Insurance and Billing, and Coding Essentials یک دوره جامع با بینش و تمرکز بر نقش متخصص صورتحساب بیمه است. این دوره دانش اساسی مورد نیاز یک متخصص مراقبت های بهداشتی وابسته اداری را ارائه می دهد. تاکید بر چرخه درآمد و اصطلاحات بیمه پایه است. در این دوره، دانش آموزان در معرض انواع عناصر آموزش الکترونیکی قرار می گیرند که امکان تعامل عملی با صفحه نمایش را برای آموزش جذاب می دهد. علاوه بر آموزش مبتنی بر ویدیو که دانش پایه را ارائه می دهد، انواع روش های یادگیری دیگر برای تعامل، سرگرمی و الهام در طول آموزش استفاده می شود. اینها ممکن است شامل فعالیت های مهارتی تعاملی، یادگیری مبتنی بر بازی و محیطی فراگیر برای مهارت های تفکر انتقادی باشد.

فرآیندها و اصول طراحی را برای ایجاد نمایش‌های معنی‌دار از اطلاعات معرفی می‌کند که از تصمیم‌گیری مؤثر تجاری پشتیبانی می‌کند. نحوه جمع آوری و پردازش داده ها را مطالعه می کند. ایجاد تجسم (هم ایستا و هم تعاملی)؛ و از آنها برای ارائه بینش نسبت به یک مشکل، موقعیت یا فرصت استفاده کنید. روش‌هایی را برای نقد تجسم‌سازی‌ها به همراه راه‌هایی برای پاسخ به این سوال مبهم معرفی می‌کند: «چه چیزی یک تجسم را مؤثر می‌کند؟» چالش‌های قابل درک کردن داده‌ها در طیف وسیعی از مخاطبان را مورد بحث قرار می‌دهد. اصول ارتباط مورد نیاز برای داستان سرایی داده موثر را معرفی می کند. موضوعات دیگر ممکن است شامل استفاده اخلاقی از نمایش اطلاعات، داستان سرایی، اینفوگرافیک، تجسم های همه جانبه و استفاده خوب از داشبورد داده باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد.

چگونه استنباط کنیم که کدام ژن فرآیندهای مختلف را در سلول هماهنگ می کند؟ چگونه انسان ها از آفریقا مهاجرت کردند و در سراسر جهان پخش شدند؟ در این کلاس، خواهیم دید که این دو سوال به ظاهر متفاوت را می توان با استفاده از تکنیک های الگوریتمی و یادگیری ماشینی مشابه که از مشکل کلی تقسیم نقاط داده به خوشه های مجزا ناشی می شود، پرداخت. در نیمه اول دوره، الگوریتم هایی را برای خوشه بندی گروهی از اشیاء در مجموعه ای از خوشه ها بر اساس شباهت آنها، که یک مسئله کلاسیک در علم داده است، معرفی خواهیم کرد و خواهیم دید که چگونه می توان این الگوریتم ها را برای داده های بیان ژن اعمال کرد. در نیمه دوم دوره، ابزار کلاسیک دیگری در علم داده به نام تجزیه و تحلیل مؤلفه های اصلی را معرفی خواهیم کرد که می تواند برای پیش پردازش داده های چند بعدی قبل از خوشه بندی در تلاش برای کاهش تا حد زیادی ابعاد عددی بدون از دست دادن بسیاری از "سیگنال" استفاده شود. داده ها در نهایت، یاد خواهید گرفت که چگونه از ابزارهای محبوب نرم افزار بیوانفورماتیک برای حل یک مشکل واقعی در خوشه بندی استفاده کنید.

این دوره دوم از پنج دوره بر چگونگی تأثیر عوامل اجتماعی تعیین کننده سلامت بر جمعیت آسیب پذیر متمرکز است. با تمرکز بر چهار گروه از جمعیت‌های آسیب‌پذیر، دانش‌آموزان بررسی خواهند کرد که چگونه تعیین‌کننده‌های اجتماعی سلامت در پیامدهای بهداشتی ضعیف تجربه شده توسط این جمعیت‌ها نقش دارند. سرفصل های این دوره شامل: 1. فقر 2. سلامت زنان 3. جنسیت و سلامت LGBTQI+ 4. سلامت خانواده 5. کاربردهای داده: تجزیه و تحلیل t-test و تصویرسازی باکس پلات

این دوره پنجم و پایانی بر سلامت سیاره به عنوان یک عامل تعیین کننده اساسی سلامت متمرکز است. همانطور که ما در نظر می گیریم که چگونه سلامت انسان ها به سلامت سیستم های طبیعی زمین وابسته است، همچنین چگونگی اعمال تفکر آینده و اصول آینده نگری را در ابتکارات بهداشت سیاره ای بررسی خواهیم کرد. سرفصل های این دوره شامل: 1. مقدمه ای بر سلامت سیاره ای 2. ارزش ها و منابع دانش 3. اقدام و جنبش 4. آینده نگری 5. کاربردهای داده: تحلیل رگرسیون و تجسم نمودار پراکندگی

این سومین دوره از پنج دوره، موضوعات مرتبط با عوامل اجتماعی تعیین کننده سلامت و سیستم های مراقبت بهداشتی را بررسی می کند. این دوره همچنین بر رابطه بین عوامل اجتماعی تعیین کننده سلامت، سلامت روان، سوء مصرف مواد و تروما تمرکز خواهد کرد. سرفصل های این دوره شامل: 1. سواد سلامت 2. سلامت روان و سوء مصرف مواد 3. خشونت، درگیری و ضربه 4. ملاحظات اخلاقی برای سیستم های سلامت و داده ها 5. کاربردهای داده: تحلیل همبستگی و تجسم نقشه حرارتی

این چهارمین دوره از پنج دوره، رویکردهای روش‌شناختی و ابزارهای پژوهشی را بررسی می‌کند که درک ما را از بهترین شیوه‌ها در کار با تیم‌های علمی، جوامع و با داده‌ها نشان می‌دهد. سرفصل های این دوره شامل: 1. تحقیقات مشارکتی مبتنی بر جامعه 2. علوم تیمی 3. داده های سطح جامعه 4. انفورماتیک و عوامل اجتماعی تعیین کننده سلامت: مدیریت دانش 5. کاربردهای داده: تجزیه و تحلیل ANOVA و تجسم نمودار خطی

چشم انداز شغلی برای کسانی که واجد شرایط کار با داده های مراقبت های بهداشتی یا به عنوان متخصصان مدیریت اطلاعات سلامت (HIM) هستند، روشن است. شاید شما در تجزیه و تحلیل داده ها کار می کنید اما در فکر انتقال به بخش مراقبت های بهداشتی هستید، یا در بخش مراقبت های بهداشتی کار می کنید اما در حال بررسی انتقال به یک نقش جدید هستید. در هر صورت، کیفیت داده‌های مراقبت‌های بهداشتی و حاکمیت بینشی در مورد نحوه محافظت از دارایی‌های داده با ارزش برای حفظ کیفیت داده‌ها فراهم می‌کند. این به ارائه دهندگان مراقبت، بیماران، پزشکان، پزشکان، و کسانی که کسب و کار بهبود نتایج سلامت را انجام می دهند، خدمت می کند. «داده های بزرگ» سرفصل خبرها است، اما این داده ها باید برای حفظ کیفیت مدیریت شوند. داده های با کیفیت بالا یکی از با ارزش ترین دارایی هایی است که توسط هر کسب و کاری جمع آوری و استفاده می شود. این امر در مراقبت های بهداشتی اهمیت بیشتری دارد، جایی که حفظ و مدیریت کیفیت داده ها به طور مستقیم بر زندگی افراد تأثیر می گذارد. این دوره نحوه بهبود و حفظ کیفیت داده ها را توضیح می دهد. خواهید آموخت که چرا کیفیت داده ها اهمیت دارد، سپس خواهید دید که چگونه متخصصان مراقبت های بهداشتی کیفیت داده ها را نظارت، مدیریت و بهبود می بخشند. خواهید دید که چگونه سیستم‌های انسانی و رایانه‌ای برای حفظ کیفیت داده‌ها از طریق حاکمیت داده تعامل برقرار می‌کنند. نحوه اندازه‌گیری کیفیت داده‌ها را با فراداده، ردیابی منشأ داده‌ها، اعتبارسنجی و تأیید داده‌ها، همراه با یک چارچوب ارتباطی که معمولاً در تنظیمات مراقبت‌های بهداشتی استفاده می‌شود، کشف خواهید کرد. این دانش اهمیت دارد زیرا داده‌های با کیفیت بالا به بینش‌های ارزشمندی تبدیل می‌شوند که می‌تواند جان انسان‌ها را نجات دهد، هزینه‌ها را کاهش دهد، مراقبت‌های بهداشتی را بهبود بخشد و آن را در دسترس‌تر و مقرون به صرفه‌تر کند. با آنچه از این دوره به دست می آورید، خود را به یک دارایی بیشتر در زمینه مراقبت های بهداشتی تبدیل خواهید کرد.

این دوره توسط دانشگاه کلرادو دنور با همکاری موسسه ژنتیک واندربیلت در مرکز پزشکی دانشگاه واندربیلت و انجمن بین المللی اپیدمیولوژی ژنتیک ارائه شده است. این طراحی شده است تا دانش آموزان را با پیشینه و مبانی دانش لازم برای انجام تجزیه و تحلیل آماری داده های مطالعه ارتباط ژنتیکی ارائه دهد. این دوره شامل چندین سخنرانی و ارزیابی در مورد هر یک از موضوعات است: تاریخچه تحقیقات ژنتیک ارائه شده توسط دکتر نانسی کاکس، مفاهیم اساسی در ژنتیک جمعیت ارائه شده توسط دکتر بروس ویر، ساختار جمعیت در مطالعات انجمن ژنتیکی ارائه شده توسط دکتر تاد ادواردز، کنترل کیفیت در مطالعات ژنتیکی ارائه شده توسط دکتر Goncalo Abecasis، تجزیه و تحلیل مطالعات انجمن مورد-شاهدی مبتنی بر جمعیت ارائه شده توسط دکتر سلیا گرین وود، و تجزیه و تحلیل مطالعات خانواده محور ارائه شده توسط دکتر جوآن بیلی ویلسون. نمونه هایی از مفاهیم و ادبیات مرجع نیز در این دوره 6 پودمانی ارائه شده است.

این دوره به شما اصول تبدیل عمل بالینی را با استفاده از مدل های پیش بینی می آموزد. این دوره به بررسی چالش‌ها و روش‌های خاص اجرای بالینی می‌پردازد، که دانشمندان داده‌های بالینی باید هنگام توسعه مدل‌های پیش‌بینی خود از آن‌ها آگاه باشند.

چشم انداز شغلی برای کسانی که واجد شرایط کار در تجزیه و تحلیل داده های مراقبت های بهداشتی هستند، روشن است. شاید شما در تجزیه و تحلیل داده ها کار می کنید، اما به فکر انتقال به بخش مراقبت های بهداشتی هستید که در آن کار شما می تواند کیفیت زندگی افراد را بهبود بخشد. اگر چنین است، این دوره به شما نگاهی اجمالی به این موضوع می دهد که چرا این کار اهمیت دارد، چه کاری در این نقش انجام می دهید، و چه چیزی در مسیر ارزش که در آن داده ها از بیماران در محل مراقبت جمع آوری می شود، به انبارهای داده منتقل می شود. برای تجزیه و تحلیل آماده شود، سپس در طول خط لوله داده حرکت می کند تا به بینش های ارزشمندی تبدیل شود که می تواند جان انسان ها را نجات دهد، هزینه ها را کاهش دهد، مراقبت های بهداشتی را بهبود بخشد و آن را در دسترس تر و مقرون به صرفه تر کند. شاید شما در بخش مراقبت های بهداشتی کار می کنید اما در حال بررسی انتقال به یک نقش جدید هستید. اگر چنین است، این دوره به شما کمک می کند ببینید آیا این مسیر شغلی یکی از مواردی است که می خواهید دنبال کنید. شما یک نمای کلی از مدل های داده رایج و کاربردهای آن ها دریافت خواهید کرد. شما یاد خواهید گرفت که چگونه سیستم های مختلف داده ها را یکپارچه می کنند، چگونه از ارتباطات واضح اطمینان حاصل کنید، کیفیت داده ها را اندازه گیری و بهبود بخشید. تجزیه و تحلیل داده ها در مراقبت های بهداشتی به پزشکان، پزشکان، بیماران، ارائه دهندگان مراقبت و کسانی که تجارت بهبود نتایج سلامت را انجام می دهند، خدمت می کند. این دوره از مطالعه تصویر واضحی از تجزیه و تحلیل داده ها در زمینه مراقبت های بهداشتی در حال تغییر امروز و فرصت هایی که برای شما دارد به شما می دهد.

این دوره مفاهیم مهم و روش های عملی را برای حمایت از برنامه ریزی، جمع آوری، ذخیره سازی و انتشار داده ها در تحقیقات بالینی ارائه می دهد. درک و اجرای اصول مدیریت داده های جامد برای هر حوزه علمی حیاتی است. صرف نظر از نقش فعلی (یا پیش بینی شده) شما در شرکت تحقیقاتی، مجموعه دانش و مهارت قوی در اصول مدیریت داده ها و عملکرد، بهره وری شما را افزایش می دهد و علم شما را بهبود می بخشد. هدف ما استفاده از این ماژول ها برای کمک به شما در یادگیری و تمرین این مجموعه مهارت است. این دوره دانش فعلی بسیار کمی از فناوری به جز نحوه کار با مرورگر وب را در نظر می گیرد. ما روی درس‌های عملی، آزمون‌های کوتاه و تمرین‌های عملی تمرکز می‌کنیم و بهترین شیوه‌های مدیریت داده را با هم بررسی می‌کنیم.

این دوره ادامه دوره انفورماتیک سلامت برای متخصصان بهداشت و درمان می باشد. اگر هنوز دوره مقدماتی را گذرانده اید، توصیه می شود قبل از این دوره آن دوره را تکمیل کنید. دانش اساسی از مقدمه در این فرو رفتن عمیق تر به انفورماتیک در مراقبت های بهداشتی انجام می شود. در این دوره شما فرصتی خواهید داشت تا مفاهیم و موضوعات مرتبط با طراحی و مدیریت سیستم های اطلاعات سلامت را بررسی کنید. این دوره امنیت سایبری، حریم خصوصی، کاهش خطر، مسدود کردن داده ها و نقش تبادل اطلاعات سلامت را پوشش می دهد. این یک نمای کلی از بهترین شیوه های بودجه بندی فناوری اطلاعات را ارائه می دهد. همچنین بین تفکر خط لوله و پلت فرم در فناوری اطلاعات مراقبت های بهداشتی تمایز قائل می شود و رویکردهای سیستم های مراقبت های بهداشتی را برای ایجاد راه حل های دیجیتال برای آینده توصیف می کند. در طول این دوره، به شما این فرصت داده می شود که درک خود را از طریق مشارکت در بحث های درسی، کاربرد مفاهیم دوره در تکالیف دوره، و از طریق تکمیل آزمون های محتوا در طول مسیر ارزیابی کنید.

هنگامی که ژنوم ها را در دوره قبلی توالی یابی کردیم، می خواهیم آنها را با هم مقایسه کنیم تا مشخص کنیم گونه ها چگونه تکامل یافته اند و چه چیزی آنها را متفاوت می کند. در نیمه اول دوره، ما دو توالی کوتاه بیولوژیکی مانند ژن ها (یعنی توالی های کوتاه DNA) یا پروتئین ها را با هم مقایسه خواهیم کرد. ما با یک ابزار الگوریتمی قدرتمند به نام برنامه نویسی پویا روبرو خواهیم شد که به ما کمک می کند تعداد جهش هایی را که این دو ژن/پروتئین را از هم جدا کرده اند را تعیین کنیم. در نیمه دوم دوره، ما برای مقایسه کل ژنوم‌ها «کوچک‌نمایی» می‌کنیم، جایی که شاهد جهش‌هایی در مقیاس بزرگ به نام بازآرایی ژنوم هستیم، رویدادهای لرزه‌ای که در طول میلیون‌ها سال تکامل در اطراف بلوک‌های بزرگ DNA رخنه کرده‌اند. با نگاهی به ژنوم انسان و موش، از خود خواهیم پرسید: همانطور که احتمال وقوع زمین لرزه در امتداد خطوط گسل بسیار بیشتر است، آیا مکان هایی در ژنوم ما وجود دارد که "شکننده" و بیشتر مستعد شکسته شدن به عنوان بخشی از بازآرایی ژنوم هستند؟ خواهیم دید که چگونه الگوریتم های ترکیبی به ما در پاسخ به این سوال کمک می کنند. در نهایت، شما یاد خواهید گرفت که چگونه از ابزارهای نرم افزاری محبوب بیوانفورماتیک برای حل مسائل در تراز توالی، از جمله BLAST استفاده کنید.

این اولین دوره از پنج دوره، دانش آموزان را با عوامل اجتماعی تعیین کننده سلامت آشنا می کند و یک مرور کلی از تعاریف و دیدگاه های نظری ارائه می دهد که پایه و اساس این تخصص را تشکیل می دهد. سرفصل های این دوره شامل: 1. مقدمه ای بر عوامل اجتماعی تعیین کننده سلامت 2. دیدگاه های نظری و پیچیدگی دانش 3. تأثیر جمعی مبتنی بر داده 4. نظریه استرس اقلیت 5. کاربردهای داده: تجزیه و تحلیل فرکانس و تجسم نمودار میله ای

این دوره مروری بر کارآفرینی سلامت دیجیتال با تأکید اولیه بر یادگیری اصطلاحات پایه سلامت دیجیتال، کاوش در نمونه فعلی از پزشکی از راه دور و رشد آن در طول همه‌گیری کووید، و به دست آوردن درک درستی از چشم‌انداز و نیروهای کلان تأثیرگذار بر ایالات متحده ارائه می‌کند. سیستم مراقبت های بهداشتی و تکامل سلامت دیجیتال دانش‌آموزانی که دوره را با موفقیت پشت سر می‌گذارند، تأثیر پرداخت‌کنندگان، تنظیم‌کننده‌ها، پزشکان و بیماران و پیامدهای نوآوری‌های سلامت دیجیتال را درک خواهند کرد.

در این اولین دوره از پنج دوره ما، دکتر کارن مونسن، ملزومات و مهارت‌های رهبری انفورماتیک پرستاری را معرفی می‌کند که شما را در طول تحصیل راهنمایی می‌کند، زیرا اصول رهبری را در تخصص انفورماتیک پرستاری اعمال می‌کنید. اهداف دوره: • موارد ضروری رهبری انفورماتیک پرستاری را برای به دست آوردن پایه ای برای مطالعه در این تخصص شرح دهید • در مورد اهداف شخصی رهبری انفورماتیک پرستاری خود فکر کنید تا برنامه خود را برای پیشبرد سفر رهبری انفورماتیک پرستاری ایجاد کنید. • پرسشنامه رهبری انفورماتیک پرستاری مینه سوتا را تکمیل کنید تا خودشناسی در مورد مهارت های رهبری خود و نحوه استفاده از آنها را افزایش دهید. • به یک سازمان یا شبکه انفورماتیک پرستاری بپیوندید تا فرصت های همکاری و رهبری در زمینه انفورماتیک پرستاری را افزایش دهید.

برای اینکه علم داده‌های بالینی در مراقبت‌های بهداشتی موثر باشد - برای دستیابی به نتایج مورد نظر - باید به نوعی پشتیبانی تصمیم‌گیری در سطح بیمار، پزشک یا مدیر تبدیل شود. در پایان این دوره، دانش‌آموزان می‌توانند نیاز به یک مداخله را بیان کنند، اندازه مناسب آن را انتخاب کنند، فناوری مناسب را انتخاب کنند، توضیح دهند که چگونه دانش باید به دست آید و یک برنامه نظارتی طراحی کنند.

این زمان بسیار هیجان انگیزی برای کاوش در یک حرفه در پشتیبانی فناوری اطلاعات سلامت است! در این دوره مقدماتی، با نقش های مختلف در پشتیبانی IT که در مراقبت های بهداشتی رایج است آشنا خواهید شد. کارکنان پشتیبانی فناوری اطلاعات در بسیاری از مراکز مختلف مراقبت های بهداشتی نقش مهمی ایفا می کنند. علاوه بر کمک به کلینیک‌ها، بیمارستان‌ها و اورژانس‌ها، ممکن است در نهایت در یک مرکز پرستاری ماهر، مرکز جراحی سرپایی، محیط مراقبت مجازی یا حتی در خانه بیمار، پشتیبانی ارائه دهید! در هر روز، شما ممکن است با پرستاران، پزشکان، داروسازان، فیزیوتراپیست ها، مددکاران اجتماعی، سایر متخصصان سلامت، بیماران یا مراقبان ارتباط برقرار کنید. هر یک از این افراد به متخصصان پشتیبانی فناوری اطلاعات برای کمک به حفظ یک سازمان مراقبت بهداشتی با قابلیت اطمینان بالا متکی هستند. همانطور که در مورد چیزهایی که Health IT را منحصر به فرد می کند، یاد می گیرید، امیدواریم در داستان های به اشتراک گذاشته شده توسط برخی از کارکنان پشتیبانی فناوری اطلاعات ما در جانز هاپکینز الهام بگیرید. آنها در مورد رایج ترین مشکلاتی که به حل آنها کمک می کنند و همچنین پیچیدگی و دامنه مسائلی که به وجود می آیند با شما صحبت خواهند کرد. چه رویای این را داشته باشید که یک متخصص پشتیبانی کامپیوتر کاربر نهایی باشید، در یک میز کمک مراقبت های بهداشتی کار کنید، یا به سمت یک تحلیلگر برسید، ما از این که این سفر را آغاز می کنید بسیار هیجان زده هستیم. دوباره خوش آمدید!