For a guide to this page see Help:Domain Page.
| Shortcut
|
D8
|
| Name(DE)
|
Domäne 8 des BMHI-LZK V3
|
| Name(EN)
|
domain 8 of BMHI-LOC V3
|
| Description(DE)
|
|
| Description(EN)
|
Accessing, managing and mining biomedical big data
|
| Catalogue
|
BMHI-Version-3
|
| Didactic Note
|
|
|
|
Learning Objectives of this Domain
Click on [Ausklappen], to see the learning objectives of this domain.
| Go to LO |
LO-ID |
Domain |
Description |
Niveau 1 |
Niveau 2 |
Niveau 3 |
Niveau 4 |
Topic |
Role |
Parent LO |
Version Step
|
| ➔ |
8.1 |
D8 |
Basics of data mining and data analysis of primary and secondary data sources, principles of data mining, data warehouses, knowledge management, (FAIR principles) - ideally on real conditions. |
name & clarify |
apply |
|
|
|
|
LZ-PIN 33147 |
VS-PIN 4152
|
| ➔ |
8.1.1 |
D8 |
Queries on common databases |
|
perform |
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4153
|
| ➔ |
8.1.2 |
D8 |
Measures to ensure high data quality (based on FAIR principles) |
name & explain |
|
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4154
|
| ➔ |
8.1.3 |
D8 |
Data collection from telemedical and other applications |
name & clarify |
|
|
|
|
|
LZ-PIN 33152 |
VS-PIN 4157
|
| ➔ |
8.1.4 |
D8 |
Requirements for information processing in clinical trials on EDC (Electronic Data Capture) e.g. from registries (German Cancer Registry) |
name & explain |
|
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4155
|
| ➔ |
8.2 |
D8 |
Basics of practical informatics/computer science, especially on programming languages, software engineering, data structures, database management systems, information and system modelling tools, information systems theory and practice, knowledge engineering, (concept) representation and acquisition, software architectures. |
name & clarify |
apply |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4159
|
| ➔ |
8.3 |
D8 |
Basics of theoretical informatics/computer science for data extraction and analysis, e.g. complexity theory, encryption/security |
name & clarify |
apply |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4160
|
| ➔ |
8.4 |
D8 |
Basics of technical informatics/computer science for data acquisition and analysis, e.g. network architectures and topologies, telecommunications, wireless data transmission technologies, virtual reality, multimedia |
name & clarify |
apply |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4161
|
| ➔ |
8.4.1 |
D8 |
Important standards of medical informatics for data acquisition, analysis, exchange |
name & clarify |
|
|
|
|
|
LZ-PIN 33157 |
VS-PIN 4162
|
| ➔ |
8.6 |
D8 |
Policies, ethical, regulatory and social aspects for the handling and exchange of big data |
name & clarify |
|
|
|
|
|
LZ-PIN 33147 |
VS-PIN 4156
|
| ➔ |
8.7 |
D8 |
Different types of knowledge-based systems and medical applications of CDSS (Clinical decision support system) to optimise patient care. |
know |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4164
|
| ➔ |
8.8 |
D8 |
Examples of machine learning methods and the basic principles for their evaluation using artificial neural networks as an example. |
know & clarify |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4165
|
| ➔ |
8.9 |
D8 |
The concept of personalised medicine and medical applications of machine learning or AI systems, especially in the context of the Medical Devices Act |
know |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4166
|
| ➔ |
B |
D8 |
The methods of practical, technical and theoretical computer science |
explain |
apply |
|
|
|
|
|
VS-PIN 4158
|
| ➔ |
S |
D8 |
Basics of data mining and data analysis of primary and secondary data sources, principles of data mining, data warehouses (data sharing), knowledge management |
name & clarify |
apply |
|
|
|
|
|
VS-PIN 4151
|
| ➔ |
T |
D8 |
Analytical methods (statistical models, machine learning and artificial intelligence methods) |
clarify |
apply |
critically evaluate |
|
|
|
|
VS-PIN 4163
|
|
Lernziele dieser Domäne
Klicke auf [Ausklappen], um die Lernziele der Domäne zu sehen.
| zum LZ |
LZ-ID |
Domäne |
Lernzieltext |
Niveau 1 |
Niveau 2 |
Niveau 3 |
Niveau 4 |
Thema |
Rolle |
übergeordnetes LZ |
Versionsschritt
|
| ➔ |
8.1 |
D8 |
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management , (FAIR-Prinzipien) - idealerweise an realen Bedingungen |
nennen & erläutern |
anwenden |
|
|
|
|
LZ-PIN 33147 |
VS-PIN 4152
|
| ➔ |
8.1.1 |
D8 |
Die Studierenden können bei gängigen Datenbanken Abfragen |
|
durchführen |
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4153
|
| ➔ |
8.1.2 |
D8 |
Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) |
nennen & erklären |
|
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4154
|
| ➔ |
8.1.3 |
D8 |
Die Studierenden können Datengewinnung aus telemedizinische und anderen Anwendungen |
benennen & erläutern |
|
|
|
|
|
LZ-PIN 33152 |
VS-PIN 4157
|
| ➔ |
8.1.4 |
D8 |
Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinsichen Studien an EDC (Electronic Data Capture) z.B. aus Registern (deutsches Krebsregister) |
nennen & erklären |
|
|
|
|
|
LZ-PIN 33148 |
VS-PIN 4155
|
| ➔ |
8.2 |
D8 |
Die Studierenden können Grundlagen der praktischen Informatikfür die Datengewinnung und -analyse z.B. Software-Engineering, Datenstrukturen, Datenbankmanagementsysteme, Informations- und Systemmodellierungstools, Informationssystem-Theorie und -Praxis, Knowledge Engineering, (Konzept-) Darstellung und Beschaffung, Software-Architekturen |
nennen & erläutern |
anwenden |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4159
|
| ➔ |
8.3 |
D8 |
Die Studierenden können Grundlagen der theoretischen Informatik für die Datengewinnung und -analyse, z.B. Komplexitätstheorie, Verschlüsselung/Sicherheit |
nennen & erläutern |
anwenden |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4160
|
| ➔ |
8.4 |
D8 |
Die Studierenden können Grundlagen der technischen Informatik für die Datengewinnung und -analyse, z.B. Netzwerkarchitekturen und -topologien, Telekommunikation, Technologien der drahtlosen Datenübertragung, Virtual Reality, Multimedia |
nennen & erläutern |
anwenden |
|
|
|
|
LZ-PIN 33154 |
VS-PIN 4161
|
| ➔ |
8.4.1 |
D8 |
Die Studierenden können wichtige Standards der Medizinischen Informatik für Datengewinnung, -analyse, -austausch |
benennen & erläutern |
|
|
|
|
|
LZ-PIN 33157 |
VS-PIN 4162
|
| ➔ |
8.6 |
D8 |
Die Studierenden können ethische, politische, regulatorische und soziale Gesichtspunkte für den Umgang und Austausch mit Big Data |
nennen & erläutern |
|
|
|
|
|
LZ-PIN 33147 |
VS-PIN 4156
|
| ➔ |
8.7 |
D8 |
Die Studierenden können unterschiedliche Arten von wissensbasierten Systemen und medizinische Anwendungen von CDSS (Clinical decision support system) zur Optimierung der Krankenversorgung |
kennen |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4164
|
| ➔ |
8.8 |
D8 |
Die Studierenden können Beispiele für maschinelle Lernverfahren und die Grundprinzipien für deren Evaluation am Beispiel künstlicher Neuronaler Netze |
kennen & erläutern |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4165
|
| ➔ |
8.9 |
D8 |
Die Studierenden können den Begriff personalisierte Medizin und medizinische Anwendungen von maschinellen Lernverfahren oder KI-Systemen, insbesondere im Kontext des Medizinproduktegesetzes |
kennen |
|
|
|
|
|
LZ-PIN 33159 |
VS-PIN 4166
|
| ➔ |
B |
D8 |
Die Studierenden können die Methoden der praktischen, technischen und theoretischen Informatik |
erklären |
anwenden |
|
|
|
|
|
VS-PIN 4158
|
| ➔ |
S |
D8 |
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses (Data Sharing), Knowledge Management |
nennen & erläutern |
anwenden |
|
|
|
|
|
VS-PIN 4151
|
| ➔ |
T |
D8 |
Die Studierenden können Analyseverfahren (statistische Modelle, "Machine Learning" und Verfahren künstlicher Intelligenz) |
erläutern |
anwenden |
kritisch beurteilen |
|
|
|
|
VS-PIN 4163
|
|