manieren om verschillende datasituaties met ontbrekende gegevens te evalueren
- De toepassing van eenvoudige methoden voor ontbrekende waarden
- Verdiep je in de theorie en praktijk van Multipele Imputatie (MICE)
- Data analyse na Multipele Imputatie
- Evalueren van de imputatie strategie (imputatiediagnostiek)
Startdatum: 30 september 2026
Kosten: € 1.175,- inclusief lunch, koffie en thee
Duur: 3 dagen
Tijdsinvestering: 20-40 uur (tentamen facultatief)
Studielast: 2 EC
Locatie: Amsterdam, Frans Ottenstadion
Registratie deadline: 15 september 2026
Accreditatie: Deze cursus is geaccrediteerd voor:
- Cluster 1: huisartsen, specialisten ouderengeneeskunde, artsen verstandelijk gehandicapten
- Cluster 2: medisch specialisten
- Cluster 3: sociaal geneeskundigen, bedrijfsartsen, verzekeringsartsen, artsen maatschappij en gezondheid
De cursus 'Missing data: consequenties en oplossingen (V81)' is geaccrediteerd voor 20 uren.
Om in aanmerking te komen voor de accreditatie-uren van deze cursus dien je de gehele cursus aanwezig te zijn geweest.