| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Tıbbi İstatistik ve Tıp Bilişimine Giriş | BSM 449 | 7 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. NİLÜFER YURTAY |
| Dersi Verenler | Dr.Öğr.Üyesi HÜSEYİN ESKİ, Prof.Dr. NİLÜFER YURTAY, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Tıbbi istatistik tecrübesi kazandırmak ve Tıp Bilişimi disiplininin kavram, ilke, beceri ve yöntemlerini öğretmek ve tıbbi karar destek sistemlerinin yapısını kavratmak |
| Dersin İçeriği | Tıp bilişimi temel kavramları, tıbbi veri toplama ve düzenleme, tıbbi karar destek sistemleri oluşturma. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Tıbbi verileri anlama becerisi kazanmak | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| 2 | Tıbbi verilerin kodlama, sınıflandırma ve isimlendirme sistemlerini bilmek. | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| 3 | Klinik bilgi sistemlerini tanımak | Alıştırma ve Uygulama, Anlatım, Soru-Cevap, | Sınav, Ödev, Proje / Tasarım, |
| 4 | Tıp Bilişimi disiplininin temel kavramlarını bilmek ve anlamak. | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| 5 | Tıbbi veriler ile istatistik yapabilme tecrübesi edinmek | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Ödev, Proje / Tasarım, Sınav, |
| 6 | Uzman sistemler, veri madenciliği, yapay sinir ağları, genetik algoritmalar ve yapay bağışıklık sistemlerinin tıbbi karar destek sistemi amacıyla yapılmış uygulamalarını anlamak ve yapabilmek. | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav, Ödev, Proje / Tasarım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Tıbbi istatistikte bilimsel araştırma, örnekleme, veri toplama ve düzenleme | |
| 2 | Tıbbi istatistikte bilimsel araştırma, örnekleme, veri toplama ve düzenleme | |
| 3 | Regresyon, korelasyon ve varyans analizleri | |
| 4 | Roc Analizi | |
| 5 | Tıp Bilişimine Giriş ve Genel Bakış | |
| 6 | Sağlık Hizmetlerinde Kodlama ve Standartlar | |
| 7 | Sağlık Bilgi Sistemleri | |
| 8 | Hastane Bilgi Sistemleri | |
| 9 | Tıpta Karar Destek Sistemleri-Uzman İstemler | |
| 10 | Tıpta Karar Destek Sistemleri-Veri Madenciliği | |
| 11 | Tıpta Karar Destek Sistemleri-Veri Madenciliği | |
| 12 | Tıpta Karar Destek Sistemleri-Yapay Sinir Ağları | |
| 13 | Tıpta Karar Destek Sistemleri-Genetik Algoritmalar | |
| 14 | Tıpta Karar Destek Sistemleri-Yapay Bağışıklık Sistemleri |
| Kaynaklar | |
|---|---|
| Ders Notu | Ders Notları |
| Ders Kaynakları | Mustafa Şenocak, Temel Biyoistatistik, Çağlayan Kitabevi ,1990. Silahtaroğlu,G., Veri Madenciliği, Papatya Yayınevi,2008. Stuart Russell, Peter Norvig; Artificial Intelligence A Modern Approach, Prentice-Hall, Inc., 1995. Dr. Murat Civaner, Tıp Etiği El Kitabı , Türk Tabipleri Birliği Yayınları, 2005. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | X | |||||
| 2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | X | |||||
| 3 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | |||||
| 4 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | X | |||||
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | X | |||||
| 6 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, | ||||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | |||||
| 8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | ||||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | ||||||
| 10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | |||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | ||||||
| 12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Tıbbi verileri anlama becerisi kazanmak | ||||||||||||
| 2 | Tıbbi verilerin kodlama, sınıflandırma ve isimlendirme sistemlerini bilmek. | ||||||||||||
| 3 | Klinik bilgi sistemlerini tanımak | ||||||||||||
| 4 | Tıp Bilişimi disiplininin temel kavramlarını bilmek ve anlamak. | ||||||||||||
| 5 | Tıbbi veriler ile istatistik yapabilme tecrübesi edinmek | ||||||||||||
| 6 | Uzman sistemler, veri madenciliği, yapay sinir ağları, genetik algoritmalar ve yapay bağışıklık sistemlerinin tıbbi karar destek sistemi amacıyla yapılmış uygulamalarını anlamak ve yapabilmek. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Ödev | 20 |
| 2. Ödev | 20 |
| 3. Ödev | 20 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 60 |
| 1. Final | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ara Sınav | 1 | 5 | 5 |
| Proje / Tasarım | 1 | 10 | 10 |
| Final | 1 | 5 | 5 |
| Toplam İş Yükü | 116 | ||
| Toplam İş Yükü / 25 (Saat) | 4,64 | ||
| dersAKTSKredisi | 5 | ||