理学硕士健康数据科学

结构

第一学期

所有学生都需要学习五个必修模块：

• 健康数据科学导论
• 编程
• 健康数据管理
• 健康数据科学的流行病学
• 健康数据科学统计

第二学期

学生总共从每个时间表时段（时段 1、时段 2 等）中选修四个模块。下面的列表显示了推荐的模块。

插槽 1

• 机器学习（必修）

插槽 2

• 数据挑战（必修）

插槽 3

• 分层数据和其他相关数据的分析
• 基因组健康数据
• 传染病的建模与动力学
• 公共卫生中的空间流行病学

插槽 4

• 电子病历分析
• 环境流行病学
• 生存分析和贝叶斯统计

为什么选择这门课程？

您想更好地了解疾病的成因并找到预防、治疗和治愈疾病的新方法吗？

越来越多的电子捕获和存储的健康相关数据为实现这些目标提供了巨大的机会。充分利用这些数据需要在统计、编程、信息学和流行病学等领域具有广泛专业知识的人员。

LSHTM 的健康数据科学

LSHTM 是使用健康数据进行研究的世界领先者，在广泛数据源的创建、链接和分析方面拥有专业知识，包括环境和社会因素的数据以及人类和病原体的组学数据。此外，LSHTM 具有全球影响力和庞大的国际合作伙伴网络，可在全球范围内开展数据科学合作。

我们的电子健康记录 (EHR) 工作包括药物流行病学、表型分析、疫苗有效性/安全性、卫生政策评估和传染病监测。我们在利用国家审计提高质量和制定 NHS 绩效指标方面拥有专业知识。我们的工作得到国际公认的生物统计方法学家小组的支持。

这是适合我的程序吗？

医学统计学、流行病学和健康数据科学是密切相关的学科。我们提供这些学科的硕士学位。以下是它们之间的一些重点差异：

• • 理学硕士健康数据科学
    • 探索一系列机器学习技术
    • 更加注重计算数据技能，包括编程和数据管理工具
    • 更加注重专业技能培训（例如团队合作、项目管理、演讲技巧）
  • 医学统计学硕士
    • 更加注重所研究统计方法的理论基础
    • 探索临床试验和观察性研究的研究设计
    • 包括对某些统计方法的更深入探索（例如分层数据模型）
  • 理学硕士流行病学
    • 更加注重发展研究问题
    • 包括深入探索研究设计、方案制定和进行适当的统计分析
    • 强调批判性评价研究和解释结果的能力
    • 提供机会学习特定于传染病研究的概念和技术

对训练有素的健康数据科学家的需求很高，而且随着时间的推移可能会增加。我们预计我们的毕业生可能会从事以下职业：

• 国民健康服务
• 制药业
• 合同研究机构
• 政府机构（如卫生保护局和世界卫生组织）
• 非政府组织
• 健康科技中小企业（中小企业）
• 学术界