Informes Clínicos con R: Datos Crudos a SDTM y ADaM

Navegar la transición de datos crudos de ensayos clínicos a informes listos para su presentación puede ser un desafío sin una comprensión clara de los estándares de la industria. Este curso proporciona una introducción estructurada y basada en texto a la generación de informes de datos clínicos utilizando el lenguaje de programación R. Aprenderá a mapear datos crudos de Formularios de Informe de Caso (CRF) y datos no CRF a formatos estandarizados SDTM (Study Data Tabulation Model) y ADaM (Analysis Data Model). Al leer explicaciones prácticas y revisar ejemplos de código claros, comprenderá cómo construir pipelines clínicos reproducibles que se alinean con los flujos de trabajo modernos de bioestadística. Lo que aprenderás: - Comprender la arquitectura central del flujo de datos clínicos desde las fuentes de datos crudos hasta los informes finales. - Mapear datos crudos de ensayos clínicos a dominios SDTM estandarizados usando R. - Derivar datasets listos para análisis construyendo estructuras ADaM que cumplen con las normativas. - Generar tablas, listados y figuras (TLFs) clínicas utilizando paquetes modernos de informes de R. - Aplicar principios modernos de informes reproducibles con R Markdown y Quarto. - Implementar mejores prácticas para la validación de datos y la trazabilidad en la programación clínica. El curso comienza con conceptos fundamentales de ensayos clínicos y estándares CDISC antes de pasar a tutoriales de código paso a paso para la transformación de datos. Progresará desde la ingesta de datos crudos hasta la creación de resultados finales que cumplen con las normativas utilizando paquetes de R alineados con la industria. Este curso está diseñado para aspirantes a programadores clínicos, bioestadísticos y analistas de datos que desean aprender los estándares de informes clínicos. Una familiaridad básica con R es útil, pero no se requiere experiencia previa con ensayos clínicos o estándares CDISC. Comienza hoy tu viaje hacia el dominio de los pipelines de datos clínicos.