R Programming & RStudio for Epidemiologic Data Analysis

Lập trình R & RStudio cho Phân tích Dữ liệu Dịch tễ học

RStudio trong nghiên cứu y tế công cộng & y sinh — ứng dụng lập trình R, thống kê sinh học và kỹ năng phân tích dịch tễ

4.7

(93 đánh giá)

1,302 học viên

Giảng viên

Md Ahshanul Haque

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 399.000đ -87%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

8.5 giờ video

102 bài giảng

2 bài quiz

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 28/05/2026

#Data Analysis #Epidemiology #R Programming #Rstudio

Bạn sẽ học được gì

Nắm được kiến thức cơ bản về RStudio và thiết lập môi trường sẵn sàng cho nghiên cứu.

Nhập, làm sạch và chuẩn bị bộ dữ liệu y tế công cộng để phân tích.

Học viên sẽ học cách nhập, làm sạch và tổ chức dữ liệu nghiên cứu sức khỏe trong RStudio.

Học viên sẽ có trải nghiệm thực hành trong việc biến đổi biến số, gán nhãn dữ liệu và quản lý bộ dữ liệu từ nhiều nguồn khác nhau.

Yêu cầu

Không yêu cầu kinh nghiệm trước với R hay RStudio — chào đón cả người mới bắt đầu.

Hiểu biết cơ bản về thống kê (giá trị trung bình, tương quan, p-value) sẽ hữu ích.

Có máy tính kết nối internet để cài đặt R và RStudio.

Đối tượng phù hợp

Sinh viên và nhà nghiên cứu y tế công cộng muốn áp dụng phân tích hồi quy trong nghiên cứu của mình.

Người mới bắt đầu với khoa học dữ liệu quan tâm đến các ứng dụng nghiên cứu sức khỏe thực tế.

Bất kỳ ai tò mò về việc sử dụng RStudio và thống kê cho các dự án nghiên cứu.

Nội dung khóa học

16 phần • 102 bài giảng

1 Chào mừng đến với Khóa học

2 Lưu ý về Cập nhật Phần mềm R

3 Tải xuống R và RStudio

4 Cài đặt và Quản lý Gói R

5 Bắt đầu với RStudio

1 Bắt đầu với Biểu đồ và Bảng đơn giản trong R

2 Đọc Dữ liệu Excel trong R

3 Tạo Biểu đồ Box Plot đơn giản trong R

4 Tạo Bảng Tóm tắt Mô tả trong R

1 Nhập Dữ liệu của Bạn: File Excel, CSV, Stata và SPSS trong R

2 Toán tử Số học và Quan hệ trong RStudio

3 Giữ lại Biến số trong RStudio bằng dplyr

4 Bỏ Biến số trong RStudio bằng dplyr | Làm sạch và Tổ chức Dữ liệu trong R

5 Lọc Dữ liệu trong RStudio | Giữ lại hoặc Bỏ Giá trị với dplyr

1 Định nghĩa Nhãn Giá trị trong RStudio | Sử dụng mutate() để Làm rõ Dữ liệu

2 Thêm Nhãn Biến số trong RStudio | Cải thiện Độ rõ ràng của Bộ dữ liệu

1 Tạo Biến số Mới trong RStudio | Tính BMI với mutate()

2 Mã hóa lại Biến số trong RStudio | Biến đổi Dữ liệu Dễ dàng với dplyr

1 Tạo Histogram trong RStudio | Trực quan hóa Phân phối Dữ liệu Dễ dàng

2 Box Plot trong RStudio | Trực quan hóa Biến Liên tục Đơn lẻ Dễ dàng

3 Box Plot trong RStudio | So sánh Biến Liên tục theo Nhóm

4 Box Plot trong RStudio | So sánh Biến Liên tục theo Hai Nhóm

5 Lưu Biểu đồ dưới dạng JPEG trong RStudio | Xuất Biểu đồ cho Báo cáo

1 Tạo Biểu đồ Cột đơn giản trong R bằng ggplot

2 Thêm Nhãn Trục vào Biểu đồ Cột trong RStudio Bằng ggplot

3 Biểu đồ Cột Nhóm cho Dữ liệu Phân loại trong R bằng ggplot

1 Biểu đồ Cột cho Một Biến Nhị phân Phân nhóm theo Một Biến Phân loại

2 Biểu đồ Cột cho Một Biến Nhị phân Phân nhóm theo Hai Biến Phân loại

3 Biểu đồ Cột cho Nhiều Biến Nhị phân trong RStudio

1 Phân tích Đơn biến trong RStudio | Tóm tắt Tất cả Biến số một cách Hiệu quả

2 Phân tích Hai biến trong RStudio | Tóm tắt Dữ liệu theo Biến Phân loại

3 Tỷ lệ phần trăm & Trung bình/Độ lệch chuẩn trong RStudio | Tóm tắt Dữ liệu Phân loại & Liên tục

4 Thêm P-value trong RStudio | Thực hiện Kiểm định Chi-Square & T-Test để Phân tích

5 Xuất Bảng RStudio sang MS Word | Lưu Bảng và Bản Tóm tắt

1 Tạo Biểu đồ Phân tán trong RStudio bằng ggplot2 cho Hai Biến Liên tục

2 Hệ số Tương quan giữa Hai Biến Liên tục trong RStudio

3 Hồi quy Tuyến tính Đơn giản giữa Hai Biến Liên tục trong RStudio

4 Hồi quy Tuyến tính Bội trong RStudio: Sử dụng Nhiều hơn Một Biến Độc lập

5 Dự đoán Kết quả và Tính Phần dư trong Hồi quy Tuyến tính

6 Kiểm định Phương sai Đồng nhất (Homoscedasticity) trong Hồi quy Tuyến tính bằng RStudio

7 Kiểm định Tính Chuẩn của Phần dư trong Hồi quy Tuyến tính bằng RStudio

8 Kiểm tra Đa cộng tuyến bằng Hệ số Phóng đại Phương sai (VIF) trong RStudio

9 Tạo Bảng Sẵn sàng Xuất bản cho Hệ số Hồi quy Chưa Hiệu chỉnh trong R

10 Tạo Bảng Sẵn sàng Xuất bản cho Hệ số Hồi quy Đã Hiệu chỉnh trong R

11 Phần cuối: Tạo Bảng Sẵn sàng Xuất bản cho Hồi quy Chưa Hiệu chỉnh và Đã Hiệu chỉnh

1 Hồi quy Logistic Đơn giản trong RStudio | Ước tính Tỷ số Odds

2 Diễn giải Tỷ số Odds từ Hồi quy Logistic trong RStudio

3 Hồi quy Logistic Bội trong RStudio | Mô hình với Nhiều Biến Dự báo

4 Cách Thay đổi Nhóm Tham chiếu trong Mô hình Hồi quy (RStudio)

5 Tỷ số Odds Chưa Hiệu chỉnh trong RStudio | Phân tích các Biến số Đã chọn

6 Tỷ số Odds Đã Hiệu chỉnh trong RStudio | Hồi quy Logistic Bội

7 Tạo Bảng Hồi quy Logistic Sẵn sàng Xuất bản trong RStudio

8 Xuất Bảng Hồi quy Logistic từ RStudio | Lưu cho Báo cáo

1 Tổng quan về Thiết kế Nghiên cứu Thuần tập và Tính Cỡ mẫu | Tỷ số Nguy cơ

2 Nhập và Quản lý Dữ liệu cho Nghiên cứu Thuần tập trong RStudio | Cơ sở dữ liệu Excel

3 Lưu Dữ liệu Nghiên cứu Thuần tập ở Định dạng R

4 Tóm tắt Mô tả bằng Trung bình, Độ lệch Chuẩn và Tỷ lệ phần trăm

5 Hồi quy Log-Binomial Đơn giản trong RStudio | Ước tính Tỷ số Nguy cơ với gtsummary

6 Diễn giải Tỷ số Nguy cơ trong Nghiên cứu Thuần tập

7 Hồi quy Log-Binomial Bội | Tỷ số Nguy cơ Đã Hiệu chỉnh với gtsummary

8 Hồi quy Poisson Biến đổi Đơn giản (Modified Poisson Regression) | Ước tính Tỷ số Nguy cơ với gtsummary

9 Hồi quy Poisson Biến đổi Bội – Ước tính Tỷ số Nguy cơ Đã Hiệu chỉnh

10 Bảng Sẵn sàng Xuất bản cho Tỷ số Nguy cơ Chưa Hiệu chỉnh bằng Hồi quy Poisson

11 Bảng Sẵn sàng Xuất bản cho Tỷ số Nguy cơ Đã Hiệu chỉnh bằng Hồi quy Poisson

1 Nhập Dữ liệu cho Hồi quy Poisson (Dữ liệu Biến Đếm) trong Nghiên cứu Thuần tập

2 Thêm Nhãn Giá trị cho Dữ liệu Biến Đếm Thuần tập

3 Thêm Nhãn Biến số cho Dữ liệu Biến Đếm Thuần tập (Hồi quy Poisson)

4 Bảng Tóm tắt Mô tả cho Dữ liệu Biến Đếm Thuần tập (Hồi quy Poisson)

5 Thêm P-value vào Bảng Tóm tắt: Phân tích Suy luận cho Dữ liệu Biến Đếm Thuần tập

6 Hồi quy Poisson Đơn giản cho Kết quả Biến Đếm: Ước tính Tỷ suất Mắc (Incidence Rate Ratios)

7 Hồi quy Poisson Bội cho Nghiên cứu Thuần tập: Tỷ suất Mắc Đã Hiệu chỉnh

8 Bảng Sẵn sàng Xuất bản cho Kết quả Hồi quy Poisson Chưa Hiệu chỉnh (IRR)

9 Bảng Cuối Sẵn sàng Xuất bản cho Hồi quy Poisson Chưa Hiệu chỉnh và Đã Hiệu chỉnh

1 Tổng quan về Thiết kế Nghiên cứu Bệnh-Chứng Bắt cặp | Tính Cỡ mẫu

2 Quản lý Dữ liệu cho Thiết kế Nghiên cứu Bệnh-Chứng Bắt cặp trong RStudio

3 Tóm tắt Dữ liệu theo Trạng thái Bệnh-Chứng trong RStudio

4 Hồi quy Logistic có Điều kiện Đơn giản cho Nghiên cứu Bệnh-Chứng Bắt cặp trong R

5 Hồi quy Logistic có Điều kiện Bội cho Nghiên cứu Bệnh-Chứng Bắt cặp trong R

6 Tạo Bảng Sẵn sàng Xuất bản cho Tỷ số Odds Thô (Crude Odds Ratios) trong RStudio

7 Tạo Bảng Sẵn sàng Xuất bản cho Tỷ số Odds Thô và Đã Hiệu chỉnh trong RStudio

1 Dữ liệu Thử nghiệm Bệnh viện trên Bệnh nhân Tiêu chảy – Mô tả và Nhập vào RStudio

2 Gán nhãn Dữ liệu và Lưu Bộ dữ liệu ở Định dạng R

3 Đường cong Sống còn Kaplan–Meier để Đánh giá trực quan Hiệu quả Điều trị

4 Diễn giải Đường cong Sống còn Kaplan–Meier

5 Tóm tắt Dữ liệu Mô tả bằng Giá trị Trung bình và Tỷ lệ phần trăm trong RStudio | p-value

6 Hồi quy Cox Đơn giản – Ước tính Hiệu quả Điều trị bằng Hazard Ratios

7 Hồi quy Tỷ lệ Nguy cơ (Cox Proportional Hazards) Bội cho Hiệu quả Điều trị

8 Tự động Tạo Bảng Hazard Ratios Chưa Hiệu chỉnh trong RStudio

9 Bảng Tự động cho Hazard Ratios Đã Hiệu chỉnh trong Phân tích Sống còn

10 Phần cuối: Bảng Tự động cho Hazard Ratios Chưa Hiệu chỉnh và Đã Hiệu chỉnh trong R

1 Hiểu Dữ liệu DHS và Codebook (DHS Nigeria)

2 Đọc Dữ liệu DHS trong R | Định dạng Stata | Định dạng SPSS

3 Chọn các Biến số Liên quan để Phân tích

4 Chuyển đổi các Biến Phân loại thành Factor

5 Xử lý các Giá trị Cực đoan 9998, 98, flag, thay thế bằng Missing (NA)

6 Điều chỉnh Giá trị Thập phân và Định dạng Dữ liệu, ví dụ 2345 thành 23.45

7 Tạo các Biến số Dinh dưỡng | Stunting, wasting, underweight, ANC

8 Chọn các Biến số Cuối cùng để Phân tích | Làm sạch dữ liệu

9 Chỉnh sửa Nhãn Giá trị cho Rõ ràng | Biến Factor

10 Đổi tên Biến số để Diễn giải Tốt hơn

11 Chuẩn bị Nhãn Biến số cho Phân tích & Lưu Bộ dữ liệu Cuối cùng

12 Tạo Bộ dữ liệu Mới cho Phân tích Trẻ em

Giới thiệu khóa học

Are you ready to analyze health research data with confidence using R and RStudio?

This comprehensive course is designed to take you from data management to advanced epidemiologic analysis, using real-world health datasets. Whether you are a student, researcher, or professional in public health, epidemiology, or biostatistics, this course will give you the practical skills needed to handle, analyze, and interpret data for research and publication.

You will begin by learning how to import data from Excel, CSV, Stata, and SPSS, and organize it for analysis. The course then guides you through essential data management tasks, including cleaning messy datasets, handling missing values, transforming variables, labeling data, and preparing analysis-ready datasets.

Once the foundation is built, you will move into data visualization using ggplot2, creating clear and publication-quality charts such as histograms, boxplots, and bar graphs. You will also learn how to export figures and tables for reports and manuscripts.

A major focus of the course is statistical analysis in R, including descriptive and inferential analysis, p-values, and summary tables using the gtsummary package. You will then advance to key epidemiologic methods, including:

Linear and multiple regression
Logistic regression and interpretation of odds ratios
Cohort study analysis (risk ratio, Poisson regression, IRR)
Matched case–control analysis (conditional logistic regression)
Survival analysis (Kaplan–Meier curves and Cox regression)

Throughout the course, you will create publication-ready tables and outputs, making your results suitable for theses, dissertations, and journal articles.

This is a hands-on, step-by-step course with real data examples, designed for beginners and intermediate learners. By the end, you will be able to conduct complete epidemiologic data analysis workflows in R, from raw data to final results.

If you want to build strong, practical skills in R programming for health research, this course will give you the confidence to move forward.