Благодаря этой Специализированной магистратуре вы обновите все свои знания о медицинских и биомедицинских исследованиях, чтобы предлагать услуги, адаптированные к цифровой парадигме"

В связи с распространением заболеваний, охвативших весь мир, медицинская наука сталкивается с во многом неизвестной парадигмой. В условиях такой неопределенности медицинские работники могут ответить только более тщательными исследованиями, для чего им необходимо обладать всеми передовыми знаниями в процессе своей работы. Не стоит забывать, что наука не была бы полезной без сравнения исследований и, прежде всего, распространения их результатов.

В ходе этого обучения медицинский работник познакомится со всеми этапами научных и медицинских исследований, начиная с создания рабочих групп, клинических испытаний и финансирования проектов и заканчивая распространением результатов в виде отчетов, статей и специальных докладов. Кроме того, благодаря TECH Технологический университет, специалист сможет ответить на большой спрос на кадры на современном клиническом рынке. Все это для того, чтобы специалист включил в свою государственную и частную службу использование больших данных, будучи в курсе последних положительных доказательств в этой области.

Специализированная магистратура на 100% онлайн позволяет совмещать прохождение этой программы с развитием своей личной и профессиональной жизни, не обходясь ни без того, ни без другого. Кроме того, методология Relearning, применяемая TECH Технологический университет, заставляет студентов забыть о долгих часах заучивания и усваивать содержание постепенно и в удобной манере. Цель такого академического обучения — поддерживать свои знания в актуальном состоянии.

Выделитесь в секторе, который постоянно меняется в связи с внедрением новых технологий в медицине"

Данная Специализированная магистратура в области медицинских исследований содержит самую полную и современную научную программу на рынке. Основными особенностями обучения являются:

• Разбор практических кейсов, представленных экспертами в области исследований в секторе здравоохранения
• Наглядное, схематичное и исключительно практическое содержание курса предоставляет научную и практическую информацию по тем дисциплинам, которые необходимы для осуществления профессиональной деятельности
• Упражнения для самопроверки, контроля и улучшения успеваемости
• Особое внимание уделяется инновационным методологиям
• Теоретические занятия, вопросы эксперту, дискуссионные форумы по спорным темам и самостоятельная работа
• Учебные материалы курса доступны с любого стационарного или мобильного устройства с выходом в интернет

Получите все ключи к графическому представлению данных в медицинских исследованиях и других анализах, которые вы проводите, чтобы вы могли сравнивать различные методы с инструментами распространения информации"

В преподавательский состав входят профессионалы отрасли, которые вносят свой опыт работы в эту программу, а также признанные специалисты, принадлежащие к ведущим научным сообществам и престижным университетам.

Мультимедийное содержание программы, разработанное с использованием новейших образовательных технологий, позволит специалисту проходить обучение с учетом контекста и ситуации, т.е. в симулированной среде, обеспечивающей иммерсивный учебный процесс, запрограммированный на обучение в реальных ситуациях.

Структура этой программы основана на проблемно-ориентированном обучении, с помощью которого специалист должен попытаться разрешать различные ситуации из профессиональной практики, возникающие в течение учебного курса. В этом специалистам поможет инновационная интерактивная видеосистема, созданная признанными экспертами. 

Повысьте свой профессиональный уровень, разрабатывая исследовательские проекты, отвечающие требованиям современной парадигмы науки здравоохранения"

Совершенствуйте свои навыки в области совместных исследований и изучите основные моменты, необходимые для начала оптимальной исследовательской работы"

Содержание данной Специализированной магистратуры в области медицинских исследований было тщательно разработано TECH Технологический университет при поддержке команды врачей и экспертов в области медицинских исследований. Кроме того, TECH применил многочисленные педагогические инструменты, которые динамизируют обучение, чтобы мотивировать профессионалов исследовать свою дисциплину с помощью новейших методов. Одним из них является методика Relearning, которая освобождает студентов от долгих часов заучивания, позволяя им усваивать учебный план простым и постепенным способом. Кроме того, TECH Технологический университет предоставляет студентам многочасовые аудиовизуальные материалы в различных форматах: видеоконспекты, упражнения, самопроверки, пояснительные видеоролики и т.д. Все это делается для того, чтобы уже с первого модуля специалист познакомился с научным методом, которому необходимо следовать при проведении исследования в области здравоохранения.

Структурированная учебная программа позволит вам обновлять свои знания о данных по мере развития ваших навыков на рынке труда"

Модуль 1. Научный метод в исследованиях в области здравоохранения. Библиографическое позиционирование исследований

1.1. Определение вопроса или проблемы, требующей решения 
1.2. Библиографическое позиционирование решаемого вопроса или проблемы 

1.2.1. Поиск информации 

1.2.1.1.Стратегии и ключевые слова 

1.2.2. Pubmed и другие хранилища научных статей 

1.3. Обработка библиографических источников 
1.4. Обработка документальных источников 
1.5. Расширенный библиографический поиск 
1.6. Формирование справочных баз для многократного использования 
1.7. Менеджеры библиографии 
1.8. Извлечение метаданных при библиографическом поиске 
1.9. Определение научной методологии, которой необходимо следовать 

1.9.1. Выбор необходимых инструментов 
1.9.2. Разработка положительного и отрицательного контроля в исследовании 

1.10. Трансляционные проекты и клинические испытания: Сходства и различия 

Модуль 2. Создание рабочих групп: совместные исследования 

2.1. Определение рабочих групп 
2.2. Формирование междисциплинарных команд 
2.3. Оптимальное распределение обязанностей 
2.4. Лидерство 
2.5. Контроль за выполнением мероприятий 
2.6. Больничные исследовательские группы 

2.6.1. Клинические исследования 
2.6.2. Основные исследования 
2.6.3. Трансляционные исследования 

2.7. Совместное сетевое взаимодействие для исследований в области здравоохранения
2.8. Новые пространства для исследований в области здравоохранения 

2.8.1. Тематические сети 

2.9. Сетевые центры биомедицинских исследований 
2.10. Биобанки образцов: международные совместные исследования 

Модуль 3. Генерация исследовательских проектов 

3.1. Общая структура проекта 
3.2. Представление исходных и предварительных данных 
3.3. Определение гипотезы 
3.4. Определение общих и конкретных целей 
3.5. Определение типа выборки, количества и переменных, подлежащих измерению 
3.6. Установление научной методологии 
3.7. Критерии исключения/включения в проектах с человеческими образцами 
3.8. Создание специальной команды: баланс и экспертиза 
3.9. Формирование бюджета: тонкая настройка между потребностями и реальностью конкурса заявок  

Модуль 4. Клиническое испытание в медицинских исследованиях 

4.1. Типы клинических испытаний (КИ) 

4.1.1. Клинические испытания, продвигаемые фармацевтической промышленностью 
4.1.2. Независимые клинические испытания 
4.1.3. Переупаковка лекарств 

4.2. Фазы КИ 
4.3. Основные фигуры, вовлеченные в КИ5 
4.4. Генерация протоколов 

4.4.1. Рандомизация и слепое исследование 
4.4.2. Исследования неинфериорности 

4.5. Информационный лист пациента  
4.6. Критерии надлежащей клинической практики 
4.7. Поиск финансирования для клинических испытаний 

4.7.1. Государственное финансирование. Основные агентства Европы, Латинской Америки и США 
4.7.2. Частное финансирование. Крупнейшие фармацевтические компании 

Модуль 5. Финансирование проектов 

5.1. Поиск возможностей финансирования 
5.2. Как адаптировать проект к формату конкурса заявок? 

5.2.1. Ключи к успеху 
5.2.2. Позиционирование, подготовка и написание текста 

5.3. Государственные конкурсы заявок. Основные европейские и американские агентства 
5.4. Конкретные европейские конкурсы 

5.4.1. Проекты Горизонт 2020 
5.4.2. Мобильность человеческих ресурсов 
5.4.3. Программа мадам Кюри 

5.5. Конкурсы межконтинентального сотрудничества: Возможности для международного взаимодействия 
5.6. Запросы на сотрудничество с Соединенными Штатами 
5.7. Стратегия участия в международных проектах 

5.7.1. Как определить стратегию участия в международных консорциумах 
5.7.2. Структуры поддержки и помощи 

5.8. Международные научные лобби 

5.8.1. Доступ и создание сетей 

5.9. Частные конкурсы  

5.9.1. Фонды и финансирующие организации, занимающиеся исследованиями в области здравоохранения в Европе и Америке 
5.9.2.  Частные конкурсы на финансирование от организаций США 

5.10. Лояльность источника финансирования: ключи к устойчивой финансовой поддержке 

Модуль 6. Статистика и R в медицинских исследованиях   

6.1. Биостатистика 

6.1.1. Введение в научный метод 
6.1.2. Население и выборка. Выборочные показатели централизации 
6.1.3. Дискретные распределения и непрерывные распределения 
6.1.4. Общие сведения о статистических выводах. Вывод о среднем значении нормальной группы населения. Вывод о среднем значении генеральной группы населения 
6.1.5. Введение в непараметрический анализ 

6.2. Введение в R 

6.2.1. Основные характеристики программы 
6.2.2. Основные типы объектов 
6.2.3. Простые примеры моделирования и статистического вывода 
6.2.4. Графики 
6.2.5. Введение в программирование на языке R 

6.3. Регрессионные методы с использованием R  

6.3.1. Регрессионные модели 
6.3.2. Выбор переменных 
6.3.3. Диагностика модели 
6.3.4. Обработка нетипичных данных 
6.3.5. Регрессионный анализ 

6.4. Многомерный анализ с использованием R 

6.4.1. Описание многомерных данных 
6.4.2. Многомерные распределения 
6.4.3. Уменьшение размеров 
6.4.4. Неконтролируемая классификация: кластерный анализ 
6.4.5. Контролируемая классификация: дискриминантный анализ 

6.5. Регрессионные методы исследования с использованием R 

6.5.1. Обобщенные линейные модели (ОЛМ): пуассоновская и отрицательная биномиальная регрессия 
6.5.2. Обобщенные линейные модели (ОЛМ): логистическая и биномиальная регрессии 
6.5.3. Пуассоновская и отрицательная биномиальная регрессия с нулевым раздутием 
6.5.4. Локальные корректировки и обобщенные аддитивные модели (GAM) 
6.5.5. Обобщенные смешанные модели (GLMM) и обобщенные аддитивные смешанные модели (GAMM) 

6.6. Применение статистики в биомедицинских исследованиях с помощью R I 

6.6.1. Основные понятия R. Переменные и объекты в R. Работа с данными. Файлы. Графики 
6.6.2. Описательная статистика и функции вероятности 
6.6.3. Программирование и функции в R 
6.6.4. Анализ таблицы случайных связей 
6.6.5. Основные выводы с непрерывными переменными 

6.7. Статистика, применяемая в биомедицинских исследованиях с использованием R II 

6.7.1. Дисперсионный анализ 
6.7.2. Корреляционный анализ 
6.7.3. Простая линейная регрессия 
6.7.4. Множественная линейная регрессия 
6.7.5. Логистическая регрессия 

6.8. Статистика, применяемая в биомедицинских исследованиях с использованием R III 

6.8.1. Спутывающие переменные и взаимодействие 
6.8.2. Построение модели логистической регрессии 
6.8.3. Анализ выживаемости 
6.8.4. Регрессия Кокса 
6.8.5. Прогнозные модели. Анализ ROC-кривых 

6.9. Статистические методы сбора данных с использованием R I 

6.9.1. Введение. Добыча данных. Контролируемое и неконтролируемое обучение. Прогнозные модели. Классификация и регрессия 
6.9.2. Описательный анализ. Предварительная обработка данных 
6.9.3. Анализ главных компонентов (PCA) 
6.9.4. Кластерный анализ. Иерархические методы. Метод k-средних 

6.10. Статистические методы добычи данных с использованием R II 

6.10.1. Меры по оценке моделей. Меры прогностической способности. ROC-кривая 
6.10.2. Методы оценки моделей. Перекрестная валидация. Образцы Bootstrap 
6.10.3. Методы на основе деревьев (CART) 
6.10.4. Метод опорных векторов (SVM) 
6.10.5. Метод случайного леса (RF) и нейронные сети (NN) 

Модуль 7. Графические представления данных в медицинских исследованиях и другие виды расширенного анализа 

7.1. Типы графиков 
7.2. Анализ выживаемости 
7.3. ROC-кривая 
7.4. Многомерный анализ (типы множественной регрессии) 
7.5. Модели бинарной регрессии 
7.6. Анализ массовых данных  
7.7. Методы снижения размерности 
7.8. Сравнение методов: PCA, PPCA and KPCA 
7.9. T-SNE (t-Distributed Stochastic Neighbor Embedding) 
7.10. UMAP (Uniform Manifold Approximation and Projection) 

Модуль 8. Распространение результатов I: отчеты, мемуары и научные статьи 

8.1. Создание научного отчета или мемуаров о проекте 

8.1.1. Оптимальный подход к обсуждению 
8.1.2. Представление ограничений 

8.2. Подготовка научной статьи: Как написать статью на основе полученных данных? 

8.2.1. Общая структура 
8.2.2. Куда писать статью?   

8.3. С чего начать? 

8.3.1. Правильное представление результатов 

8.4. Введение: Ошибка начала работы с этого раздела 
8.5. Обсуждение: Кульминация 
8.6. Описание материалов и методов: Гарантированная воспроизводимость 
8.7. Выбор журнала, в который будет отправлена статья 

8.7.1. Стратегия выбора 
8.7.2. Список приоритетов 

8.8. Адаптация рукописи к различным форматам 
8.9. Сопроводительное письмо: краткая презентация исследования издателю 
8.10. Как ответить на сомнения рецензентов? Письмо-опровержение 

Модуль 9. Распространение результатов II: симпозиумы, конгрессы, распространение информации в обществе 

9.1. Представление результатов на конгрессах и симпозиумах 

9.1.1. Как создается постерный доклад? 
9.1.2. Представление данных 
9.1.3. Нацеливание сообщения 

9.2. Короткие сообщения 

9.2.1. Представление данных для коротких сообщений 
9.2.2. Нацеливание сообщения 

9.3. Пленарная лекция: заметки о том, как удерживать внимание аудитории специалистов более 20 минут 
9.4. Распространение информации среди широкой общественности 

9.4.1. Потребность vs. Возможность 
9.4.2. Использование ссылок 

9.5. Использование социальных сетей для распространения результатов 
9.6. Как адаптировать научные данные к общедоступному языку? 
9.7. Советы по краткому изложению научной статьи в нескольких символах 

9.7.1. Мгновенное распространение через Twitter 

9.8. Как превратить научную статью в материал для популяризации 

9.8.1. Подкаст  
9.8.2. Видеоролики на YouTube  
9.8.3. Tik tok 
9.8.4. Комиксы 

9.9. Популярная литература 

9.9.1. Колонки 
9.9.2. Книги 

Модуль 10. Защита и передача результатов   

10.1. Защита результатов: Общие сведения 
10.2. Оценка результатов исследовательского проекта 
10.3. Патенты: за и против 
10.4. Другие формы защиты результатов 
10.5. Перенос результатов в клиническую практику 
10.6. Передача результатов в промышленность 
10.7. Контракт на передачу технологии 
10.8. Промышленная тайна 
10.9. Создание спин-офф компаний в рамках исследовательского проекта 
10.10. Поиск инвестиционных возможностей в спин-офф компаниях 

Программа, разработанная для таких профессионалов, как вы, которые хотят улучшить свои результаты в области исследований в здравоохранении, применяя научные методы"