Con esta Especialización obtendrás todos los conocimientos necesarios para definir a la perfección el tipo de muestra, número y variables a medir en un proyecto de investigación”

La investigación científica ha permitido desarrollar herramientas útiles a nivel fisiológico del rendimiento de los atletas y también en sus competiciones. Además, la precisión de estos estudios ha ayudado a reducir las lesiones de los deportistas no tan solo con la adaptación de las pruebas, sino también con su equipamiento. Por ello, existe una fuerte demanda en el sector investigativo para incorporar a sus líneas de trabajo a especialistas dotados de actualización en esta área que controlen en profundidad aspectos como la Estadística aplicada a los ensayos.

Además, los recursos que proporcionan las nuevas tecnologías han propiciado la evolución en el desarrollo de las hipótesis y han probado los beneficios de la actividad física en el bienestar de los individuos y la mejora de su estilo de vida. Ya sean datos en formato de número, tiempo, volumen, intensidad y estructura aplicados al Deporte, esta información es muy valiosa para la aportación científica a la práctica deportiva. Por esta razón, estos conocimientos deben ser tratados y evaluados por científicos altamente cualificados con el fin de establecer conclusiones óptimas en el escenario real.

Por esta razón, TECH ha desarrollado un programa 100% online que permite un seguimiento de la materia y la adaptación de su ritmo de estudio para proporcionar gran flexibilidad a los alumnos. De esta manera, los profesionales no tendrán que prescindir de otras actividades de su 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, el profesional contará con el apoyo de un equipo docente especializado en el área que ha sido premiado con diversos reconocimientos en el sector de la salud.

Las expectativas de tu proyecto son claves para su gestión. Comprende cómo afecta la estructura y la distribución de trabajo en esta área gracias a TECH”

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

Forma parte de los profesionales a la vanguardia de los estudios en Ciencias del Deporte, 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 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.

Adopta las competencias en Estadística y R que te serán claves en el desarrollo de los proyectos de examinación cursando una titulación 100% online”

Con TECH serás capaz de aplicar la programación, el Big Data y la regresión múltiple para ofrecer un servicio mucho más preciso”

La Especialización en Herramientas para la Investigación en Salud se trata de un programa innovador que se imparte a través de una modalidad 100% online para posibilitar su estudio de manera flexible. Gracias a los métodos pedagógicos más innovadores, como la metodología Relearning, TECH ofrece una titulación completa y rigurosa que se desarrolla en tan solo 6 meses académicos. Una experiencia académica que cuenta con una guía de referencia descargable, que podrá ser consultada tras la titulación, una vez haya sido conservada en los dispositivos de los alumnos.

Matricúlate ahora y actualiza tus conocimientos en estadística aplicada a la investigación biomédica con R gracias a esta Especialización”

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
2.5.4. 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 de Componentes Principales (PCA)
2.9.5. 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 herramientas que harán de tus ensayos científicos un proceso exitoso”