Leer klinische predictiemodellen ontwikkelen en valideren met statistiek en machine learning voor betere diagnoses en behandelbeslissingen.
In deze praktijkgerichte cursus leer je hoe je betrouwbare predictiemodellen ontwikkelt en toepast binnen de klinische praktijk. Je krijgt inzicht in het volledige proces: van het opzetten van een model tot het beoordelen van de kwaliteit en het uitvoeren van interne en externe validatie. Ook maak je kennis met verschillende machine learning technieken, waaronder Lasso-regressie en beslisboom gebaseerde methoden.
Het programma bestaat uit intensieve, interactieve colleges gecombineerd met computerpractica. Tijdens deze sessies werk je met realistische zorgdata en gebruik je veelgebruikte software zoals R, RStudio en SPSS. Op de eerste dag krijg je een introductie in het werken met R en RStudio, zodat je direct aan de slag kunt met het bouwen en testen van predictiemodellen.
Key takeaways:
- Kennis en inzicht in de ontwikkeling van voor de praktijk relevante predictiemodellen.
- Toepassing van logistische en Cox-regressiemodellen
- Kennismaking met geavanceerde machine learning technieken
- Gebruik van Lasso-regressie en tree-based methoden
- Begrip van modelontwikkeling gericht op klinische besluitvorming
Startdatum: 10 september 2026
Kosten: € 1.450,- inclusief lunch, koffie en thee
Duur: 4 dagen
Tijdsinvestering: 20-40 uur (tentamen facultatief)
Studielast: 2 EC
Locatie: Amsterdam, Frans Ottenstadion
Registratie deadline: 28 augustus 2026
Accreditatie: Deze cursus is geaccrediteerd voor:
- Cluster 1: huisartsen, specialisten ouderengeneeskunde, artsen verstandelijk gehandicapten
- Cluster 2: medisch specialisten
- Cluster 3: sociaal geneeskundigen, bedrijfsartsen, verzekeringsartsen, artsen maatschappij en gezondheid
De cursus ‘Klinische predictiemodellen en Machine learning’ (K80) is geaccrediteerd voor 20 uren.
Om in aanmerking te komen voor de accreditatie-uren van deze cursus dien je de gehele cursus aanwezig te zijn geweest.