Kursus Data Analytics Kesehatan

Pelajaran 1 • Mendefinisikan Analitik Kesehatan

Menetapkan apa itu analitik kesehatan, subdomainnya, dan perbedaannya dari analitik data umum. Mendasari bab ini dengan konteks layanan kesehatan dunia nyata.

Pelajaran 2 • Ekosistem Data Kesehatan

Memetakan sumber, format, dan aliran data kesehatan di seluruh tatanan layanan kesehatan. Menghubungkan asal data dengan nilai analitik di hilir.

Pelajaran 3 • Kematangan Analitik dalam Layanan Kesehatan

Memperkenalkan model kematangan yang menjadi tolok ukur kemampuan analitik suatu organisasi. Memungkinkan peserta didik untuk menilai kesenjangan dan memprioritaskan perbaikan.

Pelajaran 1 • Penilaian Kualitas Data

Menyediakan kerangka kerja untuk mengevaluasi kelengkapan, akurasi, dan konsistensi data kesehatan. Membekali peserta didik untuk mendokumentasikan dan memperbaiki masalah kualitas.

Pelajaran 2 • Data Tak Terstruktur dan Data Teks

Mengkaji catatan klinis, ringkasan pemulangan pasien, dan laporan pencitraan sebagai aset analitik. Memperkenalkan teknik ekstraksi untuk konten tak terstruktur.

Pelajaran 3 • Data Kesehatan Masyarakat dan Data Registry

Survei registry penyakit, sistem surveilans, dan basis data kesehatan populasi. Mendemonstrasikan bagaimana data eksternal memperkaya analitik internal.

Pelajaran 4 • Data Administrasi dan Keuangan

Mengeksplorasi data klaim, penagihan, dan siklus pendapatan yang digunakan dalam analisis populasi dan biaya. Menghubungkan data keuangan dengan metrik kualitas dan utilisasi.

Pelajaran 1 • Metadata dan Katalog Data

Memperkenalkan standar metadata dan alat katalog yang membuat data kesehatan dapat ditemukan dan digunakan kembali. Mendukung definisi data yang konsisten di seluruh organisasi.

Pelajaran 2 • Manajemen Siklus Hidup Data

Menelusuri data dari pembuatan melalui pengarsipan dan penghapusan, dengan menekankan kebijakan retensi. Memastikan peserta didik dapat mengelola data secara bertanggung jawab sepanjang masa pakainya.

Pelajaran 3 • Kepatuhan Regulasi dalam Analitik

Survei peraturan data kesehatan, persyaratan persetujuan, dan kewajiban audit yang memengaruhi pekerjaan analitik. Mempersiapkan peserta didik untuk membangun jalur analitik yang patuh.

Pelajaran 4 • Prinsip Privasi dan Keamanan

Mencakup hak privasi pasien, metode de-identifikasi, dan kontrol keamanan untuk data kesehatan. Menghubungkan kewajiban regulasi dengan penanganan data praktis.

Pelajaran 1 • Probabilitas dan Inferensi

Memperkenalkan konsep probabilitas, pengujian hipotesis, dan interval kepercayaan dalam konteks kesehatan. Menghubungkan inferensi statistik dengan pengambilan keputusan berbasis bukti.

Pelajaran 2 • Statistik Deskriptif dalam Layanan Kesehatan

Mencakup ukuran tendensi sentral, dispersi, dan bentuk distribusi untuk variabel kesehatan. Membangun kosakata kuantitatif yang diperlukan untuk semua analisis selanjutnya.

Pelajaran 3 • Analisis Regresi untuk Luaran Kesehatan

Membangun model regresi linier dan logistik untuk memprediksi dan menjelaskan luaran kesehatan. Memperkenalkan diagnostik model dan pemeriksaan asumsi.

Pelajaran 4 • Analisis Komparatif dan Korelasi

Menerapkan uji-t, uji chi-kuadrat, dan ukuran korelasi untuk membandingkan kelompok kesehatan. Memungkinkan peserta didik mendeteksi perbedaan dan asosiasi yang bermakna.

Pelajaran 1 • Evaluasi Tes Skrining dan Diagnostik

Menerapkan sensitivitas, spesifisitas, dan nilai prediktif untuk mengevaluasi tes diagnostik. Menghubungkan metrik kinerja tes dengan ambang keputusan klinis.

Pelajaran 2 • Desain Studi Epidemiologi

Membandingkan desain kohort, kasus-kontrol, potong lintang, dan eksperimental untuk data kesehatan. Memandu pemilihan desain yang tepat untuk setiap pertanyaan analitik.

Pelajaran 3 • Bias, Perancu, dan Kausalitas

Mengidentifikasi bias seleksi, bias informasi, dan perancu dalam data kesehatan observasional. Memperkenalkan kerangka kerja inferensi kausal untuk ketelitian analitik.

Pelajaran 4 • Ukuran Frekuensi Penyakit

Mendefinisikan insidensi, prevalensi, angka kematian, dan perhitungannya dari data kesehatan. Menghubungkan ukuran frekuensi dengan pemantauan kesehatan populasi.

Pelajaran 1 • Pengelompokan dan Segmentasi

Menggunakan pengelompokan k-means, hierarkis, dan pemodelan topik untuk mensegmentasi populasi pasien. Mendukung strategi manajemen perawatan dan alokasi sumber daya.

Pelajaran 2 • Dasar-dasar Pembelajaran Mesin

Memperkenalkan paradigma pembelajaran terawasi, tidak terawasi, dan penguatan dalam layanan kesehatan. Menetapkan dasar konseptual untuk semua bagian pemodelan yang mengikuti.

Pelajaran 3 • Evaluasi Model dan Keadilan

Menilai kinerja model menggunakan metrik klinis dan mengevaluasi keadilan algoritmik di seluruh subkelompok. Mempersiapkan peserta didik untuk menerapkan model yang adil dan dapat dipercaya.

Pelajaran 4 • Model Klasifikasi untuk Risiko Klinis

Menerapkan pohon keputusan, hutan acak, dan peningkatan gradien untuk mengklasifikasikan risiko pasien. Mencakup strategi penalaan hiperparameter dan validasi silang.

Pelajaran 1 • Penulisan Laporan Analitik

Menyusun laporan analitik tertulis dengan ringkasan eksekutif, metode, temuan, dan rekomendasi. Menyelaraskan format laporan dengan kebutuhan pemangku kepentingan dan jadwal pengambilan keputusan.

Pelajaran 2 • Mengomunikasikan Ketidakpastian dan Risiko

Menyajikan interval kepercayaan, rentang prediksi, dan skor risiko secara visual untuk audiens non-teknis. Membangun keterampilan untuk komunikasi analitik yang transparan dan jujur.

Pelajaran 3 • Prinsip Visualisasi Data Kesehatan

Menetapkan prinsip pengkodean visual, logika pemilihan grafik, dan standar aksesibilitas untuk data kesehatan. Mendasari semua pekerjaan visualisasi selanjutnya dalam praktik terbaik desain.

Pelajaran 4 • Dasbor Klinis dan Operasional

Membangun dasbor interaktif untuk kualitas klinis, alur pasien, dan KPI operasional. Menghubungkan desain dasbor dengan alur kerja pengambilan keputusan pengguna akhir.

Pelajaran 1 • Eksekusi dan Iterasi Analisis

Menjalankan analisis statistik dan prediktif, menginterpretasikan hasil sementara, dan menyempurnakan metode secara iteratif. Membangun pemikiran analitik adaptif di bawah kendala proyek nyata.

Pelajaran 2 • Akuisisi dan Persiapan Data

Menjalankan jalur ekstraksi, pembersihan, dan transformasi data untuk kumpulan data spesifik proyek. Menerapkan standar tata kelola dan kualitas dari bab-bab sebelumnya.

Pelajaran 3 • Presentasi Proyek dan Tinjauan Sejawat

Menyampaikan temuan proyek kepada panel pemangku kepentingan simulasi dan menggabungkan umpan balik sejawat terstruktur. Mengembangkan keterampilan presentasi profesional dan evaluasi kritis.

Pelajaran 4 • Mendefinisikan Masalah Analitik

Menerjemahkan tantangan klinis atau operasional menjadi pertanyaan analitik terstruktur dengan luaran yang terukur. Menjangkarkan ruang lingkup proyek pada prioritas pemangku kepentingan.