University of Minnesota
Social Determinants of Health: Methodological Opportunities

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
University of Minnesota

Social Determinants of Health: Methodological Opportunities

Daniel J. Pesut, Ph.D., RN, FAAN
Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN

Dozenten: Daniel J. Pesut, Ph.D., RN, FAAN

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Anfänger
Keine Vorkenntnisse erforderlich
Es dauert 17 Stunden
3 Wochen bei 5 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Anfänger
Keine Vorkenntnisse erforderlich
Es dauert 17 Stunden
3 Wochen bei 5 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Health Informatics
  • Kategorie: Data Analysis
  • Kategorie: Health Equity
  • Kategorie: Methodology
  • Kategorie: Data Visualization

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

8 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Social Determinants of Health: Data to Action
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 5 Module

The purpose of this module is to examine community-based participatory research (CBPR) and evaluate its potential applications in data-to-action initiatives. Lesson one will define CBPR, as we discuss its origin and relation to collective impact. We will also review the goals, purpose, benefits and characteristics of CBPR as we compare it to traditional research methods. In lesson two, we will explore potential measurement strategies for analyzing CBPR outcomes and data-to-action interventions. We will also consider how CBPR success is measured and how data can be used to amplify community voices.

Das ist alles enthalten

3 Videos4 Lektüren2 Aufgaben1 Diskussionsthema5 Plug-ins

This module will introduce the principles of team science and examine how team science can be used to enhance data-to-action initiatives. In lesson one, we will define team science, as we discuss how it is related to collective impact and CBPR. We will also review recommendations made by the National Academies Committee on the Science of Team Science for improving team science effectiveness. Lesson two will focus on the opportunities and challenges for team science in communities, as we further discuss incorporating community perspectives into team science research. We will also evaluate how to measure team science outcomes, as we consider how team science can add perspective and voice to data.

Das ist alles enthalten

2 Videos4 Lektüren2 Aufgaben1 Diskussionsthema3 Plug-ins

This module will focus on the importance of community partnerships in collecting and analyzing community-level data that can be integrated into data-to-action initiatives. Lesson one will define key terms, and introduce the concept of whole-person health. We will also explore how community data can be used to advocate, influence and create policy to support health equity. In lesson two, we will examine the use of simplified plain language in the context of health literacy, as we discuss how to assess the usability of community-validated plain language terms. Lesson three will introduce the MyStrengths+MyHealth assessment, as we review the implications of collecting community-based social determinant of health data. Finally in lesson four, we will evaluate a community-level data exemplar, as we consider how to translate whole person health and community-level data into community-driven health initiatives.

Das ist alles enthalten

5 Videos8 Lektüren2 Aufgaben1 Diskussionsthema

In this module, we will examine informatics as a potential methodology and resource to inform data-to-action initiatives. Lesson one will define key concepts including informatics, knowledge complexity, and knowledge management. Building on these concepts, we will investigate the levels of knowledge management proposed by Verna Allee. We will also consider the different perspectives on the proposed creation of a new social informatics specialty. Building on our understanding of knowledge management, in lesson two, we will explore knowledge representation structures. We will also analyze the use of publicly available population health records as contextual information to manage knowledge and data for action to reduce health disparities. In addition, we will evaluate knowledge representation structures of evidence-based social determinants of health interventions. Finally, we will explore some informatics applications including the Population Health Record and the WHO Health Equity Assessment Toolkit (HEAT).

Das ist alles enthalten

2 Videos4 Lektüren2 Aufgaben1 Diskussionsthema3 Plug-ins

This module will focus on analyzing, displaying and interpreting social determinants of health data, with a particular focus on comparing health outcomes by groups. Lesson one will provide an overview of ANOVA analysis and line graph visualization. In lesson two, we will learn how to conduct ANOVA analyses and create line graphs in R. Using the NHANES dataset, we will compare the mean Hgb a1c by education level. Using the Omaha System dataset, we will compare the mean change in status by number of problems. Finally, we will discuss how to interpret the results of our analysis as we visualize our findings using line graphs.

Das ist alles enthalten

2 Videos4 Lektüren1 peer review1 Diskussionsthema1 Unbewertetes Labor3 Plug-ins

Dozenten

Daniel J. Pesut, Ph.D., RN, FAAN
University of Minnesota
7 Kurse6.562 Lernende
Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
University of Minnesota
9 Kurse46.079 Lernende

von

Empfohlen, wenn Sie sich für Health Informatics interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen