Grâce à ce Certificat avancé, vous acquerrez les connaissances nécessaires pour mener à bien la Recherche en Santé de la manière la plus efficace possible” 

Au cours de toute activité, les processus, les méthodes et les outils utilisés font une différence dans la manière dont elle est menée, mais aussi dans les résultats qui peuvent être obtenus. Que ce soit pour le meilleur ou le pire, cela aura une influence directe. Ainsi, la recherche vise, en particulier dans le domaine de l'odontologie, à améliorer la qualité des produits, des mécanismes et des protocoles d'action des professionnels qui cherchent à élargir leurs connaissances et leurs compétences dans ce domaine.

Aujourd'hui, les méthodes de consultation ont beaucoup évolué par rapport à ce que l'on connaissait il y a seulement quelques décennies. Ces améliorations ont été obtenues grâce à des équipes axées sur la recherche et la quête de nouvelles limites en termes de possibilités de la Médecine Dentaire. Ainsi, l'optimisation des protocoles de recherche est donc indispensable, car elle permet un gain de temps, d'argent et d'efforts humains considérables.

Pour répondre à ce besoin de recherche la plus correcte et la plus exhaustive possible, TECH Université Technologique a développé un plan d'études où les étudiants recevront tous les contenus nécessaires pour être une référence en matière d'efficacité de la recherche, en mettant à jour leurs connaissances et en se différenciant comme spécialistes du secteur.

Grâce à tout ce qui précède et en cherchant à offrir un programme unique, TECH Université Technologique présente ce Certificat avancé en modalité 100% en ligne, qui permet aux étudiants d'étudier depuis n'importe quel endroit, sans restrictions ou limites horaires. De cette manière, le programme éducatif est adapté aux élèves et non l'inverse, ce qui permet d'atteindre un confort autrefois inimaginable.

Perfectionnez vos compétences lorsque vous entreprenez des projets de recherche. Optez pour un programme d'études rigoureux et intensif”

Ce Certificat avancé en Outils de Recherche en Santé contient le programme scientifique le plus complet et le plus actuel du marché. Les principales caractéristiques sont les suivantes:

• Le développement des études de cas présentées par des experts en l'utilisation d'Outils de Recherche en Santé 
• Son contenu graphique, schématique et éminemment pratique est destiné à fournir des informations scientifiques et sanitaires sur les disciplines médicales indispensables à la pratique professionnelle 
• Des exercices pratiques d’auto-évaluation pour améliorer l’apprentissage 
• Il se concentre sur les méthodologies innovantes 
• Des cours théoriques, des questions à l'expert, des forums de discussion sur des sujets controversés et un travail de réflexion individuel 
• La possibilité d'accéder aux contenus depuis tout appareil fixe ou portable doté d'une simple connexion à internet 

La création de graphiques à partir des résultats obtenus dans un projet de recherche est un élément clé du processus de recherche. Actualisez vos connaissances et intégrez tous les éléments de ce domaine dans votre pratique”

Le corps enseignant comprend des professionnels du secteur qui apportent à cette formation l'expérience de leur travail, ainsi que des spécialistes reconnus de sociétés de référence et d'universités prestigieuses.

Le contenu multimédia, développé avec les dernières technologies éducatives, permettra au professionnel un apprentissage concret et contextuel ; c'est un environnement simulé qui fournira une formation immersive programmée pour s'entraîner dans des situations réelles.

La conception de ce programme est basée sur l'Apprentissage par les Problèmes, grâce auquel le professionnel devra essayer de résoudre les différentes situations de pratique professionnelle qui se présentent tout au long de la formation. Pour ce faire, il sera assisté d'un système vidéo interactif innovant créé par des experts reconnus.

Restez à jour et conservez vos responsabilités professionnelles? Grâce à ce Certificat avancé de TECH, cela est possible, car il s'adapte à votre situation personnelle et professionnelle"

Ajoutez à votre vademecum les outils de recherche les plus pointus pour améliorer vos projets de recherche dentaire"

Le programme d'études a été conçu sur la base des exigences de l'Odontologie, en suivant les demandes proposées par l'équipe d'enseignants de ce Certificat avancé, dans le but de garantir que les étudiants acquièrent les connaissances les plus récentes en termes de types d'outils nécessaires à une bonne recherche. Tout au long des 3 modules, les étudiants passeront par les différentes parties liées à la définition des hypothèses, l'utilisation des applications, les pratiques statistiques et la représentation graphique des données obtenues. 

Ce programme s'adresse aux dentistes qui recherchent une mise à jour fiable des Outils de Recherche en Santé”

Module 1. Création de projets de recherche

1.1. Structure générale d'un projet
1.2. Présentation du contexte et des données préliminaires
1.3. Définition de l'hypothèse
1.4. Définition des objectifs généraux et spécifiques
1.5. Définition du type d'échantillon, du nombre et des variables à mesurer
1.6. Établissement de la méthodologie scientifique
1.7. Critères d'exclusion/inclusion dans les projets avec des échantillons humains
1.8. Création de l'équipe spécifique: équilibre et Expertise
1.9. Les attentes: un élément important à ne pas oublier
1.10. Développement du budget: un ajustement entre les besoins et la réalité de l'appel à propositions
1.11. Aspects éthiques

Module 2. Statistiques et R en Recherche en Santé

2.1. Biostatistique

2.1.1. Introduction à la méthode scientifique
2.1.2. Population et échantillon Mesures d'échantillonnage de la centralisation
2.1.3. Distributions discrètes et distributions continues
2.1.4. Aperçu général de l'inférence statistique Inférence sur la moyenne d'une population normale Inférence sur la moyenne d'une population générale
2.1.5. Introduction à l'inférence non paramétrique

2.2. Introduction à R

2.2.1. Caractéristiques de base du programme
2.2.2. Principaux types d'objets
2.2.3. Exemples simples de simulation et d'inférence statistique
2.2.4. Graphiques
2.2.5. Introduction à la programmation en R

2.3. Méthodes de régression avec R

2.3.1. Modèles de régression
2.3.2. Sélection des variables
2.3.3. Diagnostic du modèle
2.3.4. Traitement des valeurs atypiques
2.3.5. Analyse de régression

2.4. Analyse multivariée avec R

2.4.1. Description de données multivariées
2.4.2. Distributions multivariées
2.4.3. Réduction des dimensions
2.4.4. Classification non supervisée: analyse en grappes
2.4.5. Classification supervisée: analyse discriminante

2.5. Méthodes de régression pour la recherche avec R

2.5.1. Modèles linéaires généralisés (GLM): régression de Poisson et binomiale négative
2.5.2. Modèles linéaires généralisés (GLM): régressions logistiques et binomiales
2.5.3. Régression de Poisson et Binomiale négative gonflée par des zéros
2.5.4. Ajustements locaux et modèles additifs généralisés (GAM)
2.5.5. Modèles mixtes généralisés (GLMM) et modèles mixtes additifs généralisés (GAMM)

2.6. Statistiques appliquées à la recherche Biomédicale avec R I

2.6.1. Notions de base de R. Variables et objets en R. Manipulation des données Fichiers Graphiques
2.6.2. Statistiques descriptives et fonctions de probabilité
2.6.3. Programmation et fonctions en R
2.6.4. Analyse des tableaux de contingence
2.6.5. Inférence de base avec des variables continues

2.7. Statistiques appliquées à la recherche Biomédicale avec R II

2.7.1. Analyse de la variance
2.7.2. Analyse de corrélation
2.7.3. Régression linéaire simple
2.7.4. Régression linéaire multiple
2.7.5. Régression logistique

2.8. Statistiques appliquées à la recherche Biomédicale avec R III

2.8.1. Variables confusionnelles et interactions
2.8.2. Construction d'un modèle de régression logistique
2.8.3. Analyse de survie
2.8.4. Régression de Cox
2.8.5. Modèles prédictifs Analyse de la courbes ROC

2.9. Techniques d'exploration statistique de Data Mining avec R I

2.9.1. Introduction Data Mining. Apprentissage supervisé et non supervisé Modèles prédictifs Classification et régression
2.9.2. Analyse descriptive Prétraitement des données
2.9.3. Analyse des Composantes Principales(PCA)
2.9.4. Analyse de Cluster. Méthodes hiérarchiques K-means

2.10. Techniques d'exploration statistique de Data Mining avec R II

2.10.1. Mesures d'Évaluation du Modèle Mesures de la capacité de prédiction Courbes Roc
2.10.2. Techniques d'évaluation du modèle Validation croisée Echantillons Bootstrap
2.10.3. Méthodes basées sur les arbres (CART)
2.10.4. Support Vector Machines (SVM)
2.10.5. Random Forest (RF) et Réseau Neuronal (NN)

Module 3. Représentations graphiques des données dans Recherche en Santé et autres analyses avancées 

3.1. Types de graphiques
3.2. Analyse de survie
3.3. Courbes Roc
3.4. Analyse multivariée (types de régression multiple)
3.5. Modèles binaires de régression
3.6. Analyse des données massive
3.7. Méthodes de réduction de la dimensionnalité
3.8. Comparaison des méthodes: PCA, PPCA et KPCA
3.9. T-SNE (t-Distributed Stochastic Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection)

Une expérience éducative unique, clé et décisive pour stimuler votre développement professionnel"