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 Postgraduate diploma en Health Research Tools 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 Postgraduate diploma en Health Research Tools 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”

The contents of this Postgraduate diploma in Health Research Tools has been developed by experts in health sciences Thus, TECH Global University offers a program that explores the generation of research projects, statistics and R in health research and graphical representations of data health research and other advanced analysis. All this, through the innovative Relearning methodology, which will exempt students from long hours of study, turning it into a constant learning based on theoretical and practical exercises. 

The scientific context is constantly changing at a fast pace. Don't get left behind in the statistical update and use the innovative tools that TECH offers you"

Module 1. Generation of Research Projects 

1.1. General Structure of a Project 
1.2. Presentation of Background and Preliminary Data 
1.3. Definition of the Hypothesis 
1.4. Definition of General and Specific Objectives 
1.5. Definition of the Type of Sample, Number and Variables to be Measured 
1.6. Establishment of the Scientific Methodology 
1.7. Exclusion/Inclusion Criteria in Projects with Human Samples 
1.8. Establishment of the Specific Team: Balance and Expertise 
1.9. Ethical aspects and Expectations: an Important Element that we Forget 
1.10. Budget Generation: a fine Tuning Between the Needs and the Reality of the Call

Module 2. Statistics and R in Health Research   

2.1. Biostatistics 

2.1.1. Introduction to The Scientific Method 
2.1.2. Population and Sample. Sampling Measures of Centralization 
2.1.3. Discrete Distributions and Continuous Distributions 
2.1.4. General Outline of Statistical Inference. Inference about a Normal Population Mean. Inference about a General Population Mean 
2.1.5. Introduction to Nonparametric Inference 

2.2. Introduction to R 

2.2. 1 Basic Features of the Program 
2.2. 2 Main Object Types 
2.2. 3 Simple Examples of Simulation and Statistical Inference 
2.2. 4 Graphs 
2.2. 5 Introduction to R Programming 
2.3. Regression Methods with R  

2.3.1. Regression Models 
2.3.2. Variable selection 
2.3.3. Model diagnosis 
2.3.4. Outlier treatment 
2.3.5. Regression analysis 

2.4. Multivariate Analysis with R 

2.4.1. Description of Multivariate Data 
2.4.2. Multivariate Distributions 
2.4.3. Dimension Reduction 
2.4.4. Unsupervised Classification: Cluster Analysis 
2.4.5. Supervised Classification: Discriminant Analysis 

2.5. Regression Methods for Research with R 

2.5.1. Generalized Linear Models (GLM): Poisson Regression and Negative Binomial Regression 
2.5.2. Generalized Linear Models (GLM): Logistic and Binomial Regressions 
2.5.3. Poisson and Negative Binomial Regression Inflated by Zeros 
2.5.4. Local Fits and Generalized Additive Models (GAMs) 
2.5.5. Generalized Mixed Models (GLMM) and Generalized Additive Mixed Models (GAMM) 

2.6. Statistics Applied to Biomedical Research with R I 

2.6.1. Basic Notions of R. Variables and Objects in R. Data handling. Files Graphs 
2.6.2. Descriptive Statistics and Probability Functions 
2.6.3. Programming and Functions in R 
2.6.4. Contingency Table Analysis 
2.6.5. Basic Inference with Continuous Variables 

2.7. Statistics Applied to Biomedical Research with R II 

2.7.1. Analysis of Variance 
2.7.2. Correlation Analysis 
2.7.3. Simple Linear Regression 
6.7.4. Multiple Linear Regression 
2.7.5. Logistic Regression 

2.8. Statistics Applied to Biomedical Research with R III 

2.8.1. Confounding Variables and Interactions 
2.8.2. Construction of a Logistic Regression Model 
2.8.3. Survival Analysis 
2.8.4. Cox Regression 
2.8.5. Predictive Models. ROC Curve Analysis 

2.9. Statistical Data Mining Techniques with R I 

2.9.1. Introduction. Data Mining. Supervised and Unsupervised Learning. Predictive Models Classification and Regression
2.9.2. Descriptive Analysis Data Pre-Processing
2.9.3. Principal Component Analysis (PCA) 
2.9.4. Cluster Analysis. Hierarchical Methods. K-Means 

2.10. Statistical Data Mining Techniques with R II 

2.10.1. Model Evaluation Measures. Predictive Ability Measures. ROC Curves 
2.10.2. Models Assessment Techniques. Cross-Validation. Bootstrap Samples 
2.10.3. Tree-Based Methods (CART) 
2.10.4. Support Vector Machines (SVM) 
2.10.5. Random Forest (RF) and Neural Networks (NN) 

Module 3. Graphical Representations of Data in Health Research and Other Advanced Analysis

3.1. Types of Graphs 
3.2. Survival Analysis 
3.3. ROC Curves 
3.4. Multivariate Analysis (Types of Multiple Regression) 
3.5. Binary Regression Models 
3.6. Massive Data Analysis  
3.7. Dimensionality Reduction Methods 
3.8. Comparison of Methods: PCA, PPCA and KPCA 
3.9. T-SNE (t-Distributed Stochastic Stochastic Neighbor Embedding) 
3.10. UMAP (Uniform Manifold Approximation and Projection) 

Make the most of this opportunity to learn about the latest advances in this subject to apply it to your daily practice"