Dieser Kurs führt Sie in ein Rahmenwerk für erfolgreiches und ethisches medizinisches Data Mining ein. Wir werden uns mit der Vielfalt der klinischen Daten beschäftigen, die im Rahmen der Gesundheitsversorgung gesammelt werden. Sie werden lernen, analysereife Datensätze zu erstellen und computergestützte Verfahren anzuwenden, um klinische Fragen zu beantworten. Wir werden auch Fragen der Fairness und Voreingenommenheit untersuchen, die sich ergeben können, wenn wir Daten aus dem Gesundheitswesen nutzen, um Entscheidungen über die Patientenversorgung zu treffen. Um die Patientenversorgung zu verbessern, ist Stanford Medicine gemeinsam vom Accreditation Council for Continuing Medical Education (ACCME), dem Accreditation Council for Pharmacy Education (ACPE) und dem American Nurses Credentialing Center (ANCC) akkreditiert, um Weiterbildungen für das Gesundheitsteam anzubieten. In den FAQs unten finden Sie wichtige Informationen zu 1) Datum der ursprünglichen Veröffentlichung und Ablaufdatum; 2) Angaben zur Akkreditierung und Credit Designation; 3) Offenlegung finanzieller Beziehungen für jede Person, die für den Inhalt der Aktivität verantwortlich ist.
Einführung in klinische Daten
Einführung in klinische Daten
Dieser Kurs ist Teil von Spezialisierung „KI im Gesundheitswesen“
Unterrichtet in Deutsch (KI-Synchronisation)
Dozenten: Nigam Shah
44.256 bereits angemeldet
Bei Mehr erfahren enthalten
516 Bewertungen
Was Sie lernen werden
Wie man ein Framework für medizinisches Data Mining anwendet
Ethische Nutzung von Daten bei Entscheidungen im Gesundheitswesen
Wie Sie Daten, die möglicherweise ungenau sind, systematisch nutzen können
Was eine gute Forschungsfrage ausmacht und wie man einen Data-Mining-Workflow entwickelt, um sie zu beantworten
Kompetenzen, die Sie erwerben
- Kategorie: Verantwortungsvolle AI
- Kategorie: Daten-Ethik
- Kategorie: Gesundheitliche Ungleichheiten
- Kategorie: Elektronische Krankenakte
- Kategorie: Unstrukturierte Daten
- Kategorie: Data Mining
- Kategorie: Medizinische Bildgebung
- Kategorie: Datenwrangling
- Kategorie: Klinische Forschung
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Ethik in der klinischen Forschung
- Kategorie: Text Mining
- Kategorie: Technische Merkmale
- Kategorie: Management von Gesundheitsinformationen
- Kategorie: Datenumwandlung
- Kategorie: Datenerhebung
- Kategorie: Verwaltung klinischer Daten
- Kategorie: Ethik im Gesundheitswesen
- Kategorie: Gesundheitsinformatik
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
20 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 8 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Mehr von Datenanalyse entdecken
University of Colorado System
Stanford Online
Stanford Online
University of Colorado System
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 Sterne
74,85 %
- 4 Sterne
17,98 %
- 3 Sterne
5,02 %
- 2 Sterne
0,96 %
- 1 Stern
1,16 %
Zeigt 3 von 516 an
Geprüft am 19. Nov. 2020
It would be helpful to be able to see all items that need to be completed. I took the final test and it says I've only completed 2 of 5 courses.
Geprüft am 31. Dez. 2024
Amazing! Outstanding! Gives much more insight even than courses released for engineers and data scientists.
Geprüft am 15. Feb. 2021
Was helpful and informational - a non-healthcare technologist looking into healthcare data management
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,