Con esta Experto universitario obtendrás todos los conocimientos necesarios en nuevas herramientas de investigación para que estés a la altura de las exigencias del sector” 

La innovación incremental justifica el examen que siguen algunos fármacos a la hora de comercializarse. Y es que para conseguir obtener el “producto estrella” algunas sociedades han minusvalorado la labor farmacéutica en el mercado. En ocasiones, incluso se llegó a retirar medicamentos que afectaban a la salud de los individuos. Un ejemplo de ello es la suspensión temporal de la cerivastatina, a solicitud del laboratorio farmacéutico Bayer, S.A, por provocar daños renales a quienes lo consumieron.

En este sentido, es fundamental que las farmacéuticas cuenten con personal que comprenda en profundidad los protocolos de actuación, actúen bajo la ética profesional y, sobre todo, se encuentren en constante actualización. Para atender a la demanda de cualificación presente en el mercado laboral, TECH ha desarrollado un programa riguroso que indaga en 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 esta manera, los especialistas aumentarán su competitividad en el mercado laboral asumiendo conocimientos nuevos en torno a la investigación.

Se trata de un programa 100% online que permite un seguimiento de la materia sin tener que prescindir del resto de actividades de la vida diaria de los especialistas, como su empleo. Además, TECH aplica la metodología Relearning para eximir al alumnado de largas horas de memorización y permitirles la asimilación de los contenidos de manera paulatina y constante. Cursando esta enseñanza, los profesionales contarán con el apoyo de un equipo docente especializado en el área que ha sido premiado con diversos reconocimientos en el sector de la salud.

La estructura general de un proyecto es clave para su rendimiento. Adéntrate en la correcta generación de los estudios científicos para comprender el grado en el que inciden sus antecedentes”  

Esta Experto universitario en Herramientas para la Investigación en Salud contiene el programa científico 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

Ahora puedes formar parte de los profesionales a la vanguardia de los estudios en farmacéutica, gracias a la profundización teórico-práctica que obtendrás con 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 a los profesionales 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 los profesionales deberán tratar de resolver las distintas situaciones de práctica profesional que se les planteen a lo largo del curso académico. Para ello, contarán con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.    

La estadística y R son claves en investigación en ciencias de la salud. Adéntrate en esta área manejando datos de población y trabajando muestras con garantías de éxito"

Domina las Curvas ROC y los tipos de análisis de regresión múltiple para aplicarlos en tus estudios y ofrecer un servicio más preciso"

El temario de esta Experto universitario en Herramientas para la Investigación en Salud ha sido desarrollado por expertos en ciencias de la salud con el fin de garantizar la correcta instrucción del alumnado. De este modo, TECH ofrece un estudio que indaga en la generación de proyectos de investigación, la estadística y R en investigación sanitaria y las representaciones gráficas de datos, entre otras muchas cuestiones. Todo ello, de forma sencilla gracias a la novedosa metodología Relearning, que eximirá a los alumnos de largas horas de estudio, convirtiéndolo en un aprendizaje constante basado en ejercicios teórico-prácticos. 

Inscríbete ahora y no te quedes a la cola de la actualización estadística. Con TECH utilizarás herramientas novedosas como el GLM y el GAMM” 

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. Expectativas: un elemento importante que olvidamos
1.10. Generación del presupuesto: un ajuste fino entre las necesidades y la realidad de la convocatoria
1.11. Aspectos éticos

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
6.9.2. Análisis descriptivo. Pre-procesamiento de datos 
6.9.3. Análisis de Componentes Principales (PCA) 
6.9.4. 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)

Un programa diseñado para que perfecciones tus competencias y te dotes de técnicas y estrategias innovadoras en el campo de la investigación”