SVEB25020U Bachelorpakke

Årgang 2025/2026
Engelsk titel

Bachelor preparation

Uddannelse

Bacheloruddannelsen i veterinærmedicin - obligatorisk

Kursusindhold

Bachelorpakken omhandler evidensbaseret veterinærmedicin (EBVM), systematisk review, data science og klassisk epidemiologi.

Kursus er også et metode- og værktøjskursus, som lægger op til gennemførelse af bachelor- og specialeprojekter.

Bachelorpakken indledes med en introduktion til EBVM og systematiske reviews. Introduktion til populationen, epidemiologiske begreber og evaluering af bias bidrager yderligere til vurdering af den videnskabelige litteratur som grundlag for identifikation af den nuværende bedste evidens. Endvidere er der en videreførelse af datascience og basal statistik fra Akademia på 1. semester.

Ved EBVM forstås kobling af bedst tilgængelige viden fra forskning med dyrlægens kliniske ekspertise og hensyn til patientens og klientens behov for at kunne tilrettelægge en individualiseret behandlingsplan. Endvidere bruges begrebet i forbindelse med rådgivning og beslutningstagning på populationsniveau. Systematiske reviews er litteraturstudier som bruges til at besvare veldefinerede faglige / videnskabelige spørgsmål med samtidig vurdering af litteraturens styrke og kvalitet.   

Systematiske Reviews kræver indsigt i flere videnskabsteoretiske discipliner såsom protokoldisponering, problemformulering, litteratursøgning og litteraturhåndtering, evidenskategorisering, eksperimentelt studiedesign, kritisk evidensbedømmelse, dataekstraktion og datahåndtering, kvalitativ og kvantitativ dataanalyse, og rekommanderingskategorisering. For at kunne udforme et systematisk review er det nødvendigt at have kendskab til disse videnskabsteoretiske discipliner. I kurset gennemgås værktøjer og digitale ressourcer udviklet til udformning af systematiske reviews. Det kan også omfatte "scoping reviews". En scoping review eller scoping undersøgelse er en form for vidensyntese, der adresserer et sonderende forskningsspørgsmål med det formål at kortlægge nøglebegreber, typer af beviser og huller i forskning relateret til et defineret område eller felt ved systematisk at søge, vælge og syntetisere eksisterende viden.

Data science omfatter datahåndtering (dataindlæsning, kobling af datasæt, opsummering, visuelle plots, klargøring af data til statistisk analyse), og inkluderer også en videreførelse af færdigheder og værktøjer, som findes indenfor Akademiapakken dvs. brug af computer til oprettelse af databaser (f.eks. i Excel) efterfulgt af deskriptiv dataopsummering.

Epidemiologidelen omfatter specifikt opstilling af studiehypoteser og karakteristik af veterinær- og produktionsmedicinske data. Hertil kræves data science færdigheder, som introduceres i Akademiapakken og videreføres i bachelorpakken. Der foretages en systematisk gennemgang af alle elementer til opstilling af en fuld epidemiologisk undersøgelse af fordeling og udbredelse af sygdom og sundhed i dyrepopulationer (alle arter) og de herfor tilgrundliggende risikofaktorer (studiedesign, mål for sygdomsforekomst og effekt, evaluering af diagnostiske test, bias og interaktion, spørgeskemaundersøgelser samt dataanalyse).

Mange af kursets elementer falder ind under de såkaldte digitale kerne kompetencer (digital core competences, DCC): 1) Inden for datahåndtering gennemgås indsamling og organisering af data i en database ligesom der gennemgås klassifikation af data; 2) Digital undersøgelse og metode understøttes ved indlæring af programmeringssprog samt analyseværktøjer 3) Inden for digital dannelse og refleksion er der kritisk og systematisk gennemgang af datakvalitet; 4) Inden for digital informationssøgning indgår informationssøgning og kildekritik.

Kompetencer inden for kommunikation opnås i forbindelse med udøvelse af rådgivning baseret på EBVM.

Målbeskrivelser

Efter endt kursus skal den studerende kunne:

Viden

Redegøre for

  • EBVM som metodologisk grundkoncept i patientudredning og -behandling samt besætningsanalyse og -rådgivning
  • Forskellen mellem narrative og systematisk reviews og de delelementer der indgår
    • Forskellige niveauer af evidens (evidenspyramiderne)
    • Forskellige biasdomæner
    • Formålet med metaanalyser
  • Data science
    • Metoder til organisering af datasæt og kontrol af fejl i data
    • Relationelle databaser samt de almindelige databaseprogrammer som bruges i praksis (dvs. SQL)
  • Epidemiologiske grundkoncepter i beskrivende og analytisk populationsmedicin
  • Epidemiologiske mål for sygdomsforekomst og betydningen af risikofaktorer
  • Metoder til statistisk analyse af antalstabeller
  • Metoder til analyser af populationsdata med inddragelse af interaktion og konfundering
  • Læsning og fortolkning af regressionsanalyser (lineær og logistisk)
  • Forskellen mellem primære og sekundære data samt vurdering af bias

 

Færdigheder

EBVM og systematisk review

  • Udforme en protokol til et systematisk review

 

Data science

  • Opstille et datasæt systematisk i Excel eller lignede
  • Gennemføre systematisk datakontrol og data cleaning i Excel, R eller lignede
  • Anvende statistik-programmet R til at:
    • Indlæse et datasæt fra Excel/CSV fil inklusiv fejlkontrol
    • Lave nye variabler fra eksisterende variabler
    • Sammenkoble tabeller
    • Lave enkelt opsummerende statistik og grafer
    • Gemme datasæt elektronisk

 

Epidemiologi

  • Afgrænse epidemiologiske problemstillinger mhp. opstilling af relevante epidemiologiske hypoteser
  • Opstille de nødvendige elementer i en epidemiologisk undersøgelse
  • Beregne og fortolke relevante epidemiologiske mål for forekomst og association
  • Gennemføre statistisk analyse af antalstabeller, herunder lave Chi i anden test
  • Begrunde valg af relevant studiedesign
  • Foretage beregninger af stikprøvestørrelser til observationelle studier
  • Foretage beregninger over validiteten af diagnostiske tests
  • Udvælge relevante metoder til beskrivelse og analyse af epidemiologiske data, herunder inddragelse af konfundering og interaktion
  • Foretage kritisk vurdering og fortolkning af resultater fra epidemiologiske studier
  • Rådgive ved vægtning af betydningen af de enkelte elementer i en epidemiologisk analyse

 

Kompetencer

Evidensbaseret veterinærmedicin (EBVM)

  • Basere kliniske beslutninger på EBVM
  • Udøve rådgivning baseret på EBVM
  • Forfatte et systematisk review som hel- eller delmetode i det kommende bachelor- eller speciale projekt

 

Data science

  • Vurdere kvaliteten af data i problemstillinger, der optræder i bachelor- og kandidatprojekter
  • Klargøre databaser, som kan optræde i bachelor- og kandidatprojekter, til statistisk undersøgelse
  • Lave en deskriptiv analyse / opsummering af et datasæt

 

Epidemiologi

  • Tilrettelægge og gennemføre en epidemiologisk analyse samt tolke resultaterne heraf

Kursusmateriale på Absalon

 

Epidemiologi

Houe, H., Ersbøll, A.K. and Toft, N. (Editors), 2004. Introduction to Veterinary Epidemiology. Biofolia, Frederiksberg, Denmark. 398 pp.

 

 

Evidensbaseret Veterinærmedicin (EBVM)

http:/​/​www.ebvmlearning.org

 

Systematiske Reviews

https:/​/​libguides.library.curtin.edu.au/​systematic-reviews

https:/​/​joannabriggs.org/​ebp/​critical_appraisal_tools

E-læring
Forelæsninger
Øvelser (forståelses- og regneøvelser)

Evalueringsmodel: Spørgeskema.
  • Kategori
  • Timer
  • Forelæsninger
  • 13
  • Forberedelse (anslået)
  • 58,5
  • Teoretiske øvelser
  • 40
  • E-læring
  • 10
  • Ekskursioner
  • 8
  • Vejledning
  • 5
  • Eksamen
  • 3
  • I alt
  • 137,5
Løbende feedback i undervisningsforløbet
Point
5 ECTS
Prøveform
Skriftlig stedprøve, 3 timer
Prøveformsdetaljer
Skriftlig stedprøve 3 timer i KU's eksamenshuse.
Eksamen er skriftlige regne- og forståelsesopgaver
For alle 3 kursusdele: EBVM og systematisk review, Data Science og Epidemiologi
Eksamensforudsætninger

EBVM og systematisk review
Prøveform: Hvert e-læringsmodul afsluttes med skriftlig MCQ-prøve via Absalon med feedback. Prøverne efter modulerne er vejledende og skal ikke nødvendigvis bestås, men skal gennemføres. Alle hjælpemidler tilladt.

Data science
Prøveform: Online øvelser med feedback. 

Hjælpemidler
Alle hjælpemidler tilladt undtagen Generativ AI

Læs mere om de skriftlige stedprøver (herunder om standardopsætning ved PC-eksamener) i KUs eksamenshuse på KUnet:  Bachelor i veterinærmedicin - KUnet

Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
En intern bedømmer.
Reeksamen

Som ordinær.

Kriterier for bedømmelse

For at opnå karakteren 12 skal den studerende kunne:

Viden

Redegøre for

  • EBVM som metodologisk grundkoncept i patientudredning og -behandling samt besætningsanalyse og -rådgivning
  • Forskellen mellem narrative og systematisk reviews og de delelementer der indgår.
    • Forskellige niveauer af evidens (evidenspyramiderne)
    • Forskellige biasdomæner.
    • Formålet med metaanalyser
  • Metoder til organisering af datasæt og kontrol af fejl i data
  • Relationelle databaser samt de almindelige databaseprogrammer som bruges i praksis (dvs. SQL)
  • Epidemiologiske grundkoncepter i beskrivende og analytisk populationsmedicin
  • Epidemiologiske mål for sygdomsforekomst og betydningen af risikofaktorer
  • Metoder til statistisk analyse af antalstabeller
  • Metoder til analyser af populationsdata med inddragelse af interaktion og konfundering
  • Læsning og fortolkning af regressionsanalyser (lineær og logistisk)
  • Forskellen mellem primære og sekundære data samt vurdering af bias

 

Færdigheder

EBVM og systematisk review

  • Udforme en protokol til et systematisk review

 

Data science

  • Opstille et datasæt systematisk i Excel eller lignede
  • Gennemføre systematisk datakontrol og data cleaning i Excel, R eller lignede
  • Anvende statistik-programmet R til at:
    • Indlæse et datasæt fra Excel/CSV fil inklusiv fejlkontrol
    • Lave nye variabler fra eksisterende variabler
    • Sammenkoble tabeller
    • Lave enkelt opsummerende statistik og grafer
    • Gemme datasæt elektronisk

 

Epidemiologi

  • Afgrænse epidemiologiske problemstillinger mhp. opstilling af relevante epidemiologiske hypoteser
  • Opstille de nødvendige elementer i en epidemiologisk undersøgelse
  • Beregne og fortolke relevante epidemiologiske mål for forekomst og association
  • Gennemføre statistisk analyse af antalstabeller, herunder lave Chi i anden test
  • Begrunde valg af relevant studiedesign
  • Foretage beregninger af stikprøvestørrelser til observationelle studier
  • Foretage beregninger over validiteten af diagnostiske tests
  • Udvælge relevante metoder til beskrivelse og analyse af epidemiologiske data, herunder inddragelse af konfundering og interaktion
  • Foretage kritisk vurdering og fortolkning af resultater fra epidemiologiske studier
  • Rådgive ved vægtning af betydningen af de enkelte elementer i en epidemiologisk analyse

 

Kompetencer

Evidensbaseret veterinærmedicin (EBVM)

  • Basere kliniske beslutninger på EBVM
  • Udøve rådgivning baseret på EBVM
  • Forfatte et systematisk review som hel- eller delmetode i det kommende bachelor- eller speciale projekt

 

Data science

  • Vurdere kvaliteten af data i problemstillinger, der optræder i bachelor- og kandidatprojekter
  • Klargøre databaser, som kan optræde i bachelor- og kandidatprojekter, til statistisk undersøgelse
  • Lave en deskriptiv analyse / opsummering af et datasæt

 

Epidemiologi

  • Tilrettelægge og gennemføre en epidemiologisk analyse samt tolke resultaterne heraf