Con esta Postgraduate diploma obtendrás todos los conocimientos necesarios en nuevas herramientas de investigación para que estés a la altura de las exigencias del sector” 

La innovación incremental justifica el examen que siguen algunos fármacos a la hora de comercializarse. Y es que para conseguir obtener el “producto estrella” algunas sociedades han minusvalorado la labor farmacéutica en el mercado. En ocasiones, incluso se llegó a retirar medicamentos que afectaban a la salud de los individuos. Un ejemplo de ello es la suspensión temporal de la cerivastatina, a solicitud del laboratorio farmacéutico Bayer, S.A, por provocar daños renales a quienes lo consumieron.

En este sentido, es fundamental que las farmacéuticas cuenten con personal que comprenda en profundidad los protocolos de actuación, actúen bajo la ética profesional y, sobre todo, se encuentren en constante actualización. Para atender a la demanda de cualificación presente en el mercado laboral, TECH ha desarrollado un programa riguroso que indaga en el manejo de la información clínica, clave para la gestión del ámbito sociosanitario, así como en la investigación y la publicación de artículos, tesis e informes aplicados. De esta manera, los especialistas aumentarán su competitividad en el mercado laboral asumiendo conocimientos nuevos en torno a la investigación.

Se trata de un programa 100% online que permite un seguimiento de la materia sin tener que prescindir del resto de actividades de la 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, los profesionales contarán con el apoyo de un equipo docente especializado en el área que ha sido premiado con diversos reconocimientos en el sector de la salud.

La estructura general de un proyecto es clave para su rendimiento. Adéntrate en la correcta generación de los estudios científicos para comprender el grado en el que inciden sus antecedentes”  

Esta Postgraduate diploma en Tools for Health Research contiene el programa universitario 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

Ahora puedes formar parte de los profesionales a la vanguardia de los estudios en farmacéutica, 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 a los profesionales 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 los profesionales deberán tratar de resolver las distintas situaciones de práctica profesional que se les planteen a lo largo del curso académico. Para ello, contarán con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.    

La estadística y R son claves en investigación en ciencias de la salud. Adéntrate en esta área manejando datos de población y trabajando muestras con garantías de éxito"

Domina las Curvas ROC y los tipos de análisis de regresión múltiple para aplicarlos en tus estudios y ofrecer un servicio más preciso"

The syllabus of this Postgraduate diploma in Tools for Health Research has been developed by experts in health sciences in order to guarantee the correct instruction of the students. Thus, TECHoffers a program that explores the generation of research projects, statistics and R in health research and graphical representations of data, among many other issues. All this, in a simple way thanks to 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. 

Enroll now and stay in line with the statistical update. With TECHyou will use innovative tools such as GLM and GAMM” 

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. Expectations: An Important Element that we Forget
1.10. Budget Generation: A fine Tuning Between the Needs and the Reality of the Call
1.11. Ethical Aspects

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. Cluster Analysis. Hierarchical Methods. K-Means

2.10. Statistical Data Mining Techniques with R II

2.10.1. Model Assessment 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 Neighbor Embedding)
3.10. UMAP (Uniform Manifold Approximation and Projection)

A program designed to master your skills and obtain innovative techniques and strategies in the field of research"