igital health an analytics数字健康与分析
悉尼科技大学开设数字健康与分析专业具体讲解
关键词：数字医疗、网上诊疗、智慧医疗、vr/ar 、异地医保及时结算
数字健康服务：联网技术与医疗健康产业的结合。以互联网为平台，将信息科技引入医
疗健康领域，从而改进诊断和治疗方式，内容涉及数字医疗设备、大数据分析、移动医
疗、个性化用药等方面。医疗服务从纸质化转向电子化，产生大量医疗、健康类数据
了解数据的结构并善加利用。准确、相关、正确收集并组织数据，分析数据从而发掘现
影响临床实践的有意义的信息数据管理原则：包括数据处理、数据治理、数据标准、数据隐私和数据挖掘
未来的分析方法，如预测分析、机器学习和数据可视化 例如利用 机器学习里的预测模型，
可以预测得某种疾病的概率
职业及领域：
可穿戴设备相关领域、保险、制药公司、健康类app 、医院、卫生管理部门、养老相关产业
课程构架
部分课程学习内容：
健康信息管理基础
世界范围内对医疗改革的需求使得医疗服务从纸质记录向电子记录转变 。 患者在求医的过程中会产生巨大的信息数据 比如说挂号 、 取药 、 治疗等等 卫生从业人员如何对于这些信息进行管理并且活像沟通和交流 是任何一个卫生保健系统的重要组成部分 。 转换成数字记录需要对临床的内容进行精确编码 以支持患者的安全并进行医疗卫生操作的质量改进 。 本课程主要介绍健康信息管理的三个主要组成部分：病历 、 主要文档原则以及相关的临床沟通和信息交换系统 。 学生会在课程中学习到在如何灵
活创建和交换健康信息 从而使得这些信息的使用适得其所 。
健康分析
医疗保健数字化完成之后 所产生的临床和行政数据的体积和复杂性可能超过人脑吸收和得出结论的能力 。 医疗保健正迅速成为一个信息驱动的实体 而挑战在于将临床结果与相关的商业智能联系起来 。 卫生服务部门现在需要分析多个不同的数据集 以发现影响临床实践的有意义的信息 而不是仅仅继续收集数据而已 。 这门课程说明了数据分析是如何促进和推动医疗保健中的快速周期改进过程 。 学生将接触用于健康数据分析的常用技术和工具 包括电子表格 、 统计程序 、 数据库管理系统和商业智能应用程序 并了解描述性 、 预测性和规定性分析 。 最后 学生有机会了解面向未来的分析方法 如预测分析 、 机器学习和数据可视化 并了解医疗数据分析师如何在医疗改革和未来提供医疗服务中发挥核心作用 。
医疗数据科学
了解医疗行业中生成的数据有助于学科变得更加高效 。 大环境中人们一直在试图减少浪费和管理产生的费
用 同时提高效率和利润 。 此外 世界人口不断增加 人们寿命越来越长 慢性病越来越普遍 从而需要新的护理模式和由数据驱动的更加个性化的决策 。 在本课程中 学生了解数据的结构及如何善加利用这些数据 如何准确 、 相关 、 正确收集并组织数据；学生也会在课程中探讨了良好的数据管理原则 包括数据处理 、 数据治理 、 数据标准 、 数据隐私和数据挖掘 。 通过与数据的第一手探索性互动 学生可以寻找信息相关性 、 模式和趋势 从而发现 并确定他们感兴趣的数据发现研究 。 通过实际的数据发现实验 学生们使用新技术去探索复杂和多样性的数据 以及在医疗保健中 个人数据收集技术产生的对伦理和法律方面的影响。
想要了解更多资讯，请联系金吉列张老师
