Menú
¡Llama gratis! 900 264 357

Experto universitario en bioestadística aplicada y análisis de datos Online

ESHE - European School Health Education

Programa de Experto universitario en bioestadística aplicada y análisis de datos

ESHE - European School Health Education
Online Duración: 450
Pedir información
Online
450 €

Descripción

En este programa se busca ofrecer a los alumnos una amplia formación bioestadística para garantizar un buen tratamiento de la información además de contar con una buena actitud ante los resultados.

Este Experto nace de la necesidad de profesionales dotados de conocimientos para la investigación, el manejo y el análisis datos en la bioestadística, expertos que sin importar su formación académica, desarrollarán su actividad investigadora o profesional haciendo hincapié en el manejo de las herramientas estadísticas en las Ciencias de la salud y de la vida. La sociedad busca profesionales que se encarguen del diseño, registro, selección, ordenación, síntesis y tratamiento de la información que será herramienta útil de soporte para la toma de decisiones.  

A quién va dirigido

Se ha diseñado el experto para que lo realicen especialmente diplomados o graduados en ciencias de la salud.

Objetivos

Implementar lo aprendido y las destrezas obtenidas.

Adaptar la oferta académica a las tendencias profesionales del mercado laboral en lo que respecta a la investigación en epidemiología e investigación clínica.

Unir experiencia, reflexión y aprendizaje teórico y práctico.

Enseñar los conceptos y métodos estadísticos de una forma clara, así como la de su aplicación.

Generar individuos conocedores de diversas técnicas y procedimientos de análisis estadístico.

Temario

MÓDULO I


Tema I. Bioestadística aplicada a las ciencias de la salud:

Introducción a la estadística aplicada a las ciencias de la salud.

Definición de estadística.

Población y muestra.

Cálculo del tamaño muestral.

Tipo de muestreo.

Procedimiento de muestreo.

Variables.

Presentación ordenada de datos.

Representaciones gráficas.

Autoevaluación.

Resumen.


Tema II. Estadística descriptiva:

Introducción.

Estadísticos de tendencia central.

Estadísticos de posición.

Estadísticos de dispersión.

Medidas de forma.

Autoevaluación.

Resumen.


Tema III. Estadística bivariante:

Introducción.

Tablas de contingencia.

Diagrama de dispersión.

Covarianza.

Regresión.

Bondad del ajuste.

Autoevaluación.

Resumen.


Tema IV. Índices clínicos:

Introducción.

Estadígrafos, precisión y exactitud.

Cuestiones clínicas.

Recopilación de datos, variabilidad y recopilación en investigación clínica.

Estudios de cohortes, caso y control.

Ensayos aleatorios controlados (RTC, randomized controlled trials).

Clasificación de enfermedades por diagnóstico.

Índices clínicos.

Ejemplo.

Postulados de Gaten y Gambino.

Autoevaluación.

Resumen.


Tema V. Introducción a la teoría de la probabilidad:

Introducción.

Nociones y modelos de probabilidad.

Experimento aleatorizado.

Probabilidad condicionada.

Dependencia de sucesos.

Teoría de la probabilidad total.

Teorema de Bayes.

Aplicación de la teoría de probabilidad a las pruebas diagnósticas.

Ejercicios resueltos.

Autoevaluación.

Resumen.


Tema VI. Modelos probabilísticos:

Introducción.

Distribuciones de variable aleatoria.

Función de probabilidad.

Función de la densidad y la distribución.

Esperanza matemática. Varianza y desviación típica.

Distribuciones discretas.

Distribución de Bernoulli.

Distribución binomial.

Distribución geométrica.

Distribución de Poisson.

Distribuciones continuas.

Distribución uniforme.

Distribución exponencial.

Distribución normal.

Puntuación Z.

Teorema del límite central.

Autoevaluación.

Resumen.


Tema VII. Inferencia estadística:

Introducción.

Estimación.

Métodos de inferencia estadística.

Hipótesis.

Ejemplos de hipótesis.

Región crítica.

Intervalo de confianza.

Significación.

Ejemplo.

Teoría del error en el contraste de hipótesis.

Ejercicios resueltos. Contraste para una media.

Ejercicio resuelto. Contraste para una varianza.

Ejercicio resuelto, para proporciones.

Ejercicio resuelto, una proporción.

Ejercicio resuelto, continuación.

Ejercicio resuelto, comparación de dos medias muestrales.

Ejercicio resuelto, comparación de dos proporciones.

Contraste de hipótesis para muestras pequeñas.

Modelo t de Student.

Ejercicios resueltos.

Ejercicio resuelto, t para una proporción.

Ejercicio resuelto, t para dos medias.

Ejercicio resuelto, t para dos muestras relacionadas.

El modelo de ji cuadrado (?2).

Ejercicio resuelto, máximo esperado con.

Ejercicio resuelto, modelo de Fisher.

Prueba Ji cuadrado, modelos no parametrizados.

Ejercicio resuelto, Ji cuadrado para dos proporciones.

Autoevaluación.

Resumen.


Tema VIII. Prácticas en SPSS:

Reconocimiento del programa.

Práctica 1. Introducción de datos al SPSS.

Práctica 2. Tablas de frecuencias en SPSS.

Práctica 3. Estadísticos descriptivos con SPSS.

Práctica 4. Gráficos en SPSS.

Práctica 5. Regresión lineal simple con SPSS.

Práctica 6. Tablas de contingencia con SPSS.

Práctica 7. Tabla de contingencia de variables cuantitativas en intervalos.

Práctica 8. Ji-cuadrado X2 con SPSS.

Práctica 9. Prueba t para muestras relacionadas.

Práctica 10. Prueba t para muestras independientes.

Práctica 11. ANOVA.

Práctica 12. Contraste no paramétrico para muestras relacionadas.

Práctica 13. Contraste no parametrizado para muestras independientes.

Autoevaluación.

Resumen.


Tema IX. Ejercicios con R GUI:

Estadística descriptiva.

Gráficos para datos agrupados en intervalos.

Medidas de posición y dispersión.

Tablas de doble entrada.

Cálculo de probabilidades.

Distribución binomial.

Distribución de poisson, geométrica e hipergeométrica.

Modelos unidimensionales continuos.

Distribuciones uniforme, beta, gamma, de cauchy y logística.

Modelos unidimensionales asociados a la normal.

Distribución ?2 de Pearson.

Distribución t de student.

Estimación, intervalos y test para una y dos muestras.

Test para la media de una población normal.

Análisis de la varianza.

Ejemplo 21. Análisis de la varianza.

Ejemplo 22. Tukey HSD para comparaciones múltiples.

Ejemplo 23. Diseño por bloques aleatorizados de un factor.

Ejemplo 24. Diseño por bloques aleatorizados de dos factores.

Regresión lineal y correlación.

Ejemplo 25. Regresión lineal simple.

Ejemplo 26. Correlación de dos variables.

Pruebas ?2.

Autoevaluación.

Resumen.

Apéndice: Tabla de estadísticas:


Tabla 1: Distribución normal.

Tabla 2: Distribución t de Student.

Tabla 3: Distribución ?2.

Tabla 4: Distribución F de Fisher.

Tabla 5: Probabilidades binomiales.

Tabla 6: Probabilidades de Poisson.

Tabla 7: Tabla de números al azar.

Tabla 8: Base de datos obesidad.

Tabla 9: Calcio.

Tabla 10: Lectura.

Tabla 11: Osteoporosis.

Tabla 12: Semillas.


MÓDULO II


Tema I. Introducción a la epidemiología:

Introducción.

Definición y principios de la epidemiología.

Origen y propósitos de la epidemiología clínica.

Situación actual.

Usos de la epidemiología.

¿Epidemiología clínica o clínica epidemiológica?

¿Medicina basada en la evidencia o en la incertidumbre?

Resumen.

Autoevaluación.


Tema II. Introducción a los diseños epidemiológicos. Cómo y por qué investiga la epidemiología:

Elección del diseño epidemiológico.

Etapas en el diseño de una investigación epidemiológica.

Características de la exposición.

Las medidas de la epidemiología.

Resumen.

Autoevaluación.


Tema III. Tipos de estudios epidemiológicos. Clasificaciones:

Clasificaciones.

Resumen.

Autoevaluación.


Tema IV. Estudios descriptivos:

Introducción.

Estudios ecológicos.

Series de casos.

Estudios transversales (de prevalencia).

Resumen.

Autoevaluación.


Tema V. Estudios analíticos:

Introducción.

Estudios observacionales.

Estudio de casos y controles.

Estudio de cohortes (o de seguimiento).

Diseño de los estudios de cohortes.

Estructura adoptada por los estudios de cohortes.

Principales usos de los estudios de cohorte.

Algunas limitaciones propias de estos diseños.

Estudios experimentales.

Diferentes tipos de ensayos clínicos.

Otros tipos de ensayos clínicos.

Resumen.

Autoevaluación.


Tema VI. Variables del estudio:

Variables dependientes.

Variables independientes.

Resumen.


Tema VII. Elementos de la investigación:

La pregunta de la investigación, hipótesis y randomización.

Población, muestra y muestreo.

Maniobra, resultado u outcome y validez.

Variable.

Asignación aleatoria.

Consentimiento informado y reproducibilidad.

Cuantificación del riesgo en un estudio.

Intervalos de confianza para la estimación del riesgo.

Resumen.

Autoevaluación.


Tema VIII. Estadística descriptiva e inferencial:

Introducción.

Medidas de descripción de datos.

Lo que deben medir las estadísticas.

Desviación estándar, intervalo de confianza y estándar de oro.

Sensibilidad, especificidad y distribución normal.

Tendencia central, incidencia y prevalencia.

Varianza, amplitud o rango y medida de la dispersión de una muestra.

Diferencias, distribución y diseño.

Meta-análisis, modelos y nivel de significación.

Número que es Necesario Tratar (NNT).

P (p- valor), P (Probabilidad) y percentil.

Coeficientes y significaciones.

Tabla de contingencia.

Resumen.

Autoevaluación.


Tema IX. Pruebas estadísticas:

Introducción.

Pruebas.

Análisis.

Resumen.

Autoevaluación.


Tema X. Sesgos. Precisión y validez de un estudio:

Introducción.

Sesgo.

Resumen.

Autoevaluación.


Tema XI. Tests estadísticos:

Introducción.

Prueba de Kolmogorov-Smirnov y prueba de F.

Test de chi al cuadrado y prueba exacta de Fisher.

Prueba de Mcnemar, prueba binomial y test de correlación de Pearson.

Coeficiente de Kappa.

Coeficiente de correlación intraclase (ICC).

Test de correlación de Spearman, test de Wilcoxon y prueba de Shapiro-Wilks.

Prueba “t” de Student-Fisher.

Test de Mann-Whitney.

Prueba de Kruskal-Wallis.

Pruebas no-paramétricas.

Elección de la técnica estadística apropiada.

Los pasos siguientes.

Resumen.

Autoevaluación.


Tema XII. Búsqueda y selección de información:

Introducción.

Modos de acceso y metodología de búsqueda.

Direcciones de algunas bases de datos accesibles a través de Internet.

La búsqueda en la base de datos medline a través de Internet (PUBMED).

Resumen.

Autoevaluación.

Titulación obtenida

Experto universitario en bioestadística aplicada y análisis de datos acreditado por la Universidad Europea Miguel de Cervantes.

Requisitos

Para acceder a esta formación se deben presentar los siguientes documentos:

  • DNI, TIE o Pasaporte.
  • Titulación correspondiente o certificado de estar cursando el último año de grado o licenciatura.
  • Documento de pago de tasas de matrícula.


Si hay más solicitudes que plazas, habrá prioridad con los profesionales que tengan en riesgos laborales y por orden de inscripción.


Información Adicional

20 créditos


Evaluación


La misma de estructura de 171 test de opción V/F. Para que se de por finalizado el experto los alumnos deben presentar un trabajo de fin de experto de la menos 30 páginas acerca de un tema escogido de alguno de los propuestos por el equipo de tutores. En caso de no superar el total de las evaluaciones conjuntamente, el alumno dispone de una segunda oportunidad sin coste adicional.


Duración

Los estudiantes cuentan con un mínimo de 4 meses y un máximo de 6 para realizar el experto.


Salidas profesionales

  1. Mejora la puntuación en la carrera profesional y curriculum.
  2. Contribuye al desarrollo profesional y actualización de competencias profesionales de su categoría profesional.
  3. Puntuación en baremos de demandantes de empleo del Sistema Nacional de Salud.
  4. Especialización en bolsas específicas de la especialidad.
  5. Favorece la contratación laboral preferente, según criterios de perfiles de la Comunidad Autónoma.


Contacta ahora con el centro