لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بهکارگیری علوم داده در گزارشدهی بالینی
- آخرین آپدیت
دانلود Making Data Science Work for Clinical Reporting
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
هدف این دوره، نمایش نحوه بهکارگیری اصول و روشهای علوم داده در گزارشدهی بالینی است.
در پایان این دوره، فراگیران با الزامات گزارشدهی در کارآزماییهای بالینی و تأثیر آنها بر نحوه استفاده از علوم داده آشنا خواهند شد. همچنین یاد میگیرند که چگونه بهصورت بهینه و مؤثر عمل کنند و در عین حال، استانداردهای مورد نیاز را بهطور کامل رعایت نمایند.
سرفصل ها و درس ها
بهکارگیری علوم داده در گزارشدهی بالینی
Making Data Science work for clinical reporting
بهکارگیری علوم داده در گزارشدهی بالینی
Making data science work for clinical reporting
مقدمهای بر کارآزماییهای بالینی
Introduction to Clinical Trials
چرا از علوم داده در گزارشدهی بالینی استفاده کنیم؟
Why use data science in clinical reporting?
مرور بخش
Module Review
بار مسئولیت بینقص بودن و شفافیت
The burden of being faultless and transparent
مقدمه
Introduction
انگیزه و هدف
Motivation
ساختار بخش
Module Structure
شفافیت در مقابل بازتولیدپذیری
Transparency vs. Reproducibility
مقدمه
Introduction
استانداردهای CDISC
CDISC Standards
دیکشنریها
Dictionaries
استانداردهای کدنویسی
Coding Standards
تودههای کاغذ (مجازی)
Reams of (Virtual) Paper
تحولات صنعت
Industry Developments
مقدمه
Introduction
دستورالعملهای استاندارد عملیاتی (SOPs)
Standard Operating Procedures (SOPs)
تایید صلاحیت و اعتبارسنجی
Qualification & Validation
کنترل کیفیت دادهها
Data Quality Control
کنترل کیفیت برنامههای تحلیل
Quality Control of Analysis Programs
تودههای کاغذ (مجازی)
Reams of (Virtual) Paper
توسعه صنعت
Industry Development
مقدمه
Introduction
ناممستعارسازی و ناشناسسازی
Pseudonymization & Anonymization
شرکتهای FSP و CRO
FSPs & CROs
آشکارسازی (Unblinding)
Unblinding
تودههای کاغذ (مجازی)
Reams of (Virtual) Paper
مرور بخش
Module Review
بهکارگیری متدهای DevOps و تفکر چابک در گزارشدهی بالینی
Bringing DevOps practices and agile mindset to clinical reporting
مقدمهای بر بخش ۲
Introduction to Module 2
علوم داده به عنوان روشی جدید برای تفکر
Data Science as a new way of thinking
مقدمهای بر متدولوژی چابک (Agile)
Introduction to agile
متدهای DevOps
DevOps practices
ذهنیت علوم داده
The Data Science mindset
شروع به کار
Getting started
پروژههای آزمایشی و اجرای چابک
Pilots and doing agile
مقیاسپذیری
Scaling up
خلاصه بخش ۲
Module 2 Recap
کنترل نسخه و جریانهای Git برای گزارشدهی بالینی بازتولیدپذیر
Version control and git flows for reproducible clinical reporting
کنترل نسخه و جریانهای git برای گزارشدهی بالینی بازتولیدپذیر
Version control and git flows for reproducible clinical reporting
مقدمه درس ۱
Lesson 1 Introduction
چیستی و چرایی کنترل نسخه
The whats and whys of version control
گیت (Git) چیست؟
What is Git?
ایدههای کلیدی در Git
Key ideas in Git
همکاری از طریق Github
Collaboration via Github
مقدمه درس ۲
Introduction to Lesson 2
جریانهای کاری در Git
Workflows in Git
جریان گیت (Git Flow)
Git Flow
انتخاب جریانهای کاری برای کاربردهای بالینی
Selecting workflows for clinical use
استفاده از Git برای متدولوژی چابک
Using Git for Agile
مقدمه درس ۳
Introduction to lesson 3
استفاده از Git در RStudio
Using Git in RStudio
دستیابی به بازتولیدپذیری واقعی در R
Being truly reproducible in R
پروژههای با ساختار مناسب
Well Structured Projects
کتابخانههای R
R Libraries
نسخه R
R Version
مرور بخش
Module Review
ایجاد کد بازاستفاده و مستحکم در گزارشدهی بالینی — فراخوانی برای InnerSourcing
Making code reusable and robust in clinical reporting — a call for InnerSourcing
مقدمهای بر بخش ۴
Introduction to Module 4
InnerSourcing چیست؟
What is an InnerSourcing?
چه زمانی از OpenSource استفاده کنیم؟
When to OpenSource?
چرا باید از بستههای R برای توسعه کد استفاده کنیم؟
Why should we use R packages for code development?
انواع مختلف بستههای R
Different types of R packages
محیط توسعه بستههای R
Environment for R package development
ساختار و محتوای بسته R
R package structure and content
مستندات بسته R
R package documentation
کد تمیز (Clean Code)
Clean code
بوی کد (Code Smells)
Code smells
جریان کاری توسعه
Development workflow
پیش از انتشار
Before release
نوشتن نرمافزارهای آماری برای اجرای مستحکم متدهای پیچیده
Writing statistical software that can robustly implement complex methods
استفاده از CI/CD به عنوان حلقه بازخورد در توسعه بستههای R
CI/CD as a feedback loop for in-development R packages
کالبدشکافی جریان کاری CI/CD برای یک بسته R
Anatomy of a CI/CD workflow for an R package
مرور بخش
Module Review
ارزیابی و مدیریت ریسک
Assessing and managing risk
مقدمهای بر ریسک در کد منبع
Introduction to risk in your codebase
چرا باید کیفیت بستهها را در نظر بگیریم؟
Why should we consider package quality?
بررسی جامعههای پشت پروژههای متنباز
Considering the communities behind Open Source projects
ارزیابی پیادهسازی متدهای آماری پیچیده در بستههای مورد استفاده
Asessing the implementation of complex statistical methods in a package you use
چه ابزارها و رویکردهایی به ارزیابی و درک ریسک در بستههای R کمک میکنند؟
What tools and approaches can help to assess and understand risk in R packages I use?
نمایش نظرات