Profundiza en el estudio investigativo para que domines las nuevas herramientas y las apliques en tus propios proyectos y aquellos en los que colabores”

Para alcanzar los avances médicos que se aplican en la actualidad en el servicio sanitario, han sido necesarios años de investigación. No obstante, esta disciplina es cada vez más exigente y su rapidez está muy valorada. Por ello, el dominio de las técnicas de manejo de la información clínica es clave para la gestión del ámbito sociosanitario, la investigación, la publicación de artículos, tesis e informes aplicados. De esta manera, los expertos podrían aportar un amplio prestigio a sus estudios y enfocarlos en una línea científica con mayores garantías.

Por esta razón, TECH Global University ofrece una Especialización en Herramientas para la Investigación en Salud que profundiza en la interpretación de la información que interviene en el uso de herramientas estadísticas básicas y la metodología científica integrada por empresas especializadas en el trabajo de campo. Además, gracias a TECH el alumnado ahondará en la información médica aplicada sobre la elaboración de informes, estudios y documentos orientados a la toma de decisiones sobre cuestiones socio-sanitarias.

Se trata de un programa 100% online óptimo para conciliar el estudio con la vida profesional y personal del alumnado. TECH aplica la novedosa metodología Relearning para facilitar la asimilación paulatina del temario a los profesionales y hacerles prescindir de largas horas de memorización, propias de enseñanzas ortodoxas. Asimismo, el alumno contará con el apoyo de un equipo docentes especializado en el área que ha sido partícipe en numerosos estudios en el campo sanitario.

Renueva tus conocimientos en la definición de objetivos generales y específicos de los proyectos de investigación, para que perfecciones su puesta en marcha”

Esta Especialización 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

Las representaciones gráficas de datos son claves en la investigación sanitaria y otros análisis avanzados. Adéntrate en esta área con garantías de éxito mediante una modalidad 100% online”

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.   

Sé partícipe de la evolución de los proyectos en investigación clínica gracias a los ejemplos sencillos de simulación e inferencia estadística que te ofrece TECH”

Domina las Curvas ROC y los tipos de análisis de regresión múltiple para aplicarlos en tus ensayos científicos y ofrecer un servicio con mayor precisión”

El contenido de esta Especialización en Herramientas para la Investigación en Salud ha sido desarrollado por expertos en Ciencias de la Salud. Gracias a su aportación, 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 en la investigación sanitaria y otros análisis avanzados. Todo ello, mediante la novedosa metodología Relearning, que hará prescindir a los alumnos de largas horas de estudio, convirtiéndolo en un aprendizaje constante basado en fundamentos teórico-prácticos. 

El contexto científico se encuentra en constante cambio y a un ritmo vertiginoso. No te quedes a la cola de la actualización estadística y utiliza las herramientas novedosas que te brinda TECH”

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
2.5.4. Ajustes locales y modelos aditivos generalizados (GAM)
2.5.5. 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)

Un programa diseñado para médicos como tú, que quieren experimentar en primera persona los beneficios de la comparación de métodos para mejorar los procesos investigativos”