Descripción
El uso de datos de Historias Clínicas Electrónicas (HCE)/Registros Médicos Electrónicos (RME) es cada vez más frecuente en la investigación. Sin embargo, el análisis de este tipo de datos presenta muchas complicaciones únicas debido a la forma en que se recopilan, procesan y a los tipos de preguntas que se pueden responder. Este libro cubre muchos temas importantes relacionados con el uso de datos HCE/RME para la investigación, incluyendo la extracción de datos, limpieza, procesamiento, análisis, inferencia y predicciones basadas en muchos años de experiencia práctica de los autores. El libro evalúa y compara cuidadosamente los modelos y enfoques estadísticos estándar con los métodos de aprendizaje automático y aprendizaje profundo, y presenta los resultados de comparación imparciales para estos métodos en la predicción de resultados clínicos basados en datos de HCE.
Características clave:
- Escrito basado en la experiencia práctica de los colaboradores de proyectos de investigación multidisciplinarios de HCE, que incluyen métodos y enfoques de estadística, informática, ciencia de datos y dominios clínicos/epidemiológicos.
- Documenta la experiencia detallada sobre la extracción, limpieza y preparación de datos de HCE
- Proporciona una visión amplia de los enfoques estadísticos y los modelos de predicción de aprendizaje automático para abordar los desafíos y limitaciones de los datos de HCE.
- Considera el ciclo completo del análisis de datos de HCE.
El uso del análisis de HCE/RME requiere una estrecha colaboración entre estadísticos, informáticos, científicos de datos e investigadores clínicos/epidemiológicos. Este libro refleja esa perspectiva multidisciplinaria.
Autor: Hulin Wu
Editorial: CRC Press
Publicado: 01/08/2022
Páginas: 313
Tipo de encuadernación: Tapa blanda
Peso: 1.01 lbs
Tamaño: 9.21h x 6.14w x 0.69d
ISBN13: 9780367638399
ISBN10: 0367638398
Categorías BISAC:
- Empresa y Economía | Industrias | Servicios
- Informática | Ciencia de Datos | Análisis de Datos
- Matemáticas | Probabilidad y Estadística | General
Sobre el autor
- Hulin Wu, PhD, el profesor titular y director de la Cátedra Betty Wheless Trotter del Departamento de Bioestadística y Ciencia de Datos de la Escuela de Salud Pública (SPH) de la Universidad de Texas Health Science Center en Houston (UTHealth). El Dr. Wu también ocupa un puesto conjunto como profesor en la Escuela de Informática Biomédica de UTHealth. El Dr. Wu recibió formación de licenciatura y maestría en ingeniería y un doctorado en estadística. Tiene muchos años de experiencia en el desarrollo de nuevos métodos estadísticos, modelos matemáticos y herramientas informáticas para el análisis y modelado de datos biomédicos. Es el director fundador del Centro de Big Data en Ciencias de la Salud (CBD-HS) y dirige el grupo de trabajo de investigación de HCE en UTHealth SPH.
- Dr. Yamal es profesor asociado titular en el Departamento de Bioestadística y Ciencia de Datos y miembro del Centro Coordinador de Ensayos Clínicos en la Escuela de Salud Pública de UTHealth. El Dr. Yamal tiene una amplia experiencia en ensayos clínicos, incluidos centros de coordinación de datos y sirviendo en Juntas de Monitoreo de Seguridad de Datos para ensayos clínicos en accidentes cerebrovasculares y lesiones cerebrales traumáticas. También ha contribuido a la metodología estadística para problemas de clasificación para datos anidados, así como a aplicaciones de aprendizaje automático.
- Ashraf Yaseen es profesor asistente de Ciencia de Datos en la Escuela de Salud Pública de UTHealth. Tiene una amplia experiencia en diseño, implementación y gestión de bases de datos, aprendizaje automático y computación de alto rendimiento. En su trabajo de investigación actual, el Dr. Yaseen está explorando la integración de big data y las tecnologías de aprendizaje profundo en los registros de salud electrónicos para abordar preguntas clínicas y de salud pública.
- Vahed Maroufy, PhD, Profesor Asistente, Departamento de Bioestadística y Ciencia de Datos, Escuela de Salud Pública de UTHealth. El Dr. Maroufy recibió formación de maestría y doctorado en estadística y tiene experiencia en estadística aplicada y teórica, incluyendo la geometría de modelos estadísticos, modelos de mezcla, inferencia bayesiana, modelos predictivos utilizando datos de EHR y análisis de datos genéticos en investigación del cáncer.
Este título no es retornable