Este curso de Epidemiología Avanzada con R guía a los estudiantes desde los fundamentos de R y la manipulación de datos hasta técnicas avanzadas de modelado estadístico y aprendizaje automático. A través de módulos estructurados, aprenderás desde la exploración de datos (EDA) y la visualización con ggplot2, hasta modelos predictivos avanzados como regresión penalizada, Random Forest, XGBoost y Super Learner. Además, el curso enfatiza la validación cruzada, ajuste de hiperparámetros y la selección óptima de modelos para mejorar la toma de decisiones basada en datos. Con un enfoque práctico y aplicado a bases de datos epidemiológicas como NHANES, este curso te brindará herramientas sólidas para el análisis estadístico en investigación y salud pública

This Advanced Epidemiology with R course takes students from the basics of R and data manipulation to advanced statistical modeling and machine learning techniques. Through structured modules, you will learn everything from Exploratory Data Analysis (EDA) and visualization with ggplot2 to advanced predictive models such as penalized regression, Random Forest, XGBoost, and Super Learner. The course also emphasizes cross-validation, hyperparameter tuning, and optimal model selection to enhance data-driven decision-making. With a practical approach applied to epidemiological datasets like NHANES, this course provides solid tools for statistical analysis in research and public health

Reporte metodologico y de resultados para el proyecto: “Asociación entre el signo de Abril y la ruptura proximal de la cabeza larga del bíceps confirmada por resonancia magnética en pacientes atendidos en consulta externa de miembro superior”

Este reporte presenta los hallazgos de un estudio retrospectivo que analiza la experiencia quirúrgica y los desenlaces clínicos en pacientes sometidos a artrodesis intersomática L5-S1 en el Hospital Militar Central (Bogotá, 2018-2024). Se compararon las técnicas quirúrgicas Pfannenstiel y paramediano, evaluando sus asociaciones con tiempos quirúrgicos, complicaciones y días de hospitalización. Se incluyen análisis descriptivos, comparativos y de regresión univariada para identificar factores clínicos y quirúrgicos relevantes.

En este estudio, se establecieron puntos de corte específicos para los niveles de tiroxina libre en la población de pacientes de la Fundación Valle de Lili, con el objetivo de mejorar la precisión diagnóstica y el tratamiento de condiciones tiroideas. Utilizando datos de laboratorio recolectados en enero de 2015, se aplicaron métodos estadísticos avanzados, específicamente el algoritmo refineR, para estimar intervalos de referencia precisos. Se realizó un análisis inicial con configuraciones predeterminadas, seguido de una estimación avanzada empleando el método bootstrap con 200 iteraciones para calcular intervalos de confianza robustos. Los resultados muestran los límites inferiores y superiores de los niveles de tiroxina libre, proporcionando un marco claro para la identificación de valores normales y anormales en nuestra población. Además, se generaron gráficos detallados para visualizar la distribución de los niveles de tiroxina y los intervalos de referencia, utilizando paletas de colores profesionales que facilitan la interpretación visual. La inclusión de semillas aleatorias (set.seed) aseguró la reproducibilidad de los resultados.