This course introduces you to a framework for successful and ethical medical data mining. We will explore the variety of clinical data collected during the delivery of healthcare. You will learn to construct analysis-ready datasets and apply computational procedures to answer clinical questions. We will also explore issues of fairness and bias that may arise when we leverage healthcare data to make decisions about patient care.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung AI in Healthcare
von
Spezialisierung AI in HealthcareStanford UniversityÜber diesen Kurs
76,511 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 12 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Was Sie lernen werden
How to apply a framework for medical data mining
Ethical use of data in healthcare decisions
How to make use of data that may be inaccurate in systematic ways
What makes a good research question and how to construct a data mining workflow answer it
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 12 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
Stanford University
The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States.
Lehrplan - Was Sie in diesem Kurs lernen werden
1 Stunde zum Abschließen
Asking and answering questions via clinical data mining
1 Stunde zum Abschließen
12 Videos (Gesamt 19 min), 2 Lektüren, 3 Quiz
12 Videos
Welcome2m
Introduction to the data mining workflow1m
Real Life Example1m
Example: Finding similar patients2m
Example: Estimating risk37
Putting patient data on timeline51
Revisit the data mining workflow steps1m
Types of research questions2m
Research questions suited for clinical data55
Example: making decision to treat1m
Properties that make answering a research question useful1m
Wrap Up1m
2 Lektüren
Study Guide Module 15m
Citations and Additional Readings5m
3 praktische Übungen
Reflection Exercise10m
Reflection Exercise10m
Knowledge Check30m
2 Stunden zum Abschließen
Data available from Healthcare systems
2 Stunden zum Abschließen
16 Videos (Gesamt 32 min), 3 Lektüren, 4 Quiz
16 Videos
Review of key entities and the data they collect1m
Actors with different interests2m
Common data types in Healthcare2m
Strengths and weaknesses of observational data2m
Bias and error from the healthcare system perspective2m
Bias and error of exposures and outcomes50
How a patient's exposure might be misclassified2m
How a patient's outcome could be misclassified2m
Electronic medical record data2m
Claims data2m
Pharmacy55
Surveillance datasets and Registries1m
Population health data sets3m
A framework to assess if a data source is useful1m
Wrap Up1m
3 Lektüren
Video Image Credit
Study Guide Module 25m
Citations and Additional Readings5m
4 praktische Übungen
Reflection Exercise10m
Reflection Exercise10m
Reflection Exercise15m
Knowledge Check30m
1 Stunde zum Abschließen
Representing time, and timing of events, for clinical data mining
1 Stunde zum Abschließen
12 Videos (Gesamt 20 min), 2 Lektüren, 3 Quiz
12 Videos
Time, timelines, timescales and representations of time2m
Timescale: Choosing the relevant units of time29
What affects the timescale1m
Representation of time57
Time series and non-time series data2m
Order of events1m
Implicit representations of time1m
Different ways to put data in bins2m
Timing of exposures and outcomes3m
Clinical processes are non-stationary2m
Wrap Up1m
2 Lektüren
Study Guide Module 35m
Citations and Additional Readings5m
3 praktische Übungen
Reflection Exercise10m
Reflection Exercise 215m
Knowledge Check30m
2 Stunden zum Abschließen
Creating analysis ready datasets from patient timelines
2 Stunden zum Abschließen
18 Videos (Gesamt 33 min), 2 Lektüren, 3 Quiz
18 Videos
Defining the unit of analysis52
Using features and the presence of features2m
How to create features from structured sources1m
Standardizing features52
Dealing with too many features3m
The origins of missing values3m
Dealing with missing values1m
Summary recommendations for missing values1m
Constructing new features1m
Examples of engineered features2m
When to consider engineered features1m
Main points about creating analysis ready datasets53
Structured knowledge graphs2m
So what exactly is in a knowledge graph2m
What are important knowledge graphs2m
How to choose which knowledge graph to use1m
Wrap Up45
2 Lektüren
Study Guide Module 45m
Citations and Additional Readings5m
3 praktische Übungen
Reflection Exercise10m
Reflection Exercise20m
Knowledge Check30m
Bewertungen
Top-Bewertungen von INTRODUCTION TO CLINICAL DATA
von KS16. Okt. 2020
Nicely Framed and Executed in a simple language so anyone can catch up earliest.
Über den Spezialisierung AI in Healthcare
Artificial intelligence (AI) has transformed industries around the world, and has the potential to radically alter the field of healthcare. Imagine being able to analyze data on patient visits to the clinic, medications prescribed, lab tests, and procedures performed, as well as data outside the health system -- such as social media, purchases made using credit cards, census records, Internet search activity logs that contain valuable health information, and you’ll get a sense of how AI could transform patient care and diagnoses.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
- Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
- Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Is this activity accredited for Continuing Medical Education (CME)?
Dates and Duration
Original Release Date: 08/10/2020
Expiration Date: 08/10/2023
Estimated Time to Complete: 11 hours CME
Credits Offered: 11.00
Accreditation
The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians. The Stanford University School of Medicine designates this enduring material for a maximum of 11.00 AMA PRA Category 1 Credits™. Physicians should claim only the credit commensurate with the extent of their participation in the activity.
Disclosures
The Stanford University School of Medicine adheres to ACCME Criteria, Standards and Policies regarding industry support of continuing medical education. There are no relevant financial relationships with ACCME-defined commercial interests for anyone who was in control of the content of this activity.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
