Repositorio en el que se desarrollará el código de las prácticas de la asignatura "Fuentes de Datos Biomédicos y Web Semánticas", del grado de Ingeniería de la Salud, de la Universidad de Burgos.
Más información en la página del curso y a lo largo de las secciones de este README.
La idea detrás de los seminarios busca fortalecer el uso de fuentes biomédicas y su acceso, preprocesamiento y visualización usando herramientas analíticas, como R, para dilucidar el efecto de estresores ambientales sobre la salud humana (Biometereología Humana). Puedes ver más ejemplos en el MCC Collaborative Research Network.
A modo de ejemplo, os dejo unos enlaces a algunos seminarios previos que han sido bien (o muy bien) evaluados en la siguiente sección Hall of Fame - Seminarios
La entrega se basa en dos archivos y un repostorio que se solicitarán como mecanismo de evaluación del tercer control parcial (evaluación contínua). Los archivos que tendréis que entregar son:
- i) Archivo RMarkdown (Cuaderno de R) que contendrá tanto el texto como el código empleado en el seminario. Es de extensión
.Rmd, - ii) Archivo HyperText Markup Language (HTML), de extensión
.htmlque contendrá el seminario renderizado, es decir se unirá tanto el texto como el código y sus resultados (i.e. tablas, figuras, etc.) y - iii) La dirección
urldel repositorio en github donde habéis desarrollado el seminario.
La estructura del seminario contará con los identificadores básicos del seminario como es el título, los autores y curso al que corresponde y con los siguientes apartados específicos:
- Introducción: contextualiza la idea del seminario, entrega una idea general de la temática, de lo que se sabe y sobre todo de lo que no se sabe y queréis abordar en vuestro trabajo.
- Objetivo general: en una frase un objetivo claro y general que muestre muy claramente la relación entre variables que váis a buscar/relacionar.
- Objetivos específicos: tres o cuatro preguntas específicas que permiten responder el objetivo general. Normalmente, se corresponden con la descripción y caracterización (espacial, temporal, etc.) de las variables de interés con las que se trabaja en el seminario y por una o dos preguntas en las que la relación y/o correlación entre estas variables se llevará a cabo (ojo la falta de relación y/o correlación también es un resultado admisible en este seminario).
- Metodología y Resultados: para cada objetivo específico se entregará el código y las representaciones necesarias (tablas, figuras, etc) que permitan responder al objetivo específico en cuestión.
- Conclusiones generales: podréis generar conocimiento nuevo con vuestro seminario y es en este apartado donde váis a detallarlo de manera concisa y reconiendo sus limitaciones.
- Referencias: listado de las referencias utilizadas en el seminario (intentad que sean en formato APA) que os permitirán escribir la introducción y ver lo importante o no de vuestras conclusiones generales.
Para la entrega, deberéis fijaros en:
- i) como luce el repositorio,
- ii) cómo luce el readme o "landing page",
- iii) cómo luce la estructura de archivos y carpetas dentro del repositorio y
- iv) descargar y abrir (por fuera de github) el documento *.html que han desarrollado para ver bien cómo han resuelto este seminario.
- Necesidad de Atención Psicológica (NAT) en España
- Análisis estadístico sobre relación entre sedentarismo y uso de audífonos/gafas
- Suicidios, desigualdad económica e inaccesibilidad a servicios sanitarios
- Relación entre Paro y Suicidio
- Actividad Fisica, Zonas Verdes y Salud Mental
- Cambio climático y enfermedades cardiovasculares
- Suicidio, clima y desarrollo global
- Inaccesibilidad-sanitaria-y-efectos-en-salud
- R for Data Science
- R Para Ciencia de Datos
- Fundamentos de ciencia de datos con R
- R Programming for Data Science
- R Avanzado
- Advanced R
- fasteR: Fast Lane to Learning R!
- Big Book of R
- The tidyverse style guide
- Cómo usar Git/GitHub con R
- Chapter 4 Git, in:Reproducible Analytical Pipelines
- Connect RStudio to Git and GitHub
- Happy Git and GitHub for the useR
- Cómo vincular y usar Git con RStudio
- Git y GitHub con R
- The R Graph Gallery
- ggplot2: Elegant Graphics for Data Analysis
- ggplot2 extensions
- awesome-r-dataviz
- R Graphics Cookbook
- R Markdown: The Definitive Guide
- R Markdown Cookbook
- The bookdown package
- Introducción al uso de RMarkdown
- Cómo crear Tablas de información en R Markdown
- The Epidemiologist R Handbook
- R for Epidemiology
- R for Health Data Science
- Sequence Analysis in R and Bioconductor
- Little Book of R for Bioinformatics
- CRAN Task View: Genomics, Proteomics, Metabolomics, Transcriptomics, and Other Omics
- The caret Package
- Tidy Modeling with R
- Building Reproducible Analytical Pipelines
- Applied Machine Learning Using mlr3 in R
- Models Demystified
- R Consortium
- R Ladies
- R-Ladies Madrid (X)
- R-Ladies Barcelona (X)
- R-Ladies Bilbao (X)
- Comunidad R-Hispano
- R-Project
- R-Bloggers
- Revolutions
- II Congreso de R en España-Barcelona, 2023
- III Congreso & XIV Jornadas de Usuarios de R, Sevilla - 2024
- Ten simple rules for teaching yourself R
- R generation
- Expansion and evolution of the R programming language
- The Evolution of the R Software Ecosystem
- Evolution of the R software ecosystem
- Programming tools: Adventures with R
- Datos abiertos Gob. España /
opendataes - Datos abiertos CyL /
opendataes - Calidad de Aire - JCyL
- Datos espaciales de hospitales
- INE (Instituto Nacional de Estadística) package
- INE - Encuesta de morbilidad hospitalaria
- INE - Lista completa
- rOpenSpain community / GitHub-Repo
- Eurostat Portal.
- Eurostat R-Package.
- European Health Information Initiative (EHII)
- World Health Organization (WHO)
- World Health Organization - Health Observatory
- rOpenHealth
- European Environment Agency
- European Environment Agency - Datahub
- greenR: An R Package for Quantifying Urban Greenness
- CAMS European air quality reanalyses
- Water Quality ICM
- World Bank Water Data
- Datos Kaggle.
- Google Environmental Insights Explorer.
- European Cancer Information System