Introduzir a análise de dados em saúde com emprego da bioestatística, utilizando o Python.Pré-requisito: ter realizado e concluído o curso de Qualidade de Dados em Saúde para IA (Análise de dados: Módulo 1).
Duração: 30 horas
Modalidade: EAD Síncrono com aulas 100% práticas
Certificado gratuito emitido pelo CI-IA da UFMG
Objetivos específicos
– Apresentar os conceitos básicos da utilização das informações de saúde visando o emprego das bases de dados para gestão da saúde e nas pesquisas científicas.
– Contextualizar as técnicas da estatística descritiva com foco na análise de dados em saúde com a utilização do Python.
– Introduzir a análise inferencial básica de dados de saúde com a utilização do Python.
– Mensurar resultados da capacitação oferecida pela avaliação dos exercícios práticos oferecidos.
Público-alvo
Profissionais de saúde, alunos de graduação e pós-graduação, docentes e pesquisadores da área das ciências da saúde, exatas ou demais interessados em utilizar os recursos computacionais para análise de dados em saúde.
Justificativa
O curso proposto tem por objetivo atuar no processo interdisciplinar educativo capaz de promover interação transformadora na sociedade, envolvendo a informática para promoção da saúde. Justifica-se pela importância da abordagem quantitativa das informações em formato digital geradas nos cenários de prestação de cuidados à saúde. Os conceitos clínicos representados em números e os números coletados diretamente são particularmente adequados para representar os parâmetros biológicos de interesse, facilitando analise e conclusões. O Python é um software estatístico em uso no mercado, cuja licença é gratuita. Permite gerenciar e analisar bases de dados, aplicando conceitos, descrevendo variáveis e aplicando testes de hipóteses automatizados.
Conteúdo programático
– Conceitos básicos sobre dados e banco de dados em saúde;
– Introdução ao Python para manipulação de dados em saúde: conceitos básicos de limpeza e tratamento de dados; qualidade de dados em saúde;
– Estatística descritiva com Python: descrevendo as variáveis; medidas de tendência central e dispersão; distribuições de frequência; testes de normalidade; Amostragem;
– Estatística inferencial sobre variáveis categóricas: tabelas de contingência; risco relativo e razão de chance; intervalos de confiança; testes de hipótese; testes de qui-quadrado, Fisher e McNemar;
– Testes de médias para distribuições paramétricas: Teste-t independente e pareado; ANOVA e testes post-hoc;
– Testes de medianas para distribuições não-paramétricas: Testes de Mann-Whitney, Wilcoxon e Kruskal-Wallis;
– Testes de correlação e análises de concordâncias: Correlação de Pearson, Spearman e Tau de Kendall; Análise de concordância com Coeficiente Kappa e Coeficiente de Correlação Intraclasse;
– Visualização de dados em saúde.
