נקודות זכות באוניברסיטה העברית: 4

תואר: מוסמך

היחידה האקדמית שאחראית על הקורס: רוקחות קלינית

סמסטר: סמסטר ב'

שפת ההוראה: עברית

קמפוס: עין כרם

מורה אחראי על הקורס (רכז): עמיחי פרלמן

דוא"ל של המורה האחראי על הקורס: amichai.perlman@mail.huji.ac.il

שעות קבלה של רכז הקורס: בתאום

מורי הקורס:
ד"ר עמיחי פרלמן

תאור כללי של הקורס:
הקורס יטמיע מרכיבי יסוד של מדע נתונים קליני בעזרת הרצאות וניסיון בשימוש פרקטי בפייתון לניתוח והדמיה של נתונים אשר קשורים למרחב הקליני בכלל לטיפול תרופתי בפרט.

מטרות הקורס:
בתחילת הקורס נלמד על סוגים שונים של נתונים רפואיים, כיצד הם נאספים ומתועדים, ושיקולים בנוגע לאופן בו ניתן להשתמש בהם למטרות מחקר ולפיתוח של כלים רפואיים. בהמשך נלמד כיצד לעבד, לנתח וליצור ויזואליזציות של נתונים קליניים, תוך יישום השיטות במערכי נתונים מסוגים שונים.

תוצרי למידה :
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
- לתאר כיצד סוגים שונים של נתונים קליניים נוצרים, נאספים ומתועדים במערכות מידע שונות.
- להשתמש בפייתון וSQL לעבודה עם נתונים, ובכלל זה לבחור משתנים, רשומות, לחבר בין טבלאות, ולקודד משתנים חדשים
- לערוך ניתוח נתונים אקספלרטורי בעזרת מדדים כמותיים ויצירת ויזואליזציות מתאימות
- לנתח נתונים ולאתר הבדלים בין קבוצות, וקשרים בין משתנים
-לבנות ולהעריך מודלים עם משתנים מרובים

דרישות נוכחות (%):
80

שיטת ההוראה בקורס: הרצאות, תרגילים, ופרויקט סיכום, כולל תרגול ולמידה באתר DataCamp https://www.datacamp.com/

רשימת נושאים / תכנית הלימודים בקורס:
1. סוגים שונים של נתונים רפואיים ומקורות של נתונים רפואיים (מחקרים קליניים, סקרי בריאות, מאגרי ידע תרופתי פרמקולוגי, מנגנוני דיווחי תופעות לוואי, מידע במדיה החברתית).
2. שיטות לקידוד מידע רפואי ואונטולוגיות רפואיות ותרופתיות (ATC, ICD10, RxNorm, MedDRA)
3. סוגי נתונים, קריאת וניקוי נתונים
4. ארגון ומניפולציית נתונים
5. אפיון כמותי ויוזואלי של משתנים בודדים.
6. בחינת היפותזות וזיהוי סיגנלים לתופעות לוואי
7. מודלים של רגרסיה מרובת משתנים
8. random forest

חומר חובה לקריאה:
אין חומר לקריאת חובה

חומר לקריאה נוספת:
- Data Science from Scratch: First Principles with Python 2nd Edition
- Healthcare Analytics Made Simple
- Data Preparation and Exploration: Applied to Healthcare Data
- R for Data Science by Hadley Wickham & Garrett Grolemund

מרכיבי הציון הסופי :
הגשת עבודה מסכמת / פרויקט גמר / מטלת סיכום / מבחן בית / רפרט % 60
מטלות הגשה במהלך הסמסטר: תרגילים / עבודות / מבדקים / דוחות / פורום / סימולציה ואחרות % 40

מידע נוסף / הערות: