Descripción

La trombosis venosa es una enfermedad que se puede prevenir y curar, pero que sigue ocasionando un elevado número de muertes”

La trombosis es una patología que puede afectar a cualquier persona, independientemente de su edad, y que, con frecuencia, no se suele diagnosticar, pudiendo llegar a convertirse en una enfermedad grave. Por ello, realizar una detección precoz sobre la trombosis venosa es imprescindible para tratar esta enfermedad y disminuir las secuelas que puedan ocasionar en los pacientes. También existen medidas preventivas, como las físicas o las farmacológicas.

Durante el estudio de este Especialización, el alumno se centrará en la bioinformática aplicada a los tromboembolismos venosos, con un programa diseñado por especialistas en este ámbito, por lo que los estudiantes recibirán una formación completa y específica de la mano de expertos en la materia.

Así, con esta formación se pretenden establecer las bases del conocimiento en este campo, partiendo de los estudios de la fisiopatología y epidemiología de la enfermedad tromboembólica venosa. También se estudiarán los datos ómicos, que permitirán al especialista adentrarse en el lenguaje de programación R, y los modelos predictivos.

Por tanto, después de realizar y superar el Especialización, los alumnos habrán adquirido conocimientos teóricos necesarios para llevar a cabo un tratamiento efectivo de la trombosis venosa en los principales ámbitos de actuación del profesional.

No dejes pasar la oportunidad de realizar este Especialización en Bioinformática Aplicada a Tromboembolismo Venoso con nosotros. Es la oportunidad perfecta para avanzar en tu carrera”

Este Especialización en Bioinformática Aplicada a Tromboembolismo Venoso contiene el programa educativo más completo y actualizado del mercado. Las características más destacadas del curso son:

  • El desarrollo de casos prácticos presentados por expertos. en Bioinformática Aplicada a Tromboembolismo Venoso.
  • Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional.
  • Las novedades sobre Bioinformática Aplicada a Tromboembolismo Venoso.
  • Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje.
  • Su especial hincapié en metodologías innovadoras en Bioinformática Aplicada a Tromboembolismo Venoso.
  • 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.

Este Especialización puede ser la mejor inversión que puedes hacer en la selección de un programa de actualización por dos motivos: además de poner al día tus conocimientos en Bioinformática Aplicada a Tromboembolismo Venoso, obtendrás una titulación avalada por la primera institución educativa de España, TECH Universidad Tecnológica”

Incluye en su cuadro docente a profesionales pertenecientes al ámbito de la Bioinformática Aplicada a Tromboembolismo Venoso, que vierten en esta formación 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 formación inmersiva programada para entrenarse ante situaciones reales.

El diseño de este programa se centra en el aprendizaje basado en problemas, mediante el cual el especialista deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, el profesional contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos en Bioinformática Aplicada a Tromboembolismo Venoso, y con gran experiencia.

Esta formación cuenta con el mejor material didáctico, lo que te permitirá un estudio contextual que te facilitará el aprendizaje"

Este Especialización 100% online te permitirá compaginar tus estudios con tu labor profesional a la vez que aumentas tus conocimientos en este ámbito"

Temario

La estructura de los contenidos ha sido diseñada por los mejores profesionales del sector, con una amplia trayectoria y reconocido prestigio en la profesión, avalada por el volumen de casos revisados, estudiados y diagnosticados, y con amplio dominio de las nuevas tecnologías aplicadas a la bioinformática.

Este Especialización en Bioinformática Aplicada a Tromboembolismo Venoso contiene el programa científico más completo y actualizado del mercado”

Módulo 1. Fisiopatologia y Epidemiologia de la Enfermedad Tromboembólica Venosa

1.1. Introducción general a la complejidad y al impacto clínico de la ETEV.

1.1.1. Introducción general a la complejidad.
1.1.2. Impacto clínico de la ETEV.

1.2. Generación de un trombo patológico.

1.2.1. El equilibrio de la hemostasia.
1.2.2. La ruptura del equilibrio (Triada de Virchow clásica) y las consecuencias.
1.2.3. Función venosa normal y patológica.
1.2.4. Papel de las valvas venosas en el trombo patológico.
1.2.5. Papel del endotelio vascular.
1.2.6. Papel de las plaquetas y polifosfatos.
1.2.7. Papel de las trampas extracelulares de neutrófilos (NETs).
1.2.8. Papel de las micropartículas circulantes.
1.2.9. Procesos inflamatorios locales.
1.2.10. La trombosis paraneoplásica (relación con Módulo 4).
1.2.11. Mecanismo y lugar de formación de trombo.

1.3 Clasificación y características de la ETEV según lugares anatómicos.

1.3.1. Localización en extremidades inferiores.
1.3.2. Localización en extremidades superiores.
1.3.3. Tromboembolismo pulmonar.
1.3.4. Localizaciones atípicas.

1.3.4.1. Viscerales.
1.3.4.2. Intracraneales.

1.4. Clasificación de las trombosis según circunstancias asociadas.

1.4.1. ETEV espontánea vs secundaria.
1.4.2. Factores de riesgo ambientales (Tabla a).
1.4.3. Papel de raza, edad y sexo.
1.4.4. Papel de los dispositivos intravasculares (catéteres endovenosos).

1.5. Secuelas de la ETEV.

1.5.1. Síndrome postrombótico y trombosis residual. Relación con la recidiva.
1.5.2. Hipertensión pulmonar crónica.
1.5.3. Mortalidad a corto y largo plazo
1.5.4. Sobre la calidad de vida

1.6. Impacto de la ETEV en el conjunto de las enfermedades mundiales

1.6.1. Contribución en la carga de enfermedad global.
1.6.2. Impacto sobre la economía.

1.7. Epidemiologia de la ETEV.

1.7.1. Variables que influyen (edad, raza, comorbilidades, fármacos, factores estacionales….).

1.8. Riesgo y Epidemiologia de la recidiva trombótica.

1.8.1. Diferencias entre sexos.
1.8.2. Diferencias según las circunstancias asociadas al primer episodio.

1.9. Trombofilia.

1.9.1. Concepto clásico.
1.9.2. Biomarcadores biológicos de trombofilia.

1.9.2.1. Genéticos.
1.9.2.2. Plasmáticos.
1.9.2.3. Celulares.

1.9.3. Estudio de laboratorio de la trombofilia.

1.9.3.1. Debate sobre su utilidad.
1.9.3.2. Anomalías clásicas.
1.9.3.3. Otros biomarcadores o fenotipos intermediarios (Tabla b).

1.10. La trombofilia como concepto de patología compleja y crónica.

1.10.1. Alta complejidad (ver apartado 2.1).
1.10.1. Importancia de la base genética. Concepto de heredabilidad.
1.10.2. Factores de riesgo genético conocidos (Tabla c). Relación con Módulos 7 y 8.
1.10.3. La heredabilidad por descubrir.

1.11. Perfil de riesgo individual.

1.11.1. Concepto.
1.11.2. Componentes permanentes (genéticos).
1.11.3. Circunstancias cambiantes.
1.11.4. Modelos matemáticos nuevos y potentes para evaluar conjuntamente todas las variables de riesgo (relación con Módulo 9).

Módulo 2. Datos Ómicos: Introducción al lenguaje de programación R

2.1. Introducción básica al sistema operativo UNIX/Linux.

2.1.1. Historia y filosofía.
2.1.2. Intérprete de comandos (Shell).
2.1.3. Comandos básicos en Linux.
2.1.4. Procesadores de texto.

2.2. Gestión de archivos en UNIX/Linux.

2.2.1. Sistema de ficheros.
2.2.2. Usuarios y grupos.
2.2.3. Permisos.

2.3. Gestión de sistemas UNIX/Linux.

2.3.1. Tareas (jobs).
2.3.2. Registros (logs).
2.3.3. Herramientas de monitorización.
2.3.4. Redes.

2.4. Introducción y características básicas de R.

2.4.1. ¿Qué es R?
2.4.2. Primeros pasos.

2.4.2.1. Instalación e interfaz gráfica
2.4.2.2. Espacio de trabajo (workspace)

2.4.3. Extensiones en R

2.4.3.1. Paquetes estándar.
2.4.3.2. Paquetes aportados, CRAN y Bioconductor.

2.5. Tipos de datos en R.

2.5.1. Vectores.
2.5.2. Listas.
2.5.3. Variables indexadas (arrays) y matrices.
2.5.4. Factores.
2.5.5. Hojas de datos (data frames).
2.5.6. Strings de texto.
2.5.7. Otros tipos de datos.

2.6. Gestión de los datos en R.

2.6.1. Importar y exportar datos.
2.6.2. Manipulación de datos.

2.6.2.1. Vectores.
2.6.2.2. Matrices.
2.6.2.3. Strings de texto.
2.6.2.4. Hojas de datos.

2.7. Funciones de control y bucles en R.

2.7.1. Ejecución condicional: if.
2.7.2. Ciclos: for, repeat, while.
2.7.3. Funciones del tipo *apply.

2.8. Modelos estadísticos en R.

2.8.1. Datos univariantes.
2.8.2. Datos multivariantes.
2.8.3. Test de hipótesis.

2.9. Representación gráfica en R.

2.9.1. Representaciones básicas.
2.9.2. Parámetros y elementos gráficos.
2.9.3. El paquete ggplot2.

2.10. Definición de funciones en R.

2.10.1. Ejemplos simples.
2.10.2. Argumentos y valores predeterminados
2.10.3. Asignaciones dentro de una función

Módulo 3. Modelos Predictivos

3.1. Aprendizaje estadístico.

3.1.1. Estimación de f.
3.1.2. Aprendizaje supervisado y no supervisado.
3.1.3. Problemas de regresión y de clasificación.
3.1.4. Modelos lineales y no lineales.

3.2. Preprocesamiento de los datos.

3.2.1. Normalización.
3.2.2. Imputación.
3.2.3. Valores atípicos (outliers).

3.3. Regresión lineal.

3.3.1. Modelos lineales.
3.3.2. Análisis de la varianza (ANOVA).
3.3.3. Modelos de efectos mixtos.

3.4. Clasificación.

3.4.1. Regresión logística.
3.4.2. Análisis discriminante lineal.
3.4.3. K vecinos más próximos (KNN).

3.5. Métodos de remuestreo.

3.5.1. Validación cruzada.

3.5.1.1. Conjunto de validación o test.
3.5.1.2. Validación cruzada dejando uno fuera (leave one out).
3.5.1.3. Validación cruzada de k iteraciones (k-fold).

3.5.2. Bootstrap.

3.6. Selección de modelos lineales.

3.6.1. Comparación de modelos anidados.
3.6.2. Algoritmos stepwise.
3.6.3. Diagnóstico de modelos lineales.

3.7. Regularización.

3.7.1. La maldición de la dimensión.
3.7.2. Regresión de componentes principales
3.7.3. Regresión de mínimos cuadrados parciales
3.7.4. Métodos de shrinkage

3.7.4.1. Regresión Ridge.
3.7.4.2. LASSO.

3.8. Métodos basados en árboles de decisión.

3.8.1. Introducción a los árboles de decisión.
3.8.2. Tipos de árboles de decisión.

3.8.2.1. Bagging.
3.8.2.2. Bosques aleatorios (random forests).
3.8.2.3. Boosting.

3.9. Máquinas de soporte vectorial.

3.9.1. Clasificadores de margen máximo.
3.9.2. Máquinas de soporte vectorial.
3.9.3. Afinación de los hiperparámetros.

3.10. Aprendizaje no supervisado.

3.10.1. Análisis de componentes principales.
3.10.2. Métodos de agrupamiento (clustering).

3.10.2.1. Agrupamiento k-medias (k-means).
3.10.2.2. Agrupamiento jerárquico.

Esta formación te permitirá avanzar en tu carrera de una manera cómoda”