Com este Programa avançado, você obterá todas as ferramentas para os tipos de gráficos e análise de sobrevivência, de modo que possa agregar valor aos seus próprios projetos e aos projetos colaborativos"  

A forte demanda que existe no setor de pesquisa atual é diretamente confrontada por indivíduos que desenvolvem a prática fisioterapêutica com falta de conhecimento. Muitas vezes, este fato faz com que os pacientes rejeitem as terapias não farmacológicas e recorram à intervenção mais intrusiva, deteriorando seu bem-estar. É por isso que as empresas usam um processo de seleção restrito para selecionar os profissionais que compõem suas equipes.

Levando em consideração essa realidade, a TECH elaborou um programa abrangente de Pesquisa em Fisioterapia que visa atualizar o conhecimento dos especialistas nesta área. Para isso, a TECH formou uma equipe de especialistas na área de Ciências da Saúde, que desenvolveu e será responsável por lecionar a matéria. Este é um estudo que explora em profundidade o manejo de informações clínicas, que é fundamental para a gestão da área social e de saúde, bem como a pesquisa e a publicação de artigos, teses e relatórios aplicados. Esta é uma oportunidade única para especialistas comprometidos com as novas tecnologias aplicadas à sua atividade profissional.  

Este programa possui uma modalidade 100% online, o que permite o estudo da matéria sem deixar de lado as outras atividades da vida cotidiana dos profissionais, como o emprego ou a maternidade. Nesse sentido, a TECH também incorporou ferramentas pedagógicas inovadoras que facilitam e aceleram a assimilação dos conteúdos. Um exemplo disso é a metodologia Relearning, que faz com que os alunos  não precisem passar longas horas memorizando o que é comum em outros programas tradicionais. 

Participe em estudos científicos aplicando estatística e R que são decisivos para o avanço da pesquisa fisioterapêutica com este Programa avançado" 

Este Programa avançado de Ferramentas de Pesquisa na Área da 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 Ciência 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 

Não fique para trás no processo de atualização, domine os novos métodos estatísticos graças ao conhecimento teórico e prático da TECH"  

O corpo docente do curso 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 conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá 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.  

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

Obtenha todo o conhecimento sobre regressão de Poisson e Binomial Negativa inflado por zeros e ofereça um serviço mais rigoroso em sua área de trabalho"

Analise o tratamento de dados atípicos e use ferramentas tecnológicas avançadas para obter uma compreensão aprofundada das estratégias com R"

O plano de estudos deste Programa avançado foi elaborado por uma equipe de professores especializados em Ciências da Saúde, cujo principal objetivo é oferecer aos alunos o conteúdo mais completo sobre estatística na geração de pesquisas e projetos. Um programa com uma abordagem teórico-prática, para que os alunos possam aprender mais sobre as particularidades da observação com o R e as representações gráficas dos resultados, entre outras questões. Além disso, o sistema Relearning, baseado na repetição de conteúdos, permite que os especialistas reduzam as longas horas de memorização e permite um estudo progressivo e fácil do assunto.   

Aprenda a usar ferramentas inovadoras, como GLM e GAMM, e trabalhe as amostras com sucesso garantido" 

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. Geração de orçamento: um ajuste fino entre as necessidades e a realidade do edital 

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 regressões  

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 de zeros 
2.5.1.  Ajustes locais e modelos aditivos generalizados (GAM) 
2.5.1. 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 
2.9.3. 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)   

Um programa desenvolvido para aprimorar suas habilidades como pesquisador e obter melhores resultados em  seus estudos científicos"