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.
Ce cours fait partie de la Spécialisation Clinical Data Science
Identifying Patient Populations
Offert par
Ce que vous allez apprendre
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 % en ligne
Cours 3 sur 6 dans le
Dates limites flexibles
Niveau intermédiaire
Some programming experience in any language.
Approx. 19 heures pour terminer
Anglais
Programme du cours : ce que vous apprendrez dans ce cours
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.
Meilleurs avis pour Identifying Patient Populations
Great course, gives a solid understanding of computational phenotyping. Also teaches some R programming!
This is a well-presented course. I highly recommend.
Enseignant
Laura K. Wiley, PhD
Assistant ProfessorÀ propos de University of Colorado System
À propos du Spécialisation Clinical Data Science
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
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.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.