Análise de dados de sistemas de informação em saúde

Código:

OPT156

Sigla:

ANADAD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Medicina

Ocorrência: 2019/2020 - 1S (de 09-09-2019 a 09-02-2020)

Ativa?	Sim
Unidade Responsável:	Departamento de Medicina da Comunidade, Informação e Decisão em Saúde
Curso/CE Responsável:	Mestrado Integrado em Medicina

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MIMED	12	Mestrado Integrado em Medicina- Plano oficial 2013 (Reforma Curricular)	4	-	3	28	81
			5

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Desenvolver noções teóricas sobre a reutilização de dados de saúde provenientes de sistemas de informação de saúde (e.g. base de dados administrativas, registos clínicos, EHR) bem como adquirir as aptidões práticas necessárias à sua aplicação em investigação em serviços de saúde.

Resultados de aprendizagem e competências

Apreender a relevância da reutilização de dados de saúde no âmbito da investigação em serviços de saúde, e interiorizar conceitos essenciais para a contextualização da área de estudo;

Tomar contacto com a variedade de fontes de dados existentes, as suas aplicações, limitações e potencialidades;

Adquirir conhecimentos e experiência sobre boas práticas de investigação recorrendo à reutilização dados de saúde, focando aspectos metodológicos de processamento e visualização de dados, de análise estatística, e de produção científica;

Ser capaz de interpretar, criticar e conduzir independentemente investigação em serviços de saúde com base em reutilização de dados de saúde;

Compreender as potencialidades e desafios que advêm do “Big Data” na investigação em serviços de saúde.

Modo de trabalho

Presencial

Programa

• Introdução histórica e análise guiada de artigos


• Apresentação de potenciais fontes de dados


• Considerações legais sobre reutilização de dados para investigação


• Utilização de dados secundários: potencialidades e limitações


• Noções sobre qualidade de dados e métodos de análise


• Preparação de dados para análise (data screening e criação de variáveis)


• Conceitos e metodologias de análise de dados (bioestatística e machine learning)


• Técnicas de apresentação de resultados


• Normas, recomendações para produção científica com recurso à reutilização de dados de sistemas de saúde (RECORD - REporting of studies Conducted using Observational Routinely-collected health Data)


• Big Data - oportunidades e limitações

Bibliografia Obrigatória

MIT Critical Data; Secondary Analysis of Electronic Health Records, Cham: Springer International Publishing, 2016 (https://doi.org/10.1007/978-3-319-43742-2)
Sherman, R. E., Anderson, S. A., Dal Pan, G. J., Gray, G. W., Gross, T., Hunter, N. L., … Califf, R. M.; Real-World Evidence — What Is It and What Can It Tell Us? , New England Journal of Medicine, 375(23), 2293–2297, 2016 (https://doi.org/10.1056/NEJMsb1609216)

Métodos de ensino e atividades de aprendizagem

Aulas teórico-práticas (14 horas) com apresentação e discussão de temas, exercícios em grupo e individuais, com interpretação de artigos científicos e resultados de exercícios práticos. Orientação tutorial (14 horas) para acompanhamento dos trabalhos.

Software

IBM SPSS Statistics

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	80,00
Participação presencial	20,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	2,00
Estudo autónomo	17,00
Frequência das aulas	12,00
Trabalho de investigação	50,00
Total:	81,00

Obtenção de frequência

Presença em 75% das aulas

Fórmula de cálculo da classificação final

Avaliação dos trabalhos individuais e de grupo propostos (80%), com apresentação oral (20%).