Diplomatura Universitaria Superior en Análisis de Datos en Salud

Las herramientas de análisis de datos constituyen una necesidad creciente de los profesionales de la salud que buscan responder preguntas específicas o abordar problemas identificados en sus instituciones. Esto exige la adecuación en la formación de la fuerza laboral del sector, a fin de potenciar su capacidad de respuesta ante las nuevas demandas. Frente a esta necesidad, resulta oportuno generar un ámbito académico que promueva el uso crítico de datos para la toma de decisiones, a partir del aprendizaje de lenguajes de programación, la aplicación de métodos estadísticos apropiados para el análisis, y la interpretación y comunicación efectiva de los resultados.

R es un lenguaje de programación y un entorno de desarrollo ampliamente utilizado en la estadística, la ciencia de datos y la investigación académica. Su principal fortaleza radica en su flexibilidad, su vasto ecosistema de paquetes y su naturaleza de código abierto. Esto permite que la comunidad global de usuarios y desarrolladores contribuya constantemente a su mejora, corrigiendo errores, optimizando su rendimiento y ampliando sus capacidades. Además, al no depender de licencias costosas, R es una alternativa accesible para investigadores, estudiantes y profesionales.

Objetivos Generales
-Brindar competencias teóricas y prácticas en el análisis de datos del sector salud y de interés para la salud, mediante la adquisición de elementos de la epidemiología y la estadística.
-Incorporar el uso del lenguaje de programación R como base para la producción escrita y visual de información de calidad.

Objetivos específicos
-Propiciar la perspectiva de abordaje centrado en problemas sociosanitarios.
-Capacitar en abordajes teóricos y metodológicos para el análisis de bases de datos de salud.
-Promover una comprensión crítica de los aspectos éticos, legales y humanísticos relacionados con el uso de datos en el área de la salud.
-Introducir habilidades de programación y uso de herramientas específicas para el análisis de datos, con foco en lenguaje R.
-Introducir habilidades para el manejo de datos espaciales a partir del uso de herramientas de QGIS.
-Interpretar y comprender los resultados del análisis.
-Crear visualizaciones de datos eficaces, claras, y adaptadas al público objetivo.
-Proporcionar información y conocimiento sobre problemáticas relacionadas con la salud y respaldar la toma de decisiones basada en datos.

Modalidad
Virtual

Carga horaria
176 horas

Contacto
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 

La Diplomatura te permitirá

•Reconocer y formular problemas de salud y utilizar los sistemas de información disponibles para dar respuesta a dichos problemas. 

•Comprender los aspectos teóricos y prácticos relacionados con el tratamiento de datos de salud, respetando los estándares éticos de la práctica. 

•Elaborar estrategias de análisis, aplicando técnicas estadísticas apropiadas a los tipos de datos y al problema de interés. 

•Utilizar de manera autónoma el lenguaje R y QGIS. 

•Desarrollar habilidades para la interpretación y comprensión de resultados. 

•Producir información útil para la toma de decisiones y la gestión.

Contenidos mínimos:

Módulo 1: Sistemas de Información en salud
Objetivos: Introducir los conceptos básicos de los sistemas de información para la salud e indicadores.
Contenidos mínimos: Sistemas de información en salud. Fuentes de datos. Estadísticas vitales. Datos de Vigilancia en salud. Sistemas de clasificación de enfermedades: CIE10; CIE-O; SNOMED. Aplicaciones prácticas en el ámbito de la clínica y de la salud pública. Distribución del proceso salud enfermedad atención (PSEA) en las poblaciones. Indicadores epidemiológicos.

Módulo 2: El proceso de producción de conocimiento
Objetivos: Adquirir conocimiento sobre el proceso de producción de información y conocimiento en salud. Conocer las diferencias entre el análisis cualitativo y cuantitativo en salud.
Contenidos mínimos: Problematización en la práctica en salud. Cadena de producción de conocimiento. Variables e hipótesis epidemiológicas. Estructura del dato. Matriz de datos. Datos estructurados, semiestructurados, no estructurados. Introducción a la interpretación y al análisis cualitativo en salud. Introducción al análisis cuantitativo: visualización y limpieza de datos. Aspectos éticos y legales de la investigación. Protección de datos personales.

Módulo 3: Introducción al lenguaje de programación R
Objetivos: Familiarizar a los participantes con el lenguaje R y RStudio. Comprender las operaciones básicas de R, los tipos de datos y estructura de datos en R. Aprehender elementos de programación: estructuras de control, iteraciones y funciones.
Contenidos mínimos: Historia de R. Consola de RStudio. Librerías y repositorio de librerías (CRAN). Tipos de datos. Estructuras de datos (vectores, dataframes, listas). Operadores lógicos. Importar datos. Manejos de dataframes.

Módulo 4: Análisis descriptivo de datos. Aplicación en el entorno R
Objetivos: Familiarizar a los participantes con el análisis exploratorio de datos. Incorporar los conceptos de la estadística descriptiva y su uso en el análisis de datos de salud. Analizar el ecosistema del tidyverse y su uso para la manipulación y visualización de datos. Comprender la gramática de los gráficos de ggplot para la visualización de datos.
Contenidos mínimos: Cocientes, razones, proporciones, tasas. Medidas de tendencia central (promedio, mediana, moda). Medidas de dispersión (desviación estándar, cuantiles, varianza, rango intercuartílico). Análisis descriptivo de datos continuos y categóricos utilizando R. Funciones principales de dplyr. Uso de pipe %>%. Joins (left, right). Summarize con estadísticos descriptivos. ggplot: objetos geométricos y mapping, facets y sistemas de coordenadas. Organización y presentación de datos. Tablas de distribución de frecuencias.

Módulo 5: Análisis bivariado. Aplicación en el entorno R
Objetivos: Comprender los fundamentos del análisis bivariado y de las pruebas de significancia estadística en el análisis de datos en salud.
Contenidos mínimos: Análisis bivariado entre variables categóricas, entre variable categórica y numérica, y entre variables numéricas. Variable dependiente e independiente. Tablas de contingencia. Cuantificación y visualización de datos. Pruebas de significancia estadística: Test de hipótesis e intervalos de confianza. Uso de librerías de R para estimación de parámetros e intervalos.

Módulo 6: Análisis de datos de vigilancia. Ajuste de tasas
Objetivos: Comprender los fundamentos del ajuste de tasas. Familiarizarse con los conceptos básicos del análisis temporal de fenómenos de salud.
Contenidos mínimos: Ajuste de tasas por método directo e indirecto. Estimación de intervalos de confianza. Modelos estadísticos para el análisis de series de tiempo de salud: regresión lineal. Uso de librerías de R para el ajuste de tasas.

Módulo 7: Introducción al Análisis espacial
Objetivos: Utilizar el geoprocesamiento como herramienta de organización y análisis de datos espaciales.
Contenidos mínimos: concepto de cartografía. Sistemas de información geográfica. Tipos de datos con los que trabaja QGIS. Herramientas básicas de un SIG: zoom, selección simple, selección por expresión, herramientas de investigación vectoriales, exportar capa, exportar imagen. Conceptos de cartografía temática. Simbología y etiquetado. Composición de impresión y sus elementos: añadir coordenadas, título, orientación, escala, leyenda e imágenes. Exportación a PDF y formato de imagen. Unión de tablas. Calculadora de campos. Geocodificación por coordenadas y direcciones. Módulo 8- Introducción a RMarkdown. Objetivos: Comprender el uso de RMarkdown para la generación de reportes en diferentes extensiones. Analizar la estructura básica de RMarkdown. Aprehender diferentes estrategias para customizar el reporte. Contenidos mínimos Introducción a RMarkdown. Esqueleto básico de un reporte de RMarkdown. YAML header. Chunks. Knitr html y pdf. Parametrización de reportes.

Taller de Trabajo integrador final
El Trabajo integrador final será construido a lo largo de la Diplomatura, con tres entregas parciales, y una entrega final en el marco de la cursada del Taller Integrador. Este taller tendrá como objetivo dar soporte a los participantes en la elaboración y presentación del informe final, para lo cual los participantes contarán con un/una docente que acompañará el proceso.

Profesionales con título universitario de grado o de nivel superior no universitario de cuatro (4) años de duración como mínimo, en áreas afines a la salud con interés en adquirir habilidades en el análisis de datos, y la presentación e interpretación de los resultados.

Los postulantes serán evaluados por la coordinación de la Diplomatura, de acuerdo al Art. 3, Inciso a, de la Resolución 86/20 del Consejo Superior.