Duración: 6 semanas
Horas de curso: 96 horas
Destinatarios: Para quien desee aprender a programar en R, o simplemente utilizarlo en sus labores profesionales, este curso les dará el conocimiento necesario para hacerlo.
Modalidad: A distancia.
Requisitos: Se utiliza software de distribución libre y gratuita.
Este curso no requiere conocimientos previos de R. Se parte de cero y se construye conocimiento hasta un nivel intermedio avanzado. R no es un lenguaje difícil de aprender pero de todos modos requiere incorporar una cantidad importante de conceptos y de comandos propios de un lenguaje complejo.
Descripción general del curso:
R es el lenguaje ideal para trabajar en análisis y modelado estadístico. La compacidad de código y la versatilidad para procesar datos numéricos y categóricos son virtudes que lo colocan por sobre otros lenguajes en ese campo de aplicación. Por este motivo, aprender a programar en R es el primer paso hacia la Ciencia de Datos, un universo de aplicaciones en continua expansión. Para muchos empleos, programar en R agrega valor a sus antecedentes profesionales. R también opera en otros campos, como web scraping y análisis de datos espaciales, de lo cual se dan ejemplos hacia el final de este curso, pero en estos hay competencia.
Programación en R les enseñará a desarrollar sus propios scripts. Para ello se apoya en numerosos ejemplos, y especialmente en ejercicios de codificación que les invitan a ser protagonistas, ayudados por escuetas guías. De este modo, en seis semanas aprenderán programar en R.
Adicionalmente, un conjunto de scripts aplicados a problemas reales y detalladamente comentados, les guiará hacia un nivel intermedio alto de conocimiento de R, al tiempo que les impartirá las buenas prácticas de programación.
Un último módulo presenta una breve introducción a la aplicación de R en el manejo de datos espaciales, que podrá servir para encaminarles en ese tema.
|
Primera Parte Conceptos fundamentales |
|
|
Segunda Parte Aplicaciones |
|
Dinámica de la cursada:
Este curso se desarrolla completamente en formato virtual con lo cual permite realizar la capacitación desde cualquier parte del país y de la región. De la misma forma, el formato habilita a que cada alumno ingrese a la plataforma en el momento y horario que le resulte más productivo, ya que el material queda subido a la misma y no existen restricciones de ingreso ni obligación de horarios o encuentros virtuales.
Duración: 6 semanas
Horas de curso: 96 horas
Destinatarios: Para un amplio público.
Duración: 6 semanas
Horas de curso: 96 horas
Descripción general del curso:
Epidemiología estadística con R profundiza en el análisis cuantitativo de datos epidemiológicos mediante el uso del lenguaje R. Este curso pone el acento en la reproducibilidad, la automatización, la estimación de parámetros dinámicos, el análisis de supervivencia y la modelización avanzada.
Una contribución adicional del curso es la introducción al formato OMOP (Observational Medical Outcomes Partnership) CDM (Common Data Model), un modelo de datos estandarizado, relacional y altamente estructurado, diseñado para integrar múltiples fuentes (historias clínicas, seguros, registros) en un formato común. Adquirir nociones fundacionales sobre el formato CDM constituirá una ventaja profesional para quienes deseen trabajar con bases de datos sanitarias a gran escala.
Destinatarios:
Estudiantes y graduados en epidemiología con interés en incorporar técnicas estadísticas en R para el análisis de datos epidemiológicos.
|
Modalidad: Este curso es fuertemente práctico, basado en numerosos ejercicios. Videos e instructivos escritos les acompañarán. Al promediar el curso habrá dos clases sincrónicas en horario a convenir, para conversar sobre el curso y aclarar dudas sobre el Proyecto Personal (optativo).
|
 |
Requisitos:
Este es un curso de nivel avanzado. Se presupone que los participantes tienen buenos fundamentos en epidemiología descriptiva. Se presupone, además, conocimientos básicos en estadística descriptiva y en programación con R. No obstante, los scripts usados en el curso contienen abundantes comentarios para facilitar la lectura.
Programa del curso
| Módulo 1 |
Gestión y preparación de datos epidemiológicos, Limpieza y validación de datos, Reestructuración de datos (wide ↔ long), Manejo avanzado de datos faltantes (imputación múltiple) |
| Módulo 2 |
Medidas epidemiológicas básicas Medidas de frecuencia y de asociación,, Incidencia acumulada, densidad de incidencia (person-time), Prevalencia (puntual y de período), Medidas de asociación: Riesgo relativo (RR), odds ratio (OR), hazard ratio (HR) y Razón de Tasas (IRR), Intervalos de confianza por métodos exactos vs aproximados, Bootstrap para estimación de incertidumbre. |
|
Módulo 3 |
Epidémicas, Modelado del crecimiento exponencial de un brote. |
|
Módulo 4 |
Regresión Logística, Modelado de desenlaces binarios, Interpretación de coeficientes como OR, Evaluación de bondad de ajuste (Lemeshow). |
|
Módulo 5 |
Análisis de supervivencia, Estimador de Kaplan-Meier, Curvas de supervivencia, Pruebas de Log-rank, Modelado de brote epidémico. |
|
Módulo 6 |
El formato OMOP CDM, Introducción al formato OMOP CDM. |
Dinámica de la cursada:
Este curso se desarrolla completamente en formato virtual con lo cual permite realizar la capacitación desde cualquier parte del país y de la región. De la misma forma, el formato habilita a que cada alumno ingrese a la plataforma en el momento y horario que le resulte más productivo, ya que el material queda subido a la misma y no existen restricciones de ingreso ni obligación de horarios o encuentros virtuales.