Formation Data Analyst Santé

Leçon 1 • Formats et normes des données de santé

Couvre les formats de données structurées et non structurées ainsi que les normes d'interopérabilité. Prépare les analystes à ingérer et analyser des fichiers de données de santé réels.

Leçon 2 • Paysage des données dans le secteur de la santé

Cartographie de l'écosystème des producteurs et consommateurs de données dans le secteur de la santé. Établit le contexte pour tout travail d'analyse ultérieur.

Leçon 3 • Codage médical et terminologie

Présente les systèmes de codage des diagnostics, des procédures et des médicaments utilisés dans les dossiers de santé. Permet une interprétation précise des ensembles de données codés.

Leçon 1 • Acquisition et ingestion de données de santé

Couvre les méthodes d'extraction de données à partir des dossiers médicaux partagés, des bases de données de remboursement et des API. Relie l'acquisition des données aux processus de nettoyage en aval.

Leçon 2 • Nettoyage et standardisation des dossiers

Applique des techniques de transformation pour résoudre les problèmes de qualité identifiés lors du profilage. Produit des ensembles de données standardisés et fiables pour l'analyse.

Leçon 3 • Construction de pipelines de données réutilisables

Introduit les principes de conception de pipelines pour une préparation de données automatisée et reproductible. Relie les compétences de préparation aux flux de production évolutifs.

Leçon 4 • Évaluation et profilage de la qualité des données

Enseigne le profilage systématique pour détecter les problèmes d'exhaustivité, d'exactitude et de cohérence. Développe les compétences diagnostiques nécessaires avant toute analyse.

Leçon 1 • Concepts de base de données relationnelles dans le secteur de la santé

Explique les modèles relationnels, les clés et les schémas de base de données de santé courants. Fournit les connaissances structurelles nécessaires pour écrire des requêtes précises.

Leçon 2 • Techniques de base des requêtes SQL

Développe les compétences fondamentales en matière de SELECT, filtrage, tri et agrégation. Permet de récupérer des sous-ensembles pertinents à partir de grands ensembles de données de santé.

Leçon 3 • Jointure de tables de santé

Couvre les jointures internes, externes et auto-jointures appliquées aux tables de remboursement et cliniques. Permet une analyse multi-tables essentielle pour le reporting en santé.

Leçon 4 • Fonctions de fenêtrage et SQL avancé

Introduit les fonctions de fenêtrage, les CTE et les motifs SQL analytiques pour les mesures de santé complexes. Élève la sophistication des requêtes pour les besoins de reporting avancés.

Leçon 1 • Probabilités et distributions

Présente les concepts de probabilité et les distributions statistiques clés pertinentes pour les résultats de santé. Fournit les bases théoriques des méthodes inférentielles.

Leçon 2 • Ajustement du risque et standardisation

Explique les méthodes d'ajustement du risque utilisées pour comparer des populations ayant des profils de santé différents. Prépare les analystes à produire des mesures de performance équitables et comparables.

Leçon 3 • Tests d'hypothèses dans le secteur de la santé

Enseigne les tests t, le chi-carré et l'ANOVA appliqués à des questions cliniques et opérationnelles. Permet aux analystes de tirer des conclusions statistiquement défendables à partir des données.

Leçon 4 • Analyse de corrélation et de régression

Couvre la corrélation, la régression linéaire simple et la régression logistique pour les résultats de santé. Relie la modélisation statistique aux questions prédictives et explicatives dans le secteur de la santé.

Leçon 1 • Mesures des résultats cliniques et de la sécurité

Définit les mesures pour les événements de sécurité des patients, les réadmissions et les résultats cliniques. Relie la mesure à l'amélioration de la qualité et à la réduction des préjudices pour les patients.

Leçon 2 • Mesures de l'expérience patient

Couvre les mesures de l'expérience patient basées sur des enquêtes et leur interprétation analytique. Relie les données déclarées par les patients aux performances opérationnelles et cliniques.

Leçon 3 • Construction et validation d'une bibliothèque de mesures

Guide les analystes dans la documentation, la validation et la gouvernance d'une bibliothèque de mesures réutilisables. Assure la cohérence organisationnelle et l'auditabilité de tous les ICP.

Leçon 4 • Cadres de mesure de la qualité

Présente les ensembles de mesures de qualité reconnus au niveau national et leurs composants structurels. Ancre le développement des ICP dans les normes de performance établies du secteur de la santé.

Leçon 1 • Principes de la visualisation efficace des données

Établit les principes de codage visuel, la logique de sélection des graphiques et les pièges courants. Ancre tout travail de visualisation ultérieur dans les meilleures pratiques perceptuelles et de conception.

Leçon 2 • Graphiques de contrôle de processus statistiques

Introduit les graphiques de contrôle pour le suivi des indicateurs de qualité dans le temps. Équipe les analystes pour distinguer les vrais signaux de la variation normale des processus.

Leçon 3 • Visualisation des données cliniques et de remboursement

Applique des techniques de visualisation à des types de données spécifiques à la santé, notamment les séries temporelles et les distributions. Développe des compétences de création de graphiques adaptés aux résultats analytiques du secteur de la santé.

Leçon 4 • Conception et mise en page des tableaux de bord

Couvre l'architecture des tableaux de bord, la hiérarchie de mise en page et la conception de l'interactivité pour l'analyse de santé. Permet aux analystes de créer des outils en libre-service pour les utilisateurs cliniques et opérationnels.

Leçon 1 • Séries temporelles et prévision de la demande

Applique la décomposition des séries temporelles et les modèles de prévision aux données de volume et de demande du secteur de la santé. Permet les décisions de planification des capacités et d'allocation des ressources.

Leçon 2 • Évaluation et validation des modèles

Enseigne les métriques de la matrice de confusion, les courbes ROC et la validation croisée pour les modèles de santé. Garantit que les analystes peuvent évaluer rigoureusement la performance des modèles avant leur déploiement.

Leçon 3 • IA responsable dans le secteur de la santé

Aborde les exigences de biais, d'équité, d'explicabilité et de gouvernance pour les modèles prédictifs cliniques. Prépare les analystes à déployer des modèles sûrs et éthiquement solides.

Leçon 4 • Modèles de classification pour les résultats de santé

Couvre les arbres de décision, les forêts aléatoires et le gradient boosting pour la prédiction de résultats de santé binaires. Développe des compétences pratiques de construction de modèles pour la notation des réadmissions et des risques.

Leçon 1 • Traduction des problèmes métier en questions analytiques

Enseigne la décomposition structurée des problèmes et le cadrage analytique pour les initiatives en santé. Garantit que les projets répondent aux besoins organisationnels réels avec des méthodes appropriées.

Leçon 2 • Analyse de la santé des populations

Applique l'analyse de cohortes, la stratification du risque et l'identification des lacunes dans les soins à des populations définies. Permet des interventions ciblées et la conception de programmes de gestion des soins.

Leçon 3 • Communication des résultats analytiques

Développe des compétences pour présenter des résultats analytiques complexes à des publics cliniques et de direction. Garantit que les résultats conduisent à des décisions éclairées et à des actions organisationnelles.

Leçon 4 • Gouvernance et livraison des projets d'analyse

Couvre la planification de projet, la relecture par les pairs, la gestion de version et les normes de livraison pour le travail d'analyse. Développe des habitudes professionnelles qui garantissent la reproductibilité et la confiance organisationnelle.