STRUMENTI STATISTICI E INFORMATICI PER L'ANALISI DEI DATI

Al termine del corso, gli studenti saranno in grado di applicare metodi statistici avanzati per l'analisi e
l'interpretazione di dati complessi nel campo della chimica e tecnologia farmaceutiche. Saranno capaci di
progettare esperimenti scientifici adeguati, utilizzando disegni sperimentali come quelli fattoriali, e di
utilizzare software statistici avanzati come R e Python per l'analisi e la visualizzazione dei dati. Inoltre,
sapranno implementare analisi multivariate per la riduzione della dimensionalità e la classificazione dei dati,
eseguire regressioni lineari e non lineari, e ottimizzare processi sintetici. Comprenderanno e applicheranno
modelli farmacocinetici e farmacodinamici avanzati, validando metodi analitici secondo le linee guida ICH.
Saranno in grado di gestire database utilizzando SQL e applicheranno conoscenze di intelligenza artificiale
e medicina in silico per l'analisi predittiva e la personalizzazione delle terapie. Infine, condurranno progetti di
ricerca completi, dalla formulazione dell'ipotesi alla presentazione dei risultati, rispettando le normative
vigenti e i principi etici nella gestione e nell'analisi dei dati.

Mediante lezioni frontali ed esercitazioni pratiche alla fine di ogni unità di apprendimento (quando previste).
Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le
necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e
riportato nel syllabus.
A garanzia di pari opportunità e nel rispetto delle leggi vigenti, gli studenti interessati possono chiedere un
colloquio personale in modo da programmare eventuali misure compensative e/o dispensative, in base agli
obiettivi didattici ed alle specifiche esigenze.
E' possibile rivolgersi anche al docente referente CInAP (Centro per l’integrazione Attiva e Partecipata -
Servizi per le Disabilità e/o i DSA) del nostro Dipartimento, prof.ssa Santina Chiechio.
Secondo quanto riportato nel RDA, Art. 12 - Crediti Formativi Universitari (CFU), nel carico standard di 25
ore di impegno complessivo dello/a studente/ssa, corrispondente a un credito, possono rientrare:
a) 7 ore dedicate a lezioni frontali o attività didattiche equivalenti e le restanti allo studio individuale;
b) almeno 12 e non più di 15 ore dedicate a esercitazioni in aula o attività assistite equivalenti (laboratori) e
le restanti allo studio e alla rielaborazione personale.

Conoscenze solide in chimica organica, analitica e fisica.
Nozioni di base di statistica e matematica.
Competenze informatiche di base.

Frequenza obbligatoria secondo le norme del regolamento didattico del CdS in CTF come riportato nel link:
http://www.dsf.unict.it/corsi/lm-13_ctf/regolamento-didattico.

Modulo 1: Introduzione alla Statistica nel Contesto Farmaceutico

• Importanza dell'analisi statistica nella ricerca e sviluppo di farmaci.
  
• Richiami fondamentali di statistica descrittiva
  

• Disegni fattoriali completi e frazionari.
  
• Distribuzioni di probabilità (binomiale, Poisson, Normale, Gaussiane ed altre)
  
• Misure del rischio
  
• Statistica inferenziale e Tests di ipotesi
  
• Analisi della Varianza (ANOVA)
  
• ANOVA a una via e a due vie.
  
• Regressione Lineare e Non Lineare
  
• Modelli di regressione multipla.
  

• Analisi delle Componenti Principali (PCA)
  
• Riduzione della dimensionalità dei dati.
  
• Metodi di Classificazione e Clustering
  
• Analisi Discriminante Lineare (LDA).
  
• Algoritmi di clustering (K-means, gerarchico).
  

• Software Statistici Avanzati
  
• Utilizzo di R per l'analisi statistica.
  
• Fogli di Calcolo Avanzati
  
• Analisi dei dati con Excel: Solver, Data Analysis ToolPak.
  

• Farmacocinetica e Farmacodinamica Avanzata
  
• Validazione dei Metodi Analitici secondo le linee guida ICH.
  

• Laboratori pratici
  
• Analisi di dataset reali provenienti da studi farmaceutici.
  

Il materiale sarà disponibile su studium o nella pagina del docente e/o fornito a lezione.

Prova scritta sulle conoscenze acquisite ed eventuale valutazione del progetto.
Le date di esami sono pubblicate sul sito del Dipartimento di Scienze del Farmaco e della Salute
https://www.dsf.unict.it/sites/default/files/2025-07-24-calendario%20esami%20CTF.pdf

1) Quale delle seguenti affermazioni descrive meglio l'Analisi delle Componenti Principali (PCA)?
A) È un metodo di regressione per predire una variabile dipendente basata su variabili indipendenti.
B) È una tecnica di classificazione supervisionata per assegnare campioni a categorie predefinite.
C) È una tecnica di riduzione della dimensionalità che trasforma variabili correlate in un set di componenti
non correlate.
D) È un algoritmo di clustering utilizzato per raggruppare dati simili senza etichette predefinite.

2) In farmacocinetica, quale modello compartimentale descrive meglio un farmaco che si distribuisce
rapidamente e uniformemente nell'organismo dopo l'assorbimento?
A) Modello monocompartimentale.
B) Modello bicompartimentale.
C) Modello tricompartimentale.
D) Modello non compartimentale.