Con esta Especialización obtendrás todas las claves en los tipos de gráficos y el análisis de supervivencia para que aportes valor a los proyectos propios y colaborativos”  

La fuerte demanda que existe en el sector investigativo actual, se enfrenta directamente a los individuos que desarrollan la práctica fisioterapéutica con desconocimiento. Esta realidad hace que en muchas ocasiones los pacientes rechacen las terapias no farmacológicas y se inclinen hacia la intervención más intrusiva, deteriorando su bienestar.  Es la razón por la que las empresas realizan una selección escueta para escoger a los profesionales que componen sus equipos.

Teniendo en cuenta esta realidad, TECH ha diseño un programa exhaustivo en Investigación Fisioterapéutica que pretende actualizar los conocimientos de los especialistas en este campo. Para ello, la Universidad Tecnológica se ha dotado de un equipo de expertos en el área de las Ciencias de la Salud que ha desarrollado y que será el encargado de impartir la materia. Se trata de un estudio que profundiza el manejo de la información clínica, clave para la gestión del ámbito sociosanitario; así como en la investigación y la publicación de artículos, tesis e informes aplicados. De este modo, supone una oportunidad única para los expertos que apuestan por las nuevas tecnologías aplicadas a su actuación profesional.
 
El presente programa cuenta con una modalidad 100% online, que permite el seguimiento de la materia sin prescindir del resto de actividades de la vida diaria de los especialistas, como su empleo o la maternidad. En este sentido, TECH también ha incorporado herramientas pedagógicas novedosas que facilitan y agilizan la asimilación de los contenidos. Un ejemplo de ello es la metodología Relearning, que exime al alumnado de largas horas de memorización comunes en otros programas ortodoxos.  

Intervén en los estudios científicos aplicando la estadística y R que son determinantes en el avance de la investigación fisioterapéutica con esta Especialización” 

Esta Especialización en Herramientas para la Investigación en Salud contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Ciencias de la Salud 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información médica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

No te quedes a la cola de la actualización, consigue dominar los nuevos métodos estadísticos gracias a los conocimientos teórico-prácticos de TECH” 

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.
 
El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos. 

Obtén todos los conocimientos en cuanto a la regresión de Poisson y Binomial Negativa infladas por ceros y ofrece un servicio más preciso en tu área de trabajo"

Indaga en el tratamiento de datos atípicos y utiliza herramientas tecnológicas avanzadas para conocer en profundidad las estrategias con R"

El plan de estudios de esta Especialización ha sido confeccionado por un equipo docente especializado en Ciencias de la Salud, cuyo principal objetivo es ofrecer al alumnado el contenido más exhaustivo en torno a la estadística en investigación y la generación de proyectos. Un programa que cuenta con un enfoque teórico-práctico, para que el alumnado profundice en las particularidades de la observación con R y las representaciones gráficas de los resultados, entre otras cuestiones. Además, el sistema Relearning, basado en la reiteración de contenido, exime a los especialistas de largas horas de memorización y permite un estudio progresivo y fácil.   

Adéntrate en el uso de herramientas novedosas como el GLM y el GAMM y trabaja las muestras con garantías de éxito” 

Módulo 1. Generación de proyectos de investigación

1.1. Estructura general de un proyecto 
1.2. Presentación de antecedentes y datos preliminares 
1.3. Definición de la hipótesis 
1.4. Definición de objetivos generales y específicos 
1.5. Definición del tipo de muestra, número y variables a medir 
1.6. Establecimiento de la metodología científica 
1.7. Criterios de exclusión/inclusión en proyectos con muestras humanas 
1.8. Establecimiento del equipo específico: balance y expertise 
1.9. Aspectos éticos y expectativas: un elemento importante que olvidamos 
1.10. Generación del presupuesto: un ajuste fino entre las necesidades y la realidad de la convocatoria 

Módulo 2. Estadística y R en investigación sanitaria

2.1. Bioestadística 

2.1.1. Introducción al método científico 
2.1.2. Población y muestra. Medidas muestrales de centralización 
2.1.3. Distribuciones discretas y Distribuciones continuas 
2.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general 
2.1.5. Introducción a la inferencia no paramétrica 

2.2. Introducción a R 

2.2.1 Características básicas del programa 
2.2.2 Principales tipos de objetos 
2.2.3 Ejemplos sencillos de simulación e inferencia estadística 
2.2.4 Gráficos 
2.2.5 Introducción a la programación en R 

2.3. Métodos de regresión con R  

2.3.1 Modelos de regresión 
2.3.2 Selección de variables 
2.3.3 Diagnóstico del modelo 
2.3.4 Tratamiento de datos atípicos 
2.3.5 Análisis de regresiones 

2.4. Análisis Multivariante con R 

2.4.1. Descripción de datos multivariantes 
2.4.2. Distribuciones multivariantes 
2.4.3. Reducción de la dimensión 
2.4.4. Clasificación no supervisada: análisis de conglomerados 
2.4.5. Clasificación supervisada: análisis discriminante 

2.5. Métodos de regresión para la investigación con R 

2.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa 
2.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial 
2.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros 
2.5.1 Ajustes locales y modelos aditivos generalizados (GAM) 
2.5.1 Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM) 

2.6. Estadística aplicada a la investigación biomédica con R I 

2.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos 
2.6.2. Estadística descriptiva y funciones de probabilidad 
2.6.3. Programación y funciones en R 
2.6.4. Análisis de tablas de contingencia 
2.6.5. Inferencia básica con variables continuas 

2.7. Estadística aplicada a la investigación biomédica con R II 

2.7.1. Análisis de la varianza 
2.7.2. Análisis de correlación 
2.7.3. Regresión lineal simple 
2.7.4. Regresión lineal múltiple 
2.7.5. Regresión logística 

2.8. Estadística aplicada a la investigación biomédica con R III 

2.8.1. Variables de confusión e interacciones 
2.8.2. Construcción de un modelo de regresión logística 
2.8.3. Análisis de supervivencia 
2.8.4. Regresión de Cox 
2.8.5. Modelos predictivos. Análisis de curvas ROC 

2.9. Técnicas estadísticas de Data Mining con R I 

2.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión 
2.9.2. Análisis descriptivo. Pre-procesamiento de datos 
2.9.3. Análisis de Componentes Principales (PCA) 
2.9.4. Análisis Clúster. Métodos Jerárquicos. K-means 

2.10. Técnicas estadísticas de Data Mining con R II 

2.10.1. Medidas de Evaluación de Modelos. Medidas de capacidad predictiva. Curvas ROC 
2.10.2. Técnicas de Evaluación de Modelos. Validación cruzada. Muestras Bootstrap 
2.10.3. Métodos basados en árboles (CART) 
2.10.4. Support vector machines (SVM) 
2.10.5. Random Forest (RF) y Redes Neuronales (NN)

Módulo 3. Representaciones gráficas de datos en la investigación sanitaria y otros análisis avanzados 

3.1. Tipos de gráficos
3.2. Análisis de supervivencia 
3.3. Curvas ROC 
3.4. Análisis multivariante (tipos de regresión múltiple) 
3.5. Modelos binarios de regresión
3.6. Análisis de datos masivos
3.7. Métodos para reducción de dimensionalidad
3.8. Comparación de los métodos: PCA, PPCA and KPCA
3.9. T-SNE (t-Distributed Stochastic Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection) 

Una experiencia de formación única, clave y decisiva para impulsar tu desarrollo profesional”