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
Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.
Einführung in klinische Daten
Dieser Kurs ist Teil von Spezialisierung „KI im Gesundheitswesen“
Unterrichtet in Deutsch (KI-Synchronisation)
Dozenten: Nigam Shah
40.555 bereits angemeldet
Bei enthalten
510 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: Gesundheitliche Ungleichheiten
- Kategorie: Elektronische Krankenakte
- Kategorie: Verantwortungsvolle AI
- Kategorie: Daten-Ethik
- Kategorie: Text Mining
- Kategorie: Unstrukturierte Daten
- Kategorie: Verwaltung klinischer Daten
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Ethik in der klinischen Forschung
- Kategorie: Ethik im Gesundheitswesen
- Kategorie: Management von Gesundheitsinformationen
- Kategorie: Datenerhebung
- Kategorie: Klinische Forschung
- Kategorie: Datenumwandlung
- Kategorie: Technische Merkmale
- Kategorie: Medizinische Bildgebung
- Kategorie: Datenwrangling
- Kategorie: Gesundheitsinformatik
- Kategorie: Data Mining
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
Status: Kostenloser TestzeitraumUniversity of Colorado System
Status: Kostenloser TestzeitraumStanford University
Status: Kostenloser TestzeitraumStanford University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
75,09 %
- 4 stars
17,64 %
- 3 stars
5,09 %
- 2 stars
0,98 %
- 1 star
1,17 %
Zeigt 3 von 510 an
Geprüft am 31. Dez. 2021
Very nice and accessible introduction to clinical data and the associated ethical considerations.
Geprüft am 31. Mai 2022
Good introductory course, although I must admit I was expecting a little bit a more hands-on approach. Some instructors speak very fast, so I had to keep replaying the video.
Geprüft am 4. Nov. 2020
Very clear and well-organized course. I have learned quite a bit about the different types of clinical data, why they are important, and how to transfer them to analytical useable data sets.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,