Taller de Bioestadística 

• Conceptos Básicos de Probabilidad: Incluye espacio muestral y eventos.
• Principios de Conteo : Explicación detallada de la regla de suma, regla de producto, permutaciones y combinaciones.
• Tiempo para Preguntas: Sesión interactiva para resolver dudas.

Probabilidad Condicional, Independencia y Variables Aleatorias

• Probabilidad Condicional: Definición y ejemplos.
• Independencia de Eventos: Criterios y ejemplos prácticos.
• Variables Aleatorias Discretas: Conceptos básicos y valor esperado.
• Tiempo para Preguntas: Para aclarar conceptos y resolver dudas.

Distribuciones de Probabilidad y Teorema del Límite Central

• Distribuciones de Probabilidad: Enfoque en distribuciones binomial y normal.
• Teorema del Límite Central : Explicación y ejemplos prácticos.
• Tiempo para Preguntas: Sesión rápida de preguntas y respuestas

• Introducción a la Estadística: Importancia y aplicación en medicina.
• Tipos de Datos y Niveles de Medición: Clasificación y relevancia en investigaciones médicas.
• Descripción de Datos: Medidas de tendencia central y dispersión.
• Conceptos Básicos de Probabilidad: Su aplicación en diagnóstico y tratamiento médico.
• Tiempo para Preguntas: Resolución de dudas centradas en los temas discutidos.

Distribuciones en Medicina y Principios de Inferencia Estadística

• Distribuciones de Frecuencia y Gráficos: Interpretación de datos mediante gráficos estadísticos.
• Distribuciones de Probabilidad: Enfoque en la distribución normal y su importancia en medicina.
• Estimación y Margen de Error: Uso de intervalos de confianza en estudios clínicos.
• Pruebas de Hipótesis: Aplicación en investigación médica.
• Tiempo para Preguntas: Discusión sobre inferencia estadística en estudios médicos.

Análisis de Relaciones entre Variables

• Distribuciones No Normales: Introducción a distribuciones binomiales y Poisson.
• Poder Estadístico y Tamaño de Muestra: Determinación del tamaño de muestra en estudios médicos.
• Correlación y Regresión Lineal: Medición, interpretación y uso en predicciones médicas.
• Tiempo para Preguntas: Enfocado en correlación, regresión y aplicaciones prácticas.

• Introducción a la Bioestadística: Conceptos básicos, importancia y aplicaciones en investigación biomédica y salud pública.
• Principios de Diseño de Investigación; Breve descripción de diseños de estudio (transversales, caso-control, cohortes, ensayos clínicos aleatorizados).
• Consideraciones Éticas en la Investigación Biomédica: Principios éticos, consentimiento informado.
• Manejo de Datos Biomédicos: Recolección y limpieza de datos en estudios biomédicos.
• Tiempo para Preguntas: Discusión sobre los conceptos introducidos.

Análisis de Datos y Modelos Estadísticos en Bioestadística

• Análisis Exploratorio de Datos: Técnicas para exploración y visualización de datos.
• Software Estadístico para Bioestadística: Introducción básica al uso de software estadístico como R o Python.
• Modelos Lineales y Logísticos: Fundamentos y aplicaciones en investigación biomédica.
• Análisis de Supervivencia y Meta-análisis: Conceptos básicos y técnicas avanzadas, incluyendo introducción al meta-análisis.
• Tiempo para Preguntas: Sesión de preguntas enfocada en análisis de datos y modelos estadísticos.

Visualización Avanzada de Datos con PowerBI

• Introducción a PowerBI: Fundamentos y aplicaciones de PowerBI para la visualización de datos médicos.
• Creación de Dashboards Interactivos: Aprenderás a transformar datos estadísticos en visualizaciones interactivas que faciliten la interpretación y presentación de resultados.
• Tiempo para Preguntas: Resolución de dudas y mejores prácticas en la visualización de datos médicos.

Análisis de Redes Complejas con Infranodus

• Fundamentos de Redes Complejas: Exploración de los conceptos clave de las redes complejas y su relevancia en datos médicos.
• Prácticas con Infranodus: Uso de Infranodus para el análisis de relaciones entre variables y patrones en grandes conjuntos de datos.
• Tiempo para Preguntas: Espacio para discutir aplicaciones y aclarar dudas sobre análisis de redes.

Optimización de la Lectura y Análisis de Datos con Modelos de Lenguaje de Aprendizaje Profundo (LLM)

• Lectura Eficiente de Bibliografía: Técnicas para filtrar y comprender rápidamente extensas colecciones de documentos médicos con la ayuda de LLM.
• Análisis de Datos Asistido por IA: Aprenderás a aplicar LLM para la interpretación y análisis de datos estadísticos, identificando tendencias y correlaciones.
• Tiempo para Preguntas: Consultas sobre el uso de LLM en la práctica médica y la investigación.

Búsqueda Automatizada de Bibliografía con Inteligencia Artificial

• Herramientas de Búsqueda Bibliográfica con IA : Descubre herramientas de IA que pueden revolucionar la forma en que buscas y analizas literatura científica.
• Práctica de Búsquedas Bibliográficas: Realización de búsquedas bibliográficas eficientes utilizando IA para recopilar datos relevantes en medicina.
• Tiempo para Preguntas: Oportunidad para discutir estrategias y resolver dudas sobre la búsqueda de información.