Dieses Modul hilft den Studierenden, ein vertieftes und angewandtes Wissen in Implementation Science zu erlangen. Die Studierenden haben die Möglichkeit, den Kursinhalt an ihre aktuellen Projekte und Interessen anzupassen, indem sie aus einer vordefinierten Liste von Implementationsthemen wählen, die im Laufe des Semesters behandelt werden. In kleinen Gruppen bereiten die Studierenden ihre gewählten Themen vor und präsentieren diese der Klasse. Jede Sitzung bietet zudem die Gelegenheit, die Erkenntnisse aus den präsentierten Themen auf das eigene Projekt zu übertragen. Zur Auswahl stehende Themen (Abschluss der Auswahl in der ersten Sitzung):
Curriculum
Programm Beschreibung
Das Doktoratsprogramm besteht aus der originären Forschungsarbeit und einem curricularen Anteil mit Pflicht- und Wahlmodulen von mindestens 12 ECTS Punkten. Es ist eine Dauer von mindestens drei Jahren bei Vollzeitbeschäftigung vorgesehen. Ausnahmen können von der Doktoratsprogramm-Kommission in begründeten Fällen bewilligt werden.
Programm
Pflichtmodule
Introduction to Epidemiology (Milo Puhan, Viktor von Wyl et al.)
Das übergeordnete Ziel dieses vierwöchigen Blockkurses Einführung in die Epidemiologie ist es, die Studierenden mit den zentralen Fragestellungen der klinischen und epidemiologischen Forschung sowie mit den Methoden zur Bearbeitung dieser Fragen vertraut zu machen. Der Kurs folgt einem übergreifenden Rahmenmodell (siehe Abbildung), das den Verlauf wissenschaftlicher Erkenntnisgewinnung beschreibt – von der Erkennung und Belastung durch Krankheiten und deren Ursachen über Diagnose und Prognose bis hin zur Entwicklung und Bewertung von Präventions- und Behandlungsmaßnahmen sowie deren Auswirkungen auf die Gesundheit der Bevölkerung.
Wir werden Studiendesigns im Kontext des vorhandenen Wissens und der Art der Evidenz, die zur Beantwortung spezifischer Fragen erforderlich ist, diskutieren. Dabei lernen die Studierenden, Fachwissen mit methodischer Expertise zu kombinieren, um substanzielle medizinische Forschung zu konzipieren, durchzuführen und zu interpretieren. Der Kurs legt die Grundlage für weiterführende Studien und Forschung in den Bereichen Medizin und Public Health (auf Master- oder PhD-Niveau), beides sehr dynamische und vielfältige Fachgebiete.
Nächste Durchführung im Herbstsemester 2025
Advanced Medical Research Methods (Milo Puhan, Henock Yebyo, Miquel Serra-Burriel)
Modulleitung: Prof. Milo Puhan, MD, PhD
Link: Institut für Epidemiologie, Biostatistik und Prävention
Dieser Kurs richtet sich an PhD-Studierende der Klinischen Wissenschaften und vermittelt wissenschaftliche und praktische Aspekte angewandter klinischer Forschungsmethoden.
Kursbeschreibung:
Ziel des Kurses ist es, die Studierenden in fortgeschrittene Forschungsmethoden einzuführen und bestehendes Wissen aus Epidemiologie und Biostatistik auf reale Forschungssituationen anzuwenden. Die Vorlesungen behandeln neuartige Studiendesigns (besondere Designs von RCTs und Beobachtungsstudien wie faktorisierte RCTs und eingebettete Fall-Kontroll-Studien) sowie fortgeschrittene statistische Methoden (Propensity Scores, Umgang mit fehlenden Daten).
Es werden spezielle Themen der Epidemiologie im Zusammenhang mit veränderbaren Risikofaktoren (z. B. Ernährung und körperliche Aktivität) behandelt, die auf verschiedene Zielgrössen angewendet werden können, sowie aktuelle Themen wie molekulare Epidemiologie, Big Data und translationale Forschung. In den „Lab“-Sitzungen werden praktische Techniken vermittelt (mit R), die das Methodenrepertoire der künftigen Promovierenden erweitern sollen.
Darüber hinaus verfassen die Studierenden im Rahmen eines Gruppenprojekts ein Studienprotokoll für ein fiktives RCT unter Anleitung eines Epidemiologen oder einer Forscherin am ZAM.
Gruppenprojekt:
Drei Gruppen zu je 3–4 Studierenden, vorzugsweise mit unterschiedlichen Interessen und Hintergründen, entwerfen ein durchführbares RCT zur Lösung eines realen Public-Health-Problems. Jede Gruppe wird von einer Lehrperson betreut. Weitere Informationen folgen in der ersten Sitzung.
Voraussetzungen:
Einführung in Epidemiologie oder RCT-Kurs (BME361), Grundkurs in Biostatistik (z. B. Klinische Biostatistik) sowie Erfahrung im Umgang mit R.
Nächste Durchführung im Herbstsemester 2025
Clinical Biostatistics (Leonhard Held, Stefanie von Felten)
Das Ziel des Kurses „Klinische Biostatistik“ ist es, den Studierenden eine Einführung in statistische Methoden der klinischen Forschung zu geben.
Folgende Themen werden behandelt: randomisierte kontrollierte Studien, Bias, Hypothesentests und Stichprobengrössenberechnung, Randomisierung und Verblindung, Konfidenzintervalle und p-Werte, Analyse kontinuierlicher und binärer Endpunkte, Multiplizität, Subgruppenanalysen, Protokolle und Protokollabweichungen sowie einige spezielle Studiendesigns (Crossover, Äquivalenzstudien und Clusterdesigns), Analyse diagnostischer Studien und Übereinstimmungsanalysen.
Bitte beachten Sie, dass Doktorierende gebeten werden, die Zeit zwischen 12:00 und 15:00 Uhr für die Vorbereitung auf die Laborübungen zu nutzen.
Nächste Durchführung im Herbstsemester 2025.
Case Studies in Clinical Biostatistics (Ulrike Held) – 1 ECTS-Punkt
Ziel dieses Kurses ist es, den Studierenden praktische Erfahrung in verschiedenen Phasen klinischer Forschungsprojekte zu vermitteln: Studiendesign, Definition des primären Endpunkts und Berechnung der Stichprobengröße, Plausibilitätsprüfungen, Datenanalyse und -modellierung, Berechnungen, Interpretation und Kommunikation der Ergebnisse sowie Veröffentlichung gemäss den EQUATOR-Richtlinien.
In drei Forschungsprojekten werden sich die Studierenden mit praxisnahen Problemen auseinandersetzen, die typischerweise im Zusammenhang mit Studiendesign, Datenanalyse und Berichterstattung auftreten. Ein Schwerpunkt des Kurses liegt auf guter wissenschaftlicher Praxis, Anwendung statistischer Kenntnisse und Reproduzierbarkeit. Die statistische Programmiersprache R wird in Kombination mit R Markdown zur Sicherstellung von Reproduzierbarkeit und dynamischer Berichterstellung verwendet.
Projekt 1: Vergleich der Mittelwerte zweier Populationen, Hypothesentests mit parametrischen und nichtparametrischen Verfahren, Konfidenzintervalle. Basislinienanpassung mit ANCOVA-Modell.
Projekt 2: Forschungsprotokoll für eine klinische Studie, primärer und sekundärer Endpunkt, Bestimmung der Stichprobengrösse.
Projekt 3: Schätzung des Behandlungseffekts in einem randomisierten Experiment mit einem zeitabhängigen Endpunkt, Kaplan-Meier-Kurven, Cox-Proportional-Hazards-Modell.
Die Studierenden werden ermutigt, in Gruppen zu arbeiten. Am Ende jedes Projekts müssen sie jedoch individuelle Berichte einreichen und ihre Ergebnisse in einem 15-minütigen Vortrag präsentieren. Die Vorträge und Berichte werden bewertet.
Für die Teilnahme an diesem Kurs ist es verpflichtend – ohne Ausnahme –, den Kurs CS16_003 Klinische Biostatistik (Vorlesung und Übung) erfolgreich abgeschlossen zu haben.
PhD Seminar (Christian Britschgi, Alexis Puhan)
Das Ziel dieses Kurses ist es, einen detaillierteren Einblick in verschiedene Forschungsthemen, Methoden und Probleme zu erhalten. Die Sitzungen basieren entweder auf einem Vortrag eines erfahrenen Forschers, dem eine von Studierenden geleitete Diskussion folgt, oder auf einem allgemeinen Forschungsthema, das von einer Gruppe von Doktorand:innen zur Diskussion mit den Kolleg:innen vorbereitet wird. Beispiele für diskutierte Themen sind personalisierte Medizin, Biomarker, evidenzbasierte Medizin, Grafiken in Publikationen und weitere.
Wahlfächer
Winning the Publication Game (Jürgen Barth)
Jürgen Barth vermittelt in diesem Modul die relevanten Schritte zur Veröffentlichung eines Manuskripts. Die Teilnehmenden haben die Möglichkeit, den Prozess praktisch zu üben. Dieser Prozess umfasst die Vorbereitung, das Schreiben des Artikels und dessen Einreichung. Es gibt zehn Hauptthemen, die für eine erfolgreiche Veröffentlichung eines Artikels wichtig sind. Die Veröffentlichung beginnt mit der Identifikation der Zielgruppe. Ausserdem muss die Hauptbotschaft klar formuliert werden. Der Dozent gibt Tipps zum Anschreiben an den Herausgeber und erklärt, wie man mit den Kommentaren der Gutachter umgeht.
Voraussetzung für die Teilnehmenden ist, konkrete Pläne für ein Manuskript zu haben, das innerhalb von sechs Monaten eingereicht werden soll. Im Kurs werden die relevanten Schritte für die Einreichung des Manuskripts vermittelt. Der Dozent wird sich mit allen individuellen Manuskripten beschäftigen.
Alle Doktorierenden im 2. oder 3. Jahr sind herzlich eingeladen, sich anzumelden. Durch aktive Teilnahme und Übungen können die Teilnehmenden Fähigkeiten entwickeln, um das „Publication Game“ erfolgreich zu meistern.
Nächste Durchführung im Herbstsemester 2025
Get R_eady: Introduction to Data Analysis for Empirical Research (Ulrike Held, Monika Karin Hebeisen, Stefania Iaquinto)
Der Kurs bietet eine Einführung in die Datenanalyse im transdisziplinären Bereich der empirischen Forschung mit der Programmiersprache R. Das R-System für statistische Berechnungen ist frei verfügbar unter https://www.r-project.org und stellt eine einfache und flexible Softwareumgebung für statistische Analysen und Grafiken bereit. Speziell auf die Anwendung in der empirischen Forschung zugeschnitten, behandelt der Kurs die Grundlagen von Funktionen und Datenformaten in R sowie die wesentlichen Schritte einer Datenanalyse, einschliesslich Datenmanipulation, beschreibender Statistik, statistischer Tests und grafischer Darstellungen. Zudem werden Reflexionen zur Forschungsmethodik und Transdisziplinarität durchgeführt und das kritische Denken gefördert.
Implementation Science in Health Care (Lauren Clack, Rahel Naef et al.)
Implementation Science ist die wissenschaftliche Untersuchung von Methoden zur Förderung der systematischen Integration von Forschungsergebnissen und evidenzbasierten Praktiken in die Versorgung sowie zur De-Integration von wenig wertvoller Versorgung. Implementation Science ist ein relativ neues Forschungsfeld, das die Lücke zwischen Wissen und Umsetzung im Gesundheitswesen adressiert und auf der Erkenntnis basiert, dass der Nachweis der Wirksamkeit einer Innovation (Praxis, Versorgungsmodell, Intervention, Behandlungsmodalität etc.) nicht automatisch zu einer effektiven Übernahme in der klinischen Praxis führt.
Implementation Science hat daher folgende Ziele:
die Übernahme von Forschungsergebnissen und evidenzbasierten Praktiken zu erhöhen und zu beschleunigen;
wirksame Interventionen auf verschiedene Kontexte auszuweiten;
Wissen über Implementierungsstrategien zu entwickeln, die auf kontextuelle Barrieren und Förderfaktoren für Adoption und Forschungsnutzung zugeschnitten sind;
die Beteiligung von Kliniker:innen, Patient:innen, Familien und der Öffentlichkeit an der Forschung zu steigern;
den Wissensfluss zu fördern, also den Transfer von Wissen von der Praxis zur Forschung zu ermöglichen.
In diesem Kurs erhalten die Studierenden ein Verständnis für die Rolle der Implementation Science in der klinischen Gesundheitsforschung, machen sich mit den Methoden der Implementation Science vertraut und entwickeln Fähigkeiten, indem sie diese Methoden in ihrem Forschungsbereich anwenden.
Advanced Implementation Science in Health Care (Lauren Clack, Rahel Naef)
Menschzentriertes Design (Co-Design) und Implementation Science
Anpassung von Implementierungsstrategien
Bewertung des Kontexts
Forschungslogikmodelle
Theorien, Modelle und Rahmenwerke
De-Implementierung
Quantitative und qualitative Messmethoden
Gesundheitsökonomische Bewertung und Implementation Science
Nächste Durchführung im Herbstsemester 2025
Statistische Modelle mit R (Christina Ramsenthaler)
Der Kurs widmet sich den wichtigsten statistischen Auswertungsmethoden für unterschiedlichste Arten von Studien (Experimentalstudien, Beobachtungsstudien (Kohorten-, Fallkontrollstudien, deskriptive Quer- und Längsschnittstudien), Sekundäranalysen (z. B. Metaanalysen)). Es werden die wichtigsten Auswertungstechniken quantitativer Daten und die wichtigsten statistischen Modelle der Gesundheitswissenschaften mit der Open-Source Software R besprechen:
- lineare Modelle und deren Spezialfälle (LM: t-Test, ANOVA, Regression);
- Regressionsmodelle für ausgewählte Datentypen wie Zähldaten und zweiwertige Daten (GLM: Poisson, logistische Regression);
- multivariate Verfahren (Hauptkomponenten- und Faktoranalyse);
- Einführung in Überlebensanalysen (survival analysis);
- hierarchische Modelle (LMM: lineare gemischte Modelle);
- ausgewählte Methoden der Metaanalyse;
- Arbeit mit dem Grafikpackage ggplot2, Arbeit mit den Packages im Tidyverse und Einführung in RMarkdown zur Berichterstellung.
Überfachliche Kompetenzen
Hier gelangen Sie zu den Kursen des Graduate Campus für Doktorierende im Frühjahrssemester 2025.
Empfohlene MOOCs
Die Doktoratsprogrammkommission empfiehlt zum Thema "Systematic Review and Meta-Analysis" die folgenden hochqualitativen Massive Open Online Courses (MOOCs):
Introduction to Systematic Review and Meta-Analysis
Understanding Systematic Reviews – an Introduction for Health Professionals
Retreat
Der Retreat des PhD-Programms Clinical Science findet einmal jährlich im September statt. Er bietet den Doktorierenden eine Plattform, um ihre Projekte vorzustellen, sich zu vernetzen und neue Impulse zu erhalten – etwa durch externe Vorträge, Gruppenarbeiten oder thematische Workshops.
Die Teilnahme ist für alle Doktorierenden des Programms obligatorisch.