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?

نتیجه‌گیری Conclusion

  • نتیجه‌گیری Conclusion

نمایش نظرات

آموزش به‌کارگیری علوم داده در گزارش‌دهی بالینی
جزییات دوره
11h 22m
76
(آخرین آپدیت)
2,506
4.2 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Dinakar Kulkarni Dinakar Kulkarni

Kamila Duniec Kamila Duniec

Kamil Wais Kamil Wais

James Black James Black