Big Data in Healthcare: Statistical Analysis of the Electronic Health Record (1)

کلان داده در مراقبت های بهداشتی: تجزیه و تحلیل آماری پرونده الکترونیک سلامت ابزارهای آماری را فراهم می کند که رهبران مراقبت های بهداشتی برای سازماندهی و تفسیر داده های خود به آن نیاز دارند. این کتاب که برای دسترسی به افرادی با پیشینه ریاضی محدود طراحی شده است، نحوه استفاده از داده های EHR را برای برنامه های متنوعی مانند بازاریابی مراقبت های بهداشتی، پرداخت برای عملکرد، حسابداری هزینه و مدیریت استراتژیک نشان می دهد. موضوعات عبارتند از: استفاده از داده های دنیای واقعی برای مقایسه عملکرد بیمارستان ها؛ اندازه گیری پیش آگهی بیماران از طریق داده های عظیم؛ تمایز بین ادعاهای جعلی و پیشرفت های واقعی؛ مقایسه اثربخشی مداخلات مختلف با استفاده از تحلیل علی محک زدن پزشکان مختلف در یک مجموعه از بیماران و موارد دیگر. از این کتاب می توان در دوره های مقدماتی آزمون فرضیه، دروس متوسط ​​رگرسیون و دروس پیشرفته تحلیل علی استفاده کرد. همچنین می توان از آن برای یادگیری زبان SQL استفاده کرد. منابع آموزشی آنلاین گسترده آن شامل برنامه های درسی دوره، پاورپوینت و سخنرانی های ویدئویی، تمرین های اکسل، تکالیف فردی و تیمی، پاسخ به تکالیف و آموزش های سازماندهی شده توسط دانش آموزان است. داده های بزرگ در مراقبت های بهداشتی بلوک های سازنده تفکر آماری را برای چالش های اساسی که رهبران مراقبت های بهداشتی هر روز با آن مواجه می شوند، به کار می گیرد. با درک واضح داده های خود که تجزیه و تحلیل آماری می تواند به همراه داشته باشد، برای آن چالش ها آماده شوید و بهترین تصمیمات ممکن را برای حداکثر عملکرد در زمینه رقابتی مراقبت های بهداشتی بگیرید.

Big Data in Healthcare: Statistical Analysis of the Electronic Health Record provides the statistical tools that healthcare leaders need to organize and interpret their data. Designed for accessibility to those with a limited mathematics background, the book demonstrates how to leverage EHR data for applications as diverse as healthcare marketing, pay for performance, cost accounting, and strategic management. Topics include: using real-world data to compare hospitals’ performance; measuring the prognosis of patients through massive data; distinguishing between fake claims and true improvements; comparing the effectiveness of different interventions using causal analysis; benchmarking different clinicians on the same set of patients, and more. This book can be used in introductory courses on hypothesis testing, intermediate courses on regression, and advanced courses on causal analysis. It can also be used to learn SQL language. Its extensive online instructor resources include course syllabi, PowerPoint and video lectures, Excel exercises, individual and team assignments, answers to assignments, and student-organized tutorials. Big Data in Healthcare applies the building blocks of statistical thinking to the basic challenges that healthcare leaders face every day. Prepare for those challenges with the clear understanding of your data that statistical analysis can bring—and make the best possible decisions for maximum performance in the competitive field of healthcare.