Data Warehouses: Unterschied zwischen den Versionen

Aus hi-lona
Zur Navigation springen Zur Suche springen
(Die Seite wurde neu angelegt: „{{Modulbeschreibung |Kurzbezeichnung=Data Warehouses |Name-DE=Data Warehouses für medizinische Versorgung und Forschung |Name-EN=Data Warehouses for medical c…“)
 
Keine Bearbeitungszusammenfassung
Zeile 3: Zeile 3:
|Name-DE=Data Warehouses für medizinische Versorgung und Forschung
|Name-DE=Data Warehouses für medizinische Versorgung und Forschung
|Name-EN=Data Warehouses for medical care and research
|Name-EN=Data Warehouses for medical care and research
|Beschreibung-DE=Die Vorlesung „Data Warehouses für medizinische Versorgung und Forschung“ vermittelt die Grundlagen der Datengewinnung, des Datenzugriffs und der Datenanalyse von primären und sekundären Datenquellen in der klinischen Studienforschung und der Versorgung. Es werden gängige Methoden und Werkzeuge eingeführt (Electronic Data Capture, Anforderungsanalyse, Konzeption und Validierung von  Studiendatenbanken, Biomaterialdatenbanken, Data Dictionaries, Standard Operating Procedures, automatische Generierung von Reports, Data Mining in klinischen Anwendungssystemen). Während der Übungen werden die Inhalte aus den Vorlesungen an konkreten Applikationen und praxisnahen Szenarien angewandt. Dabei werden die jeweiligen Softwarewerkzeuge zuerst näher vorgestellt und anhand komplexer Beispiele demonstriert. Im Anschluss lösen die Studenten selbstständig Aufgaben, wie sie typischerweise an Medizininformatiker herangetragen werden. Die vollständige Lösung der Aufgaben ist Teil des Selbststudiums.
|Beschreibung-DE='''Inhalt'''Die Vorlesung „Data Warehouses für medizinische Versorgung und Forschung“ vermittelt die Grundlagen der Datengewinnung, des Datenzugriffs und der Datenanalyse von primären und sekundären Datenquellen in der klinischen Studienforschung und der Versorgung. Es werden gängige Methoden und Werkzeuge eingeführt (Electronic Data Capture, Anforderungsanalyse, Konzeption und Validierung von  Studiendatenbanken, Biomaterialdatenbanken, Data Dictionaries, Standard Operating Procedures, automatische Generierung von Reports, Data Mining in klinischen Anwendungssystemen). Während der Übungen werden die Inhalte aus den Vorlesungen an konkreten Applikationen und praxisnahen Szenarien angewandt. Dabei werden die jeweiligen Softwarewerkzeuge zuerst näher vorgestellt und anhand komplexer Beispiele demonstriert. Im Anschluss lösen die Studenten selbstständig Aufgaben, wie sie typischerweise an Medizininformatiker herangetragen werden. Die vollständige Lösung der Aufgaben ist Teil des Selbststudiums.<br/>'''Qualifikationsziele'''· Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management, (FAIR Prinzipien) erläutern. · Die Studierenden können bei gängigen Datenbanken Abfragen durchführen. · Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) nennen / erklären. · Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinischen Studien an EDC (Electronic Data Capture) nennen / erklären, z.B. aus Registern (deutsches Krebsregister).  
|Studiengang=MSc MI (Leipzig)
|Studiengang=MSc MI (Leipzig)
}}
}}

Version vom 15. Oktober 2020, 16:53 Uhr

Short Name Data Warehouses
Name (De) Data Warehouses für medizinische Versorgung und Forschung
Name (En) Data Warehouses for medical care and research
Description (De) InhaltDie Vorlesung „Data Warehouses für medizinische Versorgung und Forschung“ vermittelt die Grundlagen der Datengewinnung, des Datenzugriffs und der Datenanalyse von primären und sekundären Datenquellen in der klinischen Studienforschung und der Versorgung. Es werden gängige Methoden und Werkzeuge eingeführt (Electronic Data Capture, Anforderungsanalyse, Konzeption und Validierung von Studiendatenbanken, Biomaterialdatenbanken, Data Dictionaries, Standard Operating Procedures, automatische Generierung von Reports, Data Mining in klinischen Anwendungssystemen). Während der Übungen werden die Inhalte aus den Vorlesungen an konkreten Applikationen und praxisnahen Szenarien angewandt. Dabei werden die jeweiligen Softwarewerkzeuge zuerst näher vorgestellt und anhand komplexer Beispiele demonstriert. Im Anschluss lösen die Studenten selbstständig Aufgaben, wie sie typischerweise an Medizininformatiker herangetragen werden. Die vollständige Lösung der Aufgaben ist Teil des Selbststudiums.
Qualifikationsziele· Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management, (FAIR Prinzipien) erläutern. · Die Studierenden können bei gängigen Datenbanken Abfragen durchführen. · Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) nennen / erklären. · Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinischen Studien an EDC (Electronic Data Capture) nennen / erklären, z.B. aus Registern (deutsches Krebsregister).
Description (En)
Study Program(s) MSc MI (Leipzig)
LO of the Module
external LO
Previous

Learning Objectives of the Module


LO-PIN LO-Catalogue LO-ID Description(De/En) Niveau 1 Niveau 2 Niveau 3 Niveau 4 Role
LZ-PIN 30150 BMHI-Version-0 8.2 Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management nennen & erläutern anwenden
The basics of data representation and data analysis of primary and secondary data sources, principles of data mining, data warehouses, knowledge management name & clarify apply
LZ-PIN 34152 BMHI-Version-4 8.1 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 anwenden
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. apply
LZ-PIN 34153 BMHI-Version-4 8.1.1 Die Studierenden können bei gängigen Datenbanken Abfragen durchführen
Queries on common databases perform
LZ-PIN 34154 BMHI-Version-4 8.1.2 Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) nennen & erklären
Measures to ensure high data quality (based on FAIR principles) name & explain
LZ-PIN 34155 BMHI-Version-4 8.1.4 Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinisichen Studien an EDC (Electronic Data Capture) z.B. aus Registern (deutsches Krebsregister) nennen & erklären
Requirements for information processing in clinical studies on EDC (Electronic Data Capture) e.g. from registries (German Cancer Registry) name & explain


Go to the Administation of Module Descriptions