Bachelor, prosjekt og masteroppgaver, Thea Bjørnland

Her finner du forslag til temaer for prosjekter innenfor ulike tema, både anvendte prosjekter og prosjekter av en mer teoretisk karakter. De fleste temaene kan tilpasses både bachelor og masternivå. Ta kontakt med meg dersom du er interessert.

English: Below you may read suggestions for projects. Most of them can be tailored to fit both a bachelor and master level thesis. Please contact me if you are interested so that we can decide upon a project.

When a patient experiences cardiac arrest, numerous medical interventions are employed in an effort to restore life. The effectiveness of these interventions depends on factors such as the patient’s age, existing comorbidities, and the underlying cause of the arrest. These treatments often induce several changes in cardiac rhythm, ideally culminating in the return of spontaneous circulation (ROSC). During resuscitation, the patient may transition through four potential clinical states: pulseless electrical activity (PEA), asystole, ventricular fibrillation/ventricular tachycardia (VF/VT), or ROSC.

In this project we will analyse data from patient experiences cardiac arrest at St. Olav hospital in Trodheim with the aim to understand how to model transitions times when one wants to account for individual variability.

The project opens for the possibility for two students to collaborate. For more info you can contact Sara Martino or Thea Bjørnland.

Denne oppgaven gjøres i samarbeid med Tobias Schmidt Slørdahl og Myelomatoseregisteret i Midt-Norge. Målet med oppgaven er å studere metoder for å estimere relativ overlevelse fra registerdata. Et sentral spørsmål er å studere ulike metoders 'evne' til å oppdage raske endringer i relativ overlevelse. Les gjerne Kreftregisterets technical supplement for en kort innføring. Oppgaven krever at du har hatt TMA4275 levetidsanalyse eller tar dette kurset som fordypningsemne i høstsemesteret.

Denne oppgaven går ut på å utvikle en R-pakke med utgangspunkt i resultater fra en tidligere masteroppgave. Som del av oppgaven må du sette deg inn i teori rundt hypotesetesting i GLM og sadelpunktmetoder for "higher order asymptotics".

Selv om vi har et stort datasett kan vi få problemer med normaltilnærmingen av kjente testobservatorer. Dette problemet ser vi for eksempel i svært ubalanserte kasus-kontroll-studier. En løsning på dette problemet vil være å finne en bedre tilnærming til testobservatorens fordeling, men vi kan også vurdere "sub-sampling" i et forsøk på å balansere dataene. Dette kan vi forvente at går på bekostning av teststyrke, noe du i denne oppgaven kan undersøke ved hjelp av simulerte data.

Denne oppgaven går ut på å videreutvikle en R-pakke for hypotesetesting innenfor feltet "response-dependent sampling" og "missing data", med fokus på interaksjonseffekter.

Hovedvekten av min forskning er innenfor statistiske metoder for genetikk. Når genetiske varianter langs hele genomet testes mot en fenotype (f.eks. sykdom) brukes egne tester for grupper av sjeldne varianter, der den mest populære heter Sequence Kernel Association Test (SKAT). Denne oppgaven går ut på å studere ulike metoder for å teste for assosiasjon mellom sjeldne genetiske varianter og sykdom, og anvende disse på simulerte data.

Some basic knowledge in statistics (e.g. TMA4240/45 Statistikk, TMA4267 Lineære statistiske modeller, ST1101 Sannsynlighetsregning og statistikk, ST1201 Statistiske metoder) is necessary and more advanced courses such as statistical inference, statistical learning, generalized statistical methods are encouraged. We will mainly use R for data analysis (implementing methods and using existing packages).