This course teaches you the fundamentals of computational phenotyping, a biomedical informatics method for identifying patient populations. In this course you will learn how different clinical data types perform when trying to identify patients with a particular disease or trait. You will also learn how to program different data manipulations and combinations to increase the complexity and improve the performance of your algorithms. Finally, you will have a chance to put your skills to the test with a real-world practical application where you develop a computational phenotyping algorithm to identify patients who have hypertension. You will complete this work using a real clinical data set while using a free, online computational environment for data science hosted by our Industry Partner Google Cloud.
Este curso faz parte do Programa de cursos integrados Clinical Data Science
Identifying Patient Populations
oferecido por
Programa de cursos integrados Clinical Data ScienceInformações sobre o curso
O que você vai aprender
Create a computational phenotyping algorithm
Assess algorithm performance in the context of analytic goal.
Create combinations of at least three data types using boolean logic
Explain the impact of individual data type performance on computational phenotyping.
100% on-line
Curso 3 de 6 no
Prazos flexíveis
Nível intermediário
Some programming experience in any language.
Aprox. 20 horas para completar
Inglês
Programa - O que você aprenderá com este curso
Introduction: Identifying Patient Populations
Learn about computational phenotyping and how to use the technique to identify patient populations.
Tools: Clinical Data Types
Understand how different clinical data types can be used to identify patient populations. Begin developing a computational phenotyping algorithm to identify patients with type II diabetes.
Techniques: Data Manipulations and Combinations
Learn how to manipulate individual data types and combine multiple data types in computational phenotyping algorithms. Develop a more sophisticated computational phenotyping algorithm to identify patients with type II diabetes.
Techniques: Algorithm Selection and Portability
Understand how to select a single "best" computational phenotyping algorithm. Finalize and justify a phenotyping algorithm for type II diabetes.
8 avaliações
Principais avaliações do Identifying Patient Populations
This is a well-presented course. I highly recommend.
Instrutores
Laura K. Wiley, PhD
Assistant ProfessorSobre Sistema de Universidades do ColoradoUniversidade do Colorado
Sobre Programa de cursos integrados Clinical Data Science
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
I live in an area that restricts access to Google products. Will I be able to complete the specialization?
Unfortunately at this time we can only allow students who have access to Google services (e.g., a gmail account) to complete the specialization. This is because we give students access to real clinical data and our privacy protections only allow data sharing through the Google BigQuery environment.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
