Curso online – especialización profesional certificada en análisis estadístico con R para salud pública por Google e Imperial College London

Estudie estadísticas públicas y desarrolle habilidades de análisis de datos con R. Mejore su pensamiento estadístico y aprenda métodos clave de análisis de datos con R.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

a partir de

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Regulación logística
  • Regulación lineal
  • Pensamiento estadístico
  • Análisis de supervivencia
  • Análisis de datos usando R

What you will learn in the course

Courses for which the course is suitable

  • analista de datos médicos
  • Estadístico de salud pública
  • Investigador en el campo de la salud pública.
  • Analiza datos clínicos.
  • Experto en estadística médica.
  • asesor de salud publica
  • Analizador de riesgos para la salud
  • Investigador sociológico en el campo de la salud.
  • analista de tendencias de salud
  • Desarrolla modelos predictivos en el ámbito sanitario

Pasantía: una serie de cursos de cuatro partes

Introducción

Las estadísticas están por todas partes. Tiro casual hoy. Tendencias temporales de las tasas de desempleo. Posibilidades de que India gane la próxima Copa Mundial de Cricket. En un deporte como el fútbol, ​​empezó como algo divertido pero se convirtió en un gran negocio. El análisis estadístico también desempeña un papel central en la medicina, especialmente en el amplio y central campo de la salud pública.

¿Qué aprenderás en la pasantía?

En esta especialización, ayudarás a comprender qué es la investigación médica y cómo (y por qué) una idea vaga se convierte en una suposición que puede probarse científicamente. Aprenderás sobre conceptos claves en estadística como:

  • muestreo
  • incertidumbre
  • Reación
  • valores faltantes
  • distribuciones

A continuación, trabajará en el análisis de un conjunto de datos que aborda varios desafíos clave en salud pública:

  • Consumo de frutas y verduras y cáncer
  • Factores de riesgo para la diabetes
  • Predicción de la mortalidad tras la hospitalización por insuficiencia cardíaca

Todo ello utilizando R, uno de los programas gratuitos y más utilizados.

La estructura de especialización.

La pasantía consta de cuatro cursos:

  • Pensamiento estadístico
  • Regresión lineal
  • Regresión logística
  • Análisis de supervivencia

Y forma parte del programa global de Maestría en Salud Pública que debería iniciar en septiembre de 2019.

requisitos previos

La especialización se puede aprender independientemente del MPH y no requiere conocimientos previos de estadística o software R. Todo lo que necesita es interés en temas médicos y datos cuantitativos.

Proyecto de aprendizaje aplicado

En cada curso, estará expuesto a conceptos clave y un conjunto de datos que se utilizará como ejemplo durante el curso. Los datos de salud pública pueden ser confusos, con valores faltantes y distribuciones impares. Los datos que Kullan son reales o simulaciones de datos reales de pacientes (todos los datos anonimizados y con permisos de uso).

El método de aprendizaje

El énfasis estará en «aprender haciendo» y «aprender por descubrimiento» cuando encuentre problemas típicos de datos y análisis que deba resolver y discutir con los demás alumnos. Tendrá la oportunidad de trabajar en las soluciones usted mismo y junto con sus colegas antes de recibir las respuestas y explicaciones de los instructores.

Details of the courses that make up the specialization

Introducción a la estadística y análisis de datos en salud pública.

Curso 1

  • 15 horas
  • 4,7 (1.464 medidas)

Detalles del curso

Lo que aprenderás:
  • Explicar el papel fundamental de las estadísticas en la investigación y la práctica modernas de la salud pública.
  • Describir un conjunto de datos desde cero, incluidos los atributos de los elementos de datos y los problemas de calidad de los datos, utilizando estadísticas descriptivas y métodos gráficos en R.
  • Elija y utilice métodos apropiados para formular y probar asociaciones estadísticas entre variables en un conjunto de datos en R.
  • Interprete los resultados de su análisis y evalúe el papel de la suerte y el sesgo.
Habilidades que obtendrás:
  • Categoría: Análisis básico en R
  • Categoría: formulación de una hipótesis científica.
  • Categoría: Programación en R
  • Categoría: Comprender las distribuciones de datos comunes y los tipos de variables

Regresión lineal en R para salud pública

Curso 2

  • 15 horas
  • 4,8 (504 medidas)

Detalles del curso

Lo que aprenderás:
  • Explique cuándo es apropiado utilizar un modelo de regresión lineal.
  • Lea y verifique las variables del conjunto de datos utilizando el software R antes de realizar el análisis del modelo.
  • Ajustar un modelo de regresión lineal multivariado con interacciones, probar los supuestos del modelo e interpretar los resultados.
Habilidades que obtendrás:
  • Categoría: correlación y dependencia
  • Categoría: Regresión lineal
  • Categoría: Programación en R

Regresión logística en R para salud pública

Curso 3

  • 12 horas
  • 4,8 (357 medidas)

Detalles del curso

Lo que aprenderás:
  • Describa un conjunto de datos desde cero utilizando estadísticas descriptivas y métodos gráficos simples como primer paso para el análisis avanzado utilizando el software R.
  • Interprete los resultados de su análisis y evalúe el papel de la suerte y el sesgo como posibles explicaciones.
  • Ejecute análisis de regresión logística multivariante en R e interprete los resultados.
  • Estimar los supuestos del modelo para la regresión logística multivariada en R.
Habilidades que obtendrás:
  • Categoría: regresión logística
  • Categoría: Programación en R

Análisis de supervivencia en R para salud pública.

Curso 4

  • 11 horas
  • 4,5 (312 medidas)

Detalles del curso

Lo que aprenderás:
  • Ejecute gráficos de Kaplan-Meier y regresión de Cox en R e interprete los resultados.
  • Describir un conjunto de datos desde cero, utilizando estadísticas descriptivas y métodos gráficos simples como preparación para análisis más avanzados.
  • Describir y comparar algunos métodos comunes para seleccionar un modelo de regresión multivariado.
Habilidades que obtendrás:
  • Categoría: Comprender formas comunes de seleccionar predictores en un modelo de regresión
  • Categoría: Ejecución e interpretación de curvas de Kaplan-Meier en R
  • Categoría: Construcción de un modelo de regresión de Cox en R