Aprofunde seu estudo de pesquisa para dominar as novas ferramentas e aplicá-las em seus próprios projetos e naqueles com os quais você colabora"

Foram necessários anos de pesquisa para alcançar os avanços médicos que são aplicados atualmente no sistema de saúde. No entanto, esta disciplina está se tornando cada vez mais exigente e sua velocidade é altamente valorizada. O domínio das técnicas de manejo de informações clínicas é, portanto, fundamental para a gestão de saúde, pesquisa, publicação de artigos, teses e relatórios aplicados. Dessa forma, os especialistas poderiam proporcionar um amplo prestígio a seus estudos e concentrá-los em uma linha científica com maiores garantias.

Por esse motivo, a TECH oferece um Programa avançado de Ferramentas para a Pesquisa na Área da Saúde que se aprofunda na interpretação das informações envolvidas no uso de ferramentas estatísticas básicas e na metodologia científica integrada por empresas especializadas em trabalho de campo. Além disso, graças à TECH, os alunos se aprofundarão em informações médicas aplicadas na preparação de relatórios, estudos e documentos destinados à tomada de decisões sobre questões de sociais e de saúde.

É um programa 100% online, ideal para que os alunos conciliem seus estudos com suas vidas profissionais e pessoais. A TECHaplica a inovadora metodologia Relearning para facilitar a assimilação gradual do conteúdo programático pelos profissionais e fazer com que eles reduzam as longas horas de memorização, típicas do ensino ortodoxo. Além disso, os alunos contarão com o apoio de uma equipe de professores especializados na área, envolvidos em vários estudos no campo da saúde.

Amplie seus conhecimentos na definição de objetivos gerais e específicos de projetos de pesquisa, a fim de aperfeiçoar sua implementação"  

Este Programa avançado de Ferramentas para a 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 pode ser usado para aprimorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Lições teóricas, perguntas aos especialistas, fóruns de discussão sobre temas controversos e trabalhos individuais de reflexão
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

As representações gráficas de dados são fundamentais para pesquisas na área de saúde e outras análises avançadas. Faça parte desta área com sucesso garantido através de uma modalidade 100% online"

O corpo docente conta com profissionais do setor, os quais transferem a experiência do seu trabalho para esta capacitação, além de especialistas reconhecidos de instituições 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.   

Faça parte da evolução dos projetos de pesquisa clínica graças aos exemplos simples de simulação e inferência estatística que a TECHlhe oferece"

Domine as curvas ROC e os tipos de análise de regressão múltipla para aplicá-los em seus estudos científicos e oferecer um serviço mais preciso"

O conteúdo deste Programa avançado de Ferramentas para a Pesquisa na Área da Saúde foi desenvolvido por especialistas em Ciências da Saúde. Graças à sua contribuição, a TECH oferece um estudo que explora a geração de projetos de pesquisa, estatística e R em pesquisa de saúde e representações gráficas de dados em pesquisa de saúde e outras análises avançadas. 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. 

O contexto científico está mudando constantemente em um ritmo vertiginoso. Não fique para trás na atualização estatística e use as ferramentas inovadoras que a TECH lhe oferece" 

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 na Área da 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 
2.5.4. 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 
6.7.4. 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 na Área da 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)

Uma experiência única, essencial e decisiva para impulsionar o seu desenvolvimento profissional"