Con esta Postgraduate diploma 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 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

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”

The Postgraduate diploma in Health Research Tools is an innovative program that is taught through a 100% online modality to enable flexible study. Thanks to the most innovative teaching methods, such as the Relearning methodology, TECH offers a complete and rigorous degree that is developed in only 6 academic months. An academic experience that includes a downloadable reference guide, which can be consulted after the degree, once it has been saved on the students' devices. 

Enroll now and update your knowledge in statistics applied to biomedical research with R thanks to this Postgraduate diploma”

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. Treatment of Outliers
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
2.5.1. Local Fits and Generalized Additive Models (GAMs)
2.5.1. 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
2.7.4. 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. Principal Component Analysis (PCA)
2.9.5. 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)

Die von diesen Fachleuten ausgearbeiteten didaktischen Materialien dieses Studiengangs haben vollständig auf Ihre Berufserfahrung anwendbare Inhalte”