Workshop in Health Informatics

ปฏิบัติการสารสนเทศด้านสุขภาพ (Workshop in Health Informatics)

เป้าหมายของรายวิชา (Course Goals)

พัฒนานักศึกษาให้มีความรู้และทักษะเกี่ยวกับการเขียนโปรแกรมเพื่อจัดการข้อมูล รูปแบบข้อมูลสุขภาพประเภทต่างๆ การจัดการข้อมูลขนาดใหญ่ การทำงานกับฐานข้อมูล สามารถนำไปประยุกต์ใช้ในการทำงานทางด้านวิทยาศาสตร์การแพทย์ทั่วไปและทางด้านการแพทย์แม่นยำ โดยยึดหลักความถูกต้องตามหลักวิชาการ

ผลลัพธ์การเรียนรู้ของรายวิชา (CLOs)

เมื่อสิ้นสุดการเรียนการสอนแล้ว นักศึกษาจะสามารถ:

  1. CLO1: อธิบายเกี่ยวกับรูปแบบข้อมูลสุขภาพประเภทต่างๆ การทำงานกับฐานข้อมูล

  2. CLO2: เขียนโปรแกรมเพื่อจัดการข้อมูล รวมถึงการจัดการข้อมูลขนาดใหญ่

  3. CLO3: อธิบายเกี่ยวกับกฎหมายและจริยธรรมที่เกี่ยวข้องกับการจัดการข้อมูล

  4. CLO4: ใช้เทคโนโลยีสารสนเทศเพื่อการปฏิบัติงานด้านวิทยาศาสตร์การแพทย์ได้ตรงตามวัตถุประสงค์

แผนการสอนและการเรียนรู้ (Course Timetable)

Table 10 แผนการสอนรายวิชา อจวพ ๓๐๒ ปฏิบัติการสารสนเทศด้านสุขภาพ

คาบที่

หัวข้อ / รายละเอียด

วิธีการสอนและสื่อที่ใช้

1

Introduction to Health Informatics Data Pre-processing

  • Working with CSV, JSON

  • Data pre-processing

  • Saving intermediate work

  • Introduction to offline Jupyter Notebook

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์

Software

2

Data Linking and Aggregation

  • การเชื่อมโยงข้อมูลจากหลายชุดข้อมูล

  • Group by / having

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

3

Finding Insights with pandas

  • การวิเคราะห์และค้นหาข้อมูลเชิงลึกด้วย pandas Library

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

4

Big Data Infrastructure

  • ETL process, data pipeline, data lake

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

5

Relational Database & SQL (Part 1)

  • Relational database & database schema

  • column type, SELECT statement, LIMIT

  • primary key, SQLite, SQL INSERT

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

6

Data Warehouse & SQL Queries

  • Data warehouse & Basic database design

  • SQL WHERE (AND, OR, NOT, NULL)

  • AS ALIAS, ORDER BY, MIN, MAX, AVG, COUNT, DISTINCT

  • DATE, LIKE, IN, BETWEEN

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

7

Advanced Database Design & Joins

  • ER diagram, FOREIGN key

  • SQL JOIN (INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN, SELF JOIN)

  • Dot notation, UNION, GROUP BY, HAVING

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

8

Finding Insights with SQL

  • การสืบค้นและค้นหาข้อมูลสุขภาพเชิงลึกด้วยคำสั่ง SQL

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Dataset: General Practice Prescribing Data

9

สอบกลางภาค

  • การสอบวัดผลกลางภาคเรียน

การสอบปฏิบัติงาน/ทฤษฎีในชั้นเรียน

10

Health Information Ethics and Regulations

  • กฎหมายและจริยธรรมที่เกี่ยวข้องกับการจัดการข้อมูลสุขภาพ

  • Data privacy, security, PII

  • พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA) และมาตรฐาน HIPAA

  • นโยบายคลาวด์กลางด้านสาธารณสุข

บรรยาย: PowerPoint และค้นคว้าข้อมูลเกี่ยวกับกฎหมาย PDPA, HIPAA

11

Health Care Data Standards

  • มาตรฐานข้อมูลสุขภาพสากล

  • OMOP Common Data Model, HL7 FHIR

  • รหัสมาตรฐานสากล ICD-10

บรรยาย: PowerPoint และค้นคว้าข้อมูลจาก สปสช. Data Dictionary

12

Finding Insights from Big Data (Part 1)

  • การใช้งานระบบ Google BigQuery

  • การวิเคราะห์ข้อมูลผู้ป่วยจำลองที่สร้างจาก Synthea (Synthetic patient data)

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Google BigQuery และ Synthea

13

Finding Insights from Big Data (Part 2)

  • การวิเคราะห์ข้อมูลผู้ป่วยจำลองบนรูปแบบ OMOP Common Data Model

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Synthetic Patient Data in OMOP

14

Techniques when dealing with Big Data

  • Big Data manipulation techniques

  • Table view, table update, and Permission management

บรรยาย: PowerPoint และฝึกปฏิบัติในห้องปฏิบัติการคอมพิวเตอร์ด้วย Synthetic Patient Data

15

Project Consultation

  • การให้คำปรึกษาโครงงานกลุ่มของนักศึกษา

  • หัวข้อ: การสร้าง ER diagram จาก สปสช. Data Dictionary

การทำโครงงานกลุ่มและการให้คำปรึกษาโดยอาจารย์ผู้สอน

16

Project Presentation

  • การนำเสนอโครงงานกลุ่มวิเคราะห์ข้อมูลสุขภาพของนักศึกษา

การนำเสนอผลงานกลุ่มและการอภิปรายร่วมกันในชั้นเรียน

17

สอบปลายภาค

  • การสอบวัดผลสัมฤทธิ์ปลายภาคเรียน

การสอบภาคปฏิบัติและทฤษฎีปลายภาค

การประเมินผลการเรียนรู้ (Course Evaluation)

สัดส่วนคะแนนสะสมและการวัดผล (ร้อยละ 100) มีดังนี้:

  • การสอบทฤษฎีและปฏิบัติ (MCQ / Exams): ร้อยละ 50

  • การส่งงานและการบ้านประจำสัปดาห์ (Homework): ร้อยละ 20

  • โครงงานกลุ่มวิเคราะห์ข้อมูลสุขภาพ (Project): ร้อยละ 20

  • การนำเสนอผลงานโครงงานกลุ่ม (Presentation): ร้อยละ 10