Com este Programa avançado, você obterá todo o conhecimento necessário em novas ferramentas de pesquisa para que possa acompanhar as demandas do setor”

A inovação incremental justifica a análise minuciosa que alguns medicamentos são submetidos quando chegam ao mercado. A fim de obter o "produto estrela", algumas empresas subestimaram o trabalho farmacêutico no mercado. Em algumas ocasiões, os medicamentos que afetavam a saúde dos indivíduos foram até mesmo retirados, como a suspensão temporária da cerivastatina, a pedido da empresa farmacêutica Bayer, S.A., por causar danos aos rins das pessoas que a tomavam.

Neste sentido, é essencial que os farmacêuticos disponham de pessoal que tenha um profundo conhecimento dos protocolos, atue de acordo com a ética profissional e, acima de tudo, esteja constantemente atualizado. A fim de atender à demanda por capacitação no mercado de trabalho, a TECH desenvolveu um programa de estudos rigoroso, que aborda o manuseio de informações clínicas, que é fundamental para a gestão do campo sociossanitário, assim como a pesquisa e a publicação de artigos, teses e relatórios aplicados. Desta forma, os especialistas aumentarão sua competitividade no mercado de trabalho, assumindo novos conhecimentos relacionados à pesquisa.

É um programa 100% online que permite que o assunto seja acompanhado sem a necessidade de deixar de lado outras atividades da vida diária dos alunos, como o trabalho. Além disso, a TECH aplica a metodologia Relearning para isentar os estudantes de longas horas de memorização e permitir que eles assimilem o conteúdo de forma gradual e constante. Neste curso, os alunos serão apoiados por uma equipe pedagógica especializada na área que recebeu vários prêmios no setor da saúde.

A estrutura geral de um projeto é o segredo para seu desempenho. Faça a análise da geração correta de estudos científicos para entender até que ponto seus antecedentes têm impacto”

Este Programa avançado de Ferramentas para Pesquisa em Saúde conta com o conteúdo científico mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Ciências da Saúde
• Os conteúdos gráficos, esquemáticos e extremamente úteis fornecem informações médicas sobre as disciplinas indispensáveis para o exercício da profissão
• Exercícios práticos em que o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Aulas teóricas, perguntas a especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo fixo ou portátil com conexão à Internet

Agora você pode fazer parte dos profissionais na vanguarda dos estudos farmacêuticos, graças ao estudo teórico-prático aprofundado que você obterá com a TECH”

O corpo docente do programa conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.  

O seu conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, oferece ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.  

Este programa se fundamenta na Aprendizagem Baseada em Problemas, através da qual o profissional deverá resolver as diferentes situações de prática profissional que surgirem ao longo do programa. Para isso, contará com a ajuda de um sistema inovador de vídeo interativo realizado por especialistas reconhecidos nesta área. 

Domine as Curvas ROC e os tipos de análise de regressão múltipla para aplicá-las em seus estudos e fornecer um serviço mais preciso”

A estatística e R e são fundamentais na pesquisa em ciências da saúde. Entre nesta área, manipulando dados populacionais e trabalhando com amostras com garantias de sucesso”

O conteúdo deste Programa avançado de Ferramentas para Pesquisa em Saúde foi desenvolvido por especialistas em Ciências da Saúde a fim de garantir a instrução correta dos estudantes. Desta forma, a TECH oferece um estudo que analisa a geração de projetos de pesquisa, estatísticas e R em pesquisa em saúde e representações gráficas de dados, entre muitas outras questões. Tudo isso de maneira simples, graças à inovadora metodologia Relearning, que isentará os estudantes de longas horas de estudo, tornando-o um processo de aprendizagem constante baseado em exercícios teórico-práticos.

Faça sua matrícula agora e não fique para trás na atualização estatística. Com a TECH, você utilizará ferramentas inovadoras, como GLM e GAMM”

Módulo 1. Geração de projetos de pesquisa

1.1. Estrutura geral de um projeto
1.2. Apresentação dos antecedentes e dados preliminares
1.3. Definição da hipótese
1.4. Definição de objetivos gerais e específicos
1.5. Definição do tipo de amostra, número e variáveis a serem medidas
1.6. Estabelecimento da metodologia científica
1.7. Critérios de exclusão/inclusão para projetos de amostras humanas
1.8. Estabelecimento da equipe específica: equilíbrio e especialização
1.9. Aspectos éticos e expectativas: um elemento importante que esquecemos
1.10. Elaboração de orçamento: um ajuste perfeito entre as necessidades e a realidade da convocatória

Módulo 2. Estatísticas e R em pesquisa em saúde  

2.1. Bioestatística

2.1.1. Introdução ao método científico
2.1.2. População e amostragem. Medidas de amostras de centralização
2.1.3. Distribuições discretas e distribuições contínuas
2.1.4. Esboço geral de inferência estatística. Inferência sobre uma média de uma população normal Inferência sobre uma média de uma população geral
2.1.5. Introdução à Inferência não paramétrica

2.2. Introdução ao R

2.2.1. Características básicas do programa
2.2.2. Principais tipos de objetos
2.2.3. Exemplos simples de simulação e inferência estatística
2.2.4. Gráficos
2.2.5. Introdução à programação em R

2.3. Métodos de regressão com R 

2.3.1. Modelos de regressão
2.3.2. Seleção de variáveis
2.3.3. Diagnóstico do modelo
2.3.4. Processamento de dados atípicos
2.3.5. Análise de regressão

2.4. Análise multivariada em R

2.4.1. Descrição dos dados multivariados
2.4.2. Distribuições multivariadas
2.4.3. Redução da dimensão
2.4.4. Classificação não supervisionada: análise de agrupamentos
2.4.5. Classificação supervisionada: análise discriminatória

2.5. Métodos de regressão para pesquisa com R

2.5.1. Modelos lineares generalizados (GLM): regressão de Poisson e binomial negativa
2.5.2. Modelos lineares generalizados (GLM): regressão logística e binomial
2.5.3. Regressão de Poisson e binomial negativa inflada por zeros
2.5.4. Ajustes locais e modelos aditivos generalizados (GAM)
2.5.5. Modelos mistos generalizados (GLMM) e generalizados aditivos (GAMM)

2.6. Estatísticas aplicadas à pesquisa biomédica com R I

2.6.1. Noções básicas de R. Variáveis e objetos em R. Tratamento de dados. Arquivos Gráficos
2.6.2. Estatística descritiva e funções de probabilidade
2.6.3. Programação e funções em R
2.6.4. Análise da tabela de contingência
2.6.5. Inferência básica com variáveis contínuas

2.7. Estatísticas aplicadas à pesquisa biomédica com R II

2.7.1. Análise de variância
2.7.2. Análise de correlação
2.7.3. Regressão linear simples
2.7.4. Regressão Linear Múltipla
2.7.5. Regressão logística

2.8.  Estatísticas aplicadas à pesquisa biomédica com R III

2.8.1. Variáveis de confusão e interações
2.8.2. Construção de um modelo de regressão logística
2.8.3. Análise de sobrevivência
2.8.4. Regressão de Cox
2.8.5. Modelos preditivos. Análise das curvas ROC

2.9. Técnicas estatísticas de Data Mining com R I

2.9.1. Introdução Data Mining. Aprendizagem supervisionada e não supervisionada. Modelos preditivos. Classificação e regressão
2.9.2. Análise descritiva. Pré-processamento de dados
2.9.2. Análise descritiva. Pré-processamento de dados
2.9.3. Análise de componentes principais (PCA)
2.9.4. Análise de Cluster. Métodos hierárquicos. K-means

2.10. Técnicas estatísticas de Data Mining com R II

2.10.1.  Medidas de avaliação de modelos. Medidas de capacidade preditiva. Curvas ROC
2.10.2. Técnicas de avaliação de modelos. Validação cruzada. Amostras  Bootstrap
2.10.3. Métodos baseados em árvore (CART)
2.10.4. Support vector machines (SVM)
2.10.5. Random Forest (RF) e redes neurais (NN)

Módulo 3. Representações gráficas de dados em pesquisa em saúde e outras análises avançadas

3.1. Tipos de gráficos
3.2. Análise de sobrevivência
3.3. Curvas ROC
3.4. Análise multivariada (tipos de regressão múltipla)
3.5.  Modelos binários de regressão
3.6. Análise de dados massivos 
3.7. Métodos para redução da dimensionalidade
3.8. Comparação dos métodos: PCA, PPCA and KPCA
3.9. T-SNE (t-Distributed Stochastic Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection)

Segundo destaque de estrutura e conteúdo”