hochschule ulm · • das fachwissen und die kenntnisse der induktiven biostatistik in praktischen...

of 70/70
Modulhandbuch des Studiengangs Data Science in der Medizin Bachelor of Science (B.Sc.) Hochschule Ulm vom 01.03.2019 (gültig ab 09/2015) 1

Post on 30-Mar-2019

212 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

Modulhandbuch des Studiengangs

Data Science in der MedizinBachelor of Science (B.Sc.)Hochschule Ulm

vom 01.03.2019(gltig ab 09/2015)

1

Inhaltsverzeichnis1. Pflichtmodule......................................................................................................................................................... 4

1.1. Bachelorarbeit............................................................................................................................................. 51.2. Beschreibende Statistik ............................................................................................................................... 61.3. Betriebssysteme und Rechnernetze ............................................................................................................. 71.4. Biostatistische Verfahren ............................................................................................................................. 81.5. Datenbanken .............................................................................................................................................. 91.6. Datenschutz IT-Sicherheit.......................................................................................................................... 101.7. Einfhrung in die Informatik ....................................................................................................................... 111.8. Einfhrung in die Programmierung ............................................................................................................. 121.9. Fachenglisch ............................................................................................................................................ 131.10. Fortgeschrittene Methoden der Programmierung....................................................................................... 141.11. Gesundheitswesen und Recht.................................................................................................................. 151.12. Grundlagen der Dokumentation................................................................................................................ 161.13. Inferenzstatistik ....................................................................................................................................... 171.14. Klinische Forschung und Studien ............................................................................................................. 181.15. Klinische Medizin 1.................................................................................................................................. 191.16. Klinische Medizin 2.................................................................................................................................. 211.17. Kommunikation u. Moderation.................................................................................................................. 231.18. Mathematik ............................................................................................................................................. 241.19. Medizinische Dokumentation.................................................................................................................... 251.20. Medizinische Informationssysteme ........................................................................................................... 261.21. Praxisprojekt mit Bericht .......................................................................................................................... 271.22. Projektarbeit 1......................................................................................................................................... 281.23. Projektarbeit 2......................................................................................................................................... 291.24. Projektmanagement ................................................................................................................................ 301.25. Seminar.................................................................................................................................................. 311.26. Statistische Auswertesysteme.................................................................................................................. 321.27. Vorklinische Medizin 1 ............................................................................................................................. 331.28. Vorklinische Medizin 2 ............................................................................................................................. 341.29. Wahrscheinlichkeitsrechnung................................................................................................................... 361.30. Webbasierte Programmierung.................................................................................................................. 371.31. Wissenschaftliches Arbeiten .................................................................................................................... 38

2. Wahlpflichtmodule................................................................................................................................................ 382.1. Apparative Diagnostik, konservative und chirurgische Therapieverfahren ..................................................... 392.2. Betriebswirtschaftslehre............................................................................................................................. 402.3. Digital Forensics ....................................................................................................................................... 422.4. Digital Systems ......................................................................................................................................... 432.5. Einfhrung in die ABAP-Programmierung (SAP) ......................................................................................... 442.6. Englisch Oberstufe.................................................................................................................................... 452.7. Europisches Wirtschaftsrecht ................................................................................................................... 462.8. Fachenglisch (C1) fr Ingenieurswissenschaften......................................................................................... 472.9. Franzsisch Grundstufe A1........................................................................................................................ 482.10. Informationsmanagement im Gesundheitswesen....................................................................................... 492.11. International Trade and Globalisation ....................................................................................................... 502.12. Mikrocomputertechnik.............................................................................................................................. 522.13. Mobile Application Development............................................................................................................... 532.14. Molekularbiologie und molekulare Genetik ................................................................................................ 542.15. NoSQL ................................................................................................................................................... 552.16. Notfallmedizin ......................................................................................................................................... 562.17. Operative Therapie.................................................................................................................................. 572.18. Operatives Controlling ............................................................................................................................. 582.19. Pentesting .............................................................................................................................................. 592.20. Physiologische Messtechnik .................................................................................................................... 602.21. Portugiesisch Intensiv A1......................................................................................................................... 612.22. Portugiesisch Intensiv A2......................................................................................................................... 622.23. Russisch Grundstufe 1 ............................................................................................................................ 632.24. Software Language Engineering............................................................................................................... 64

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

2

2.25. Spanisch Grundstufe A1 .......................................................................................................................... 652.26. Strategisches und operatives Marketing.................................................................................................... 662.27. Technische Grundlagen der Informatik ..................................................................................................... 682.28. Theoretische Informatik ........................................................................................................................... 692.29. Web-Engineering .................................................................................................................................... 70

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

3

Studiengnge

CTS Computer Science (03/2015)ICS Computer Science International Bachelor (03/2016)DSM Data Science in der Medizin (09/2015)DM Digital Media (03/2018)ET Elektrotechnik und Informationstechnik (03/2018)EST Energiesystemtechnik (09/2016)FE Fahrzeugelektronik (03/2015)FZ Fahrzeugtechnik, Schwerpunkt Konstruktion (09/2015)IE Industrieelektronik (03/2011)INF Informatik (03/2015)IG Informationsmanagement im Gesundheitswesen (03/2016)IEW Internationale Energiewirtschaft (09/2015)MB Maschinenbau, Schwerpunkt Automatisierung und Energietechnik (09/2015)MC Mechatronik (03/2018)MT Medizintechnik (03/2018)NT Nachrichtentechnik (03/2012)PO Produktionstechnik und Organisation (09/2016)WF Wirtschaftinformatik (03/2016)WI Wirtschaftsingenieurwesen (03/2016)WL Wirtschaftsingenieurwesen / Logistik (03/2016)

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

4

ModulkrzelBCAR

ECTS15

Sprachedeutsch

Art/SemesterPflichtmodul, 7. Semester

TurnusKeine Angabe

ModultitelBachelorarbeitZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (7. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsIn der Bachelor-Arbeit werden die Studierenden mit einer relevanten Fragestellung aus einer Organisation desGesundheitswesens oder einem Forschungs- bzw. Kooperationsprojekt konfrontiert, die sie selbstndig unterAnwendung der in den Theorie- und Praxissemestern erworbenen Kenntnisse bearbeiten.Im Bachelor-Seminar wird dieBachelor-Arbeit im Rahmen einer Prsentation verteidigt. Damit zeigen die Studierenden, wie sie ihre theoretischenKenntnisse im betrieblichen oder forschenden Umfeld einsetzen konnten.Neben dem erfolgreichen Abschluss desPraxissemesters zeigt auch die erfolgreiche Bearbeitung der Bachelor-Arbeit die Berufsqualifikation der Studierenden.LernergebnisseNach erfolgreichem Abschluss des Moduls haben die Studierenden folgende Kompetenzen. Die StudierendenFachkompetenz: erkennen, verstehen und dokumentieren wissenschaftliche und wirtschaftliche Zusammenhnge im Betriebsalltag bearbeiten eine grere Aufgabenstellung der betrieblichen Praxis und/oder der aktuellen angewandten Forschung

auf dem Gebiet der Data Science in der Medizin und/oder der medizinischen Informatik erfolgreichMethodenkompetenz: verfassen eine wissenschaftliche Arbeit verfassen gestalten und strukturieren eine Prsentation visuell anschaulich und prsentieren diese im gegebenen Zeitrahmen

freiSozial- und Selbstkompetenz: schtzen die Erfahrungen und Fhigkeiten anderer Mitarbeiter bzw. Forschungsgruppenmitglieder als wertvoll ein berprfen die eigene Leistung bewerten und schtzen deren deren Mehrwert ein diskutieren Fragen mit interessierten Personen diskutieren und antworten sachbezogenInhaltLiteraturhinweise Rossig, W., Prtsch, J.: Wissenschaftliche Arbeiten: Leitfaden fr Haus-, Seminararbeiten, Bachelor- und

Masterthesis, Diplom- und Magisterarbeiten, Dissertationen. Berlin: Berlin Druck, 2008.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Projektarbeit (4 SWS), Seminar (2 SWS)Prfungsform Studienarbeit Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 15h 435h 0h 450h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

5

ModulkrzelSTAK

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 1. Semester

TurnusSommer- undWintersemester

ModultitelBeschreibende StatistikZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (1. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsBei der Dokumentation medizinischen Datenmaterials, wie sie von Absolventen des Studiengangs erwartet wird, istzunchst die geeignete Aufbereitung und grafische Darstellung der Daten von zentraler Bedeutung. Dies setzt dassichere Beherrschen und die Anwendung aussagefhiger Methoden der beschreibenden Statistik voraus.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz bei der Darstellung von Daten die wesentlichen Strukturen sichtbar machen. geeignete Methoden zur grafischen Darstellung von Daten auswhlen und anwenden. aussagefhige Kennzahlen zur Charakterisierung von empirischen Daten bestimmen. mit dem Begriff der Wahrscheinlichkeit umgehen, die Unabhngigkeit von Ereignissen charakterisieren und prdiktive

Kennzahlen diagnostischer Tests ermitteln. erste zusammenhngende explorative Analysen statistischen Datenmaterials durchfhren.Methodenkompetenz empirische Daten mit statistischen Methoden beschreiben. Datenstze fr Prsentationen problemadquat aufbereiten und die Ergebnisse deskriptiv interpretieren.Sozial- und Selbstkompetenz selbststndig und/oder im Team Aufgabenstellungen der beschreibenden Statistik lsen.InhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Beschreibung univariater Daten (Hufigkeitsverteilungen, empirische Verteilungsfunktion, Sulendiagramm,

Histogramm, Mazahlen fr die Lage und die Streuung von Daten, Quantile, Box-Plot) Grundlagen der Kombinatorik Wahrscheinlichkeit und Satz von Laplace Unabhngigkeit, bedingte Wahrscheinlichkeit, Satz von totaler Wahrscheinlichkeit Satz von Bayes mit Anwendungen in der Medizin: Sensitivitt und Spezifitt diagnostischer Verfahren. Beschreibung bivariater Daten (Kontingenztafel, Korrelation, Streudiagramm)Literaturhinweise Schwarze J.: Grundlagen der Statistik I. 10. Auflage, NWB Studienbcher, 2005. Fahrmeir et al.: Statistik - Der Weg zur Datenanalyse. Springer Verlag, 2004. Hartung J.: Statistik. Oldenbourg Verlag, 1999.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS), bungPrfungsform Klausur (90 min) Vorleistung Aufbauende Module Wahrscheinlichkeitsrechnung, Inferenzstatistik, Statistische Auswertesysteme,

Biostatistische VerfahrenModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

6

ModulkrzelBSRN

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusSommer- undWintersemester

ModultitelBetriebssysteme und RechnernetzeZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsVon Absolventinnen und Absolventen des Studiengangs Data Science in der Medizin wird ein sicherer undprofessioneller Umgang mit den Werkzeugen der Informatik erwartet. Hierzu gehren Computer mit derenBetriebssoftware und ihr Betrieb in vernetzten Umgebungen. Das Modul soll daher insbesondere dieAnwenderkompetenz in Bezug auf moderne Betriebssysteme und Rechnernetze strken.LernergebnisseFachkompetenzDie Studierenden verstehen die Architektur sowie die Basiskonzepte von Betriebssystemen und Rechnernetzen klassifizieren Netzwerkkomponenten anhand ihrer Funktionalitten und knnen die im Internet gebruchlichen

Kommunikationsprotokolle erklrenLern- bzw. MethodenkompetenzDie Studierenden beherrschen grundlegende administrative Aufgabenstellungen zur Anpassung von Betriebssystemen und zur

Integration von Computern in Rechnernetze kennen die Dienste von Betriebssystemen zur Automatisierung und Untersttzung wiederkehrender

Aufgabenstellungen und wenden diese an analysieren typische Fehlerzustnde in Bezug auf Betriebssysteme und Rechnernetze und knnen diese behebenSozialkompetenz: Die Studierenden lsen praktische Aufgabenstellungen im KleinteamInhalt Betriebssysteme: H/W-Grundlagen, Benutzungsschnittstellen, Benutzer- und Rechteverwaltung, Prozesse und

Threads, Prozesssysnchronisation, Dateisysteme Rechnernetze:Die Architektur von Rechnernetzen, Grundlagen der Datenbertragung, LAN-Protokolle (Ethernet und

Wireless LAN nach IEEE 802.11), Internet-Protokolle (IP, ARP, TCP, UDP, DNS, DHCP), Funktion und Konfigurationvon Netzwerkkomponenten

Praktische bungen mit Windows- und Linux-Betriebssystemen und mit Standard-Netzwerkkomponenten (Hubs,Switches, Router, WLAN-Accesspoints)

Literaturhinweise James F. Kurose , Keith W. Ross: Computernetzwerke: Der Top-Down-Ansatz. Pearson Studium, 2014. Andrew S. Tanenbaum: Computernetzwerke. Pearson Studium, 2012. William Stallings: Operating Systems: Internals And Design Principles. India: Prentice Hall, 2017. Andrew S. Tanenbaum: Moderne Betriebssysteme. Pearson Studium, 2016. Peter Mandl: Grundkurs Betriebssysteme: Architekturen, Betriebsmittelverwaltung, Synchronisation,

Prozesskommunikation. Vieweg+Teubner, 2014.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Empfohlene Module Einfhrung in die Informatik, Einfhrung in die ProgrammierungAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

7

ModulkrzelBSTV

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 4. Semester

TurnusSommer- undWintersemester

ModultitelBiostatistische VerfahrenZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsVon Absolventen des Studiengangs Data Science in der Medizin werden gute praktische Kenntnisse der statistischenAnalyse medizinischer Daten erwartet. Schwerpunkte des Moduls sind daher die Vermittlung biostatistischer Methodenund deren Umsetzung in SAS anhand von realen Datenstzen.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: kategoriale Daten mit geeigneten statistischen Tests und Verfahren auswerten und deren Ergebnisse beurteilen Modelle der (mutliplen) linearen Regression und der (Ko-)Varianzanalyse problemgerecht anwenden und bewerten biostatistische Methoden in SAS umsetzen und die Ergebnisse interpretierenMethodenkompetenz: das Fachwissen und die Kenntnisse der induktiven Biostatistik in praktischen Fragestellungen adquat einsetzenSozial- und Selbstkompetenz: selbstndig und/oder im Team Aufgabenstellungen lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Analyse kategorialer Daten (Chi-Quadrat-Homogenittstest/Unabhngigkeitstest, exakter Test von Fisher, McNemar-

Test, Risk Difference, Relatives Risiko, Odds Ratio, Confounding, Mantel-Haenszel-Test und Schtzer, Effekt-Modifikation)

Lineare Modelle (einfache und multiple lineare Regressionsanalyse, Modellselektion, ein- und zweifaktorielleVarianzanalyse mit/ohne Wechselwirkung, Kovarianzanalyse, multiples Testen, Kruskal-Wallis-Test)

Literaturhinweise B. Rosner: Fundamentals of Biostatistics. Pacific Grove: Duxbury, 2000. W. Krmer, O. Schoffer, L. Tschiersch: Datenanalyse mit SAS. Berlin: Springer, 2014.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung LaborarbeitVorausgesetzte Module Mathematik, Beschreibende Statistik, Wahrscheinlichkeitsrechnung, Inferenzstatistik,

Statistische AuswertesystemeAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

8

ModulkrzelDABA

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusSommer- undWintersemester

ModultitelDatenbankenZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Zuordnung zum Curriculum als WahlpflichtmodulElektrotechnik und InformationstechnikEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie statistische Auswertung medizinischer Daten ist zentraler Bestandteil des Berufsbildes. Solche Daten werden heutevorwiegend mit relationalen Datenbanken verwaltet. Dieses Modul vermittelt grundlegende Kompetenzen fr denUmgang mit relationalen Datenbanken.LernergebnisseDie StudierendenFachkompetenz verstehen Einsatzmglichkeiten von Datenbanken benennen theoretische Grundlagen relationaler Datenbanken und geben diese wieder entwerfen problembezogen Datenmodelle und bewerten diese kritisch modellieren und erstellen Datenbanken unter Verwendung eines CASE-Tools legen Tabellen mittels SQL an, befllen diese und fragen die Daten abMethodenkompetenz: stellen Bedrfnisse der Fachabteilung bei der Analyse klar und verstndlich dar und fhren diese in ein geeignetes

Datenbankmodell ber beurteilen Modellqualitt auf Basis der Normalformenlehre und fhren diese herbeiSozial- und Selbstkompetenz: kooperieren bei Ausarbeitungen zu einfachen Aufgabenstellungen und erstellen diese gemeinsam nehmen die eigene Rolle in Kleingruppen eigenverantwortlich wahrInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Grundlagen des relationalen Datenbankmodells ER-Modellierung Das Relationale Datenbankmodell Umgang mit CASE-Tools fr Datenbanken Normalformenlehre Datenbanksprache SQLLiteraturhinweise G. Matthiesen, M. Unterstein: Relationale Datenbanken und SQL in Theorie und Praxis. Springer Vieweg, 2012. H. Jarosch: Grundkurs Datenbankentwurf. Mnchen: Oldenbourg, 2010.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung LaborarbeitAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

9

ModulkrzelDSIT

ECTS5

Sprache Art/SemesterPflichtmodul, 5. Semester

TurnusKeine Angabe

ModultitelDatenschutz IT-SicherheitZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (5. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDatenschutz und Informationssicherheit stellen essentielle Anforderungen an die Planung, Umsetzung und den Betriebvon IT-Systemen und medizinischen Gerten. Das Modul versetzt die Studierenden in die Lage, die einschlgigenethischen und rechtlichen Anforderungen bei der Planung von medizinischen Informationssystemen zu formulieren undin der Umsetzung und Betrieb zu bercksichtigen.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die Studierenden:Fachkompetenz: Die Grundprinzipien des Datenschutzes erlutern. Den rechtskonformen Umgang mit personenbezogenen Patientendaten darlegen. Den besonderen gesetzlichen Schutz von Patienten- und Sozialdaten erlutern. Personenbezogene Daten in Fallbeispielen identifizieren und angemessene technisch-organisatorische

Schutzmanahmen empfehlen.Methodenkompetenz: Datenschutzprinzipien auf konkrete Fallbeispielen hin anwenden. den Schutzbedarf von Gesundheitsdaten ermitteln und Risiken identifizieren. Handlungsbedarf erkennen und Lsungsvorschlge systematisch entwickeln und vertreten.Sozial- und Selbstkompetenz: Anhand praktischer Fallbeispiele im medizinischen Datenschutz Handlungsspielrume erkennen und rechtskonforme

Lsungen entwickeln.InhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Geschichte und Grundstze des Datenschutzes in der EU und in Deutschland Datenschutz und Berufsgeheimnis im Gesundheitswesen, Zwei-Schranken-Prinzip EU-Datenschutzgrundverordnung, Bundes- und Landesgesetze Spezielle Anforderungen an den Datenschutz in Medizin und Gesundheitswesen Datenschutzorgansiation und Auftrgasverarbeitung im Krankenhaus Datenschutzkonforme multizentrische Studien, Pseudonymisierung und k-Anonymisierung Technischer Datenschutz und IT-Sicherheit: Schutzziele, Werte, Bedrohungen, Risiken, Schutzmanahmen Einfhrung in die Kryptographie: Verschlsselung und digitale Signatur, Zertifikate und Public-Key-Infrastrukturen Typische Anwendungsbeispiele: Datenschutzorganisation, technischer Datenschutz, ChipkartenLiteraturhinweise Markus Schffter: EU-konformer Datenschutz im Gesundheitswesen: Praxisnahe Einfhrung fr Studium und Beruf..

Createspace Publishing, 2016. Bake, Blobel und Mnch (Hrsg.): Handbuch Datenschutz und Datensicherheit im Gesundheits- und Sozialwesen.

Datakontext, 2009. Mark Rdlin, Dirk Otto: Patientendatenschutz im Krankenhaus. Mediengruppe Oberfranken, Fachverlage GmbH & Co.

KG, 2014. Thomas Jschke (Hrsg.): Datenschutz im Gesundheitswesen: Grundlagen, Konzepte, Umsetzung. Medizinisch

Wissenschaftliche Verlagsgesellschaft, 2016.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform mndliche Prfungsleistung Vorleistung Empfohlene Module Klinische Forschung und StudienAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

10

ModulkrzelEINF

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 1. Semester

TurnusSommer- undWintersemester

ModultitelEinfhrung in die InformatikZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (1. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDas Modul gibt eine allgemeine Einfhrung in die Grundbegriffe der Informatik, ausgehend vom Aufbau eines typischenComputersystems bis zur Erstellung einfacher Programme in einer visuellen Programmierumgebung.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz die Codierung von Information im Computer verstehen die wesentlichen Komponenten eines Computers aufzhlen Lsungen fr einfache Probleme algorithmisch entwickeln Lsungen fr Probleme auf verschiedenen Sprachebenen formulierenLern- bzw. Methodenkompetenz komplexe Problemstellungen systematisch analysieren Lsungen fr Teilaufgaben zu einer Gesamtlsung kombinierenSozialkompetenz sich aktiv in Kleingruppen einbringen und Lsungen gemeinsam erarbeiten wissenschaftliche Zusammenhnge prsentieren und diskutierenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Geschichte & Geschichten Daten Informations- & Kodierungstheorie Der Aufbau eines Rechners Algorithmen Programmiersprachen & -systeme# AnwendungssystemeLiteraturhinweise Helmut Herold, Bruno Lurz, Jrgen Wohlrab: Grundlagen der Informatik. Pearson, 2007. Heinz-Peter Gumm und Manfred Sommer: Einfhrung in die Informatik. Oldenbourg, 2010.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Aufbauende Module Betriebssysteme und RechnernetzeModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

11

ModulkrzelPROG

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 1. Semester

TurnusSommer- undWintersemester

ModultitelEinfhrung in die ProgrammierungZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (1. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsStudierte Krfte im Bereich "Data Science in der Medizin" mssen sowohl algorithmisch planen und denken knnen alsauch Grundkenntnisse in der Entwicklung von Software besitzten. Diese Kenntnisse und Fhigkeiten werden in derVeranstaltung vermittelt.LernergebnisseNach erfolgreichem Abschluss dieses Moduls knnen die StudierendenFachkompetenz Grundkonzepte der objektorientierten und prozeduralen Programmierung verstehen und anwenden einfache Algorithmen nachvollziehen sowie selber entwickeln und auf gegebene Problemstellungen anwenden Algorithmen und Klassen-/Objektstrukturen verwenden, um zu gegebenen Problemen eine Softwarelsung zu

erstellen Syntax und Semantik einer in wichtigen Programmiersprache (hier: Java) verstehen und fr die Programmierung

verwenden knnen gelernte Programmierregeln verwenden, um stabile und bersichtliche Programme zu erstellenMethodenkompetenz einfache Programmstellungen analysieren und eine Softwarelsung dazu realisieren knnen dabei grundlegende Methoden von Programmentwurf und -realisierung anwenden sowie Klassen- und Objektstrukturen anhand der Realitt modellieren und implementieren bei komplexen Aufgabenstellungen phasenweise vorgehen und in Teilschritten zu einer Lsung kommenSozial- und Selbstkompetenz Lsungskonzepte fr einfache und mittelschwere Aufgaben im Team diskutieren, planen und realisieren die eigenen konzeptuellen, analytischen und kreativen Fhigkeiten realistisch einzuschtzenInhaltUm die genannten Kompetenzen und Fhigkeiten zu erlernen, werden folgende Themen behandelt: Grundlagen der Programmierung (Algorithmus, Programmablauf) Elementare Datentypen, Variablen, Anweisungen und Ausdrcke Kontrollstrukturen und deren Anwendungsflle Abstraktion durch Methoden (Prozeduren/Funktionen) Datenabstraktion Objektorientierung mittels Klassen, Objekten, Vererbung und Polymorphie Ein- und mehrdimensionalle Arrays Objektmodellierung mit Box-and-Pointer DiagrammenLiteraturhinweise Ullenboom, C.: Java ist auch eine Insel. Rheinwerk Computing, 2017. Lorig, D.: Java-Programmierung fr Anfnger. CreateSpace Independent Publishing Platform, 2015.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung LaborarbeitAufbauende Module Betriebssysteme und RechnernetzeModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

12

ModulkrzelFENGL

ECTS5

Sprache Art/SemesterPflichtmodul, 4. Semester

TurnusSommer- undWintersemester

ModultitelFachenglischZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsUsing various resources, students will be engaging with a variety of medical and IT topics to prepare them for their futurecareers in the area of medical documentation. The focus is on becoming more proficient and increasing fluency levels inthe target language. Through a range of topical texts, audio/video material, classroom discussions and presentations thestudents are more confident and flexible in the target language. Students can recognise implicit meaning, can expressthemselves accurately and confidently and can write clear, structured texts.Lernergebnisse To provide and enhance the student's ability to converse and write on the subject at a competent level of fluency.

Participants can understand a wide range of subject specific texts. Students are able to express themselves fluentlyand spontaneously without too much searching for expressions. Can use language flexibly and effectively for social,academic and professional purposes. Students can produce clear, well-structured, detailed text on complex subjects,showing controlled use of organisational patterns, connectors and cohesive devices.

This course corresponds to level C1 of the Common European Framework.InhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Introduction to Medical Documentation Objectives of Medical Documentation The role of technology in Medical Documentation Data Management in Clinical Studies Clinical Studies Terminology Medical Ethics (Clinical trial case studies) Professional English for the workplaceLiteraturhinweise Leiner, Gaus et al: Medical Data Management: A Practical Guide. Springer Verlag, 2003. Glendinning, Howard: Professional English in Use (Medicine). First, Cambridge University Press, 2007. Glendinning, Holmstrm: English in Medicine, Second Edition. Sixth, Cambridge University Press, 2002. Pohl: Test Your Professional English (Medical). Forth, Pearson Education Limited, 2005. Glendinning, McEwan: Oxford English for Information Technology. First, Oxford University Press, 2006. Butzphal, Maier-Fairclough: Career Express. First, Cornelsen Verlag, 2010.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS), bungPrfungsform Klausur (90 min) Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

13

ModulkrzelPROG

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusSommer- undWintersemester

ModultitelFortgeschrittene Methoden der ProgrammierungZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Zuordnung zum Curriculum als WahlpflichtmodulInformationsmanagement im GesundheitswesenEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsFr den Bereich "Data Science in der Medizin" ist ein weitergehendes Verstndnis wichtiger Themenbereiche dermodernen objektorientierten Programmierung unabdingbarLernergebnisseNach erfolgreicher Teilnahme an diesem Modul knnen die StudierendenFachkompetenz komplexere Konzepte objektorientierter Softwareentwicklung verstehen und anwenden einfache grafische Benutzungsoberflchen konzipieren, implementieren und mit Anwendungslogik verknpfen Dateien zur persistenten Datenhaltung verwenden einfache zweidimensionale Grafik in Java verstehen und fr grundlegende Problemstellungen verwendenMethodenkompetenz bei der Softwareentwicklung mit einer gewissen Systematik vorgehen zu Problemstellungen passende Klassen- und Objektstrukturen planen und implementierenSozial- und Selbstkompetenz Lsungen fr komplexere Probleme im Team erstellen, abwgen und implementieren Entscheiden, ob fr ein Problem die eigene Kompetenz ausreicht oder noch zustzliches Wissen selbstndig

erarbeitet werden mussInhalt Rekursion Containerklassen (Vector, ArrayList, Hashtable, Treemap) Interfaces, abstrakte Klassen Ausnahmebehandlung Generische Programmierung mit Typ-Parametern Grafische Benutzeroberflchen (GUI-Elemente, Layout, Event-Handling) einfache zweidimensionale Grafik parallele Programmierung mit Threads und Synchronisation Streams, persistente Datenhaltung mittels Dateien lokale KlassenLiteraturhinweise Ullenboom, C.: Java ist auch eine Insel. Rheinwerk Computing, 2017. Ackermann, P.: Schrdinger programmiert Java. Rheinwerk Computing, 2017. Habelitz, H.P.: Programmieren lernen mit Java. Rheinwerk Computing, 2017.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung LaborarbeitAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

14

ModulkrzelGERE

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusKeine Angabe

ModultitelGesundheitswesen und RechtZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsMitarbeiter im Gesundheitswesen mssen die rechtlichen Grundlagen ihres Handelns kennen. Auerdem solltenPersonen in diesem Umfeld auch ber die betriebswirtschaftlichen Ablufe in der Krankenversorgung informiert sein.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: Die Studierenden sollen nach Abschluss des ber Grundkenntnisse der allgemeinen Betriebswirtschaftlehre, der

speziellen Krankenhausbetriebswirtschaftslehre, und des rechtlichen Umfelds verfgen. Sie sollen das Gesamtraster des Gesundheitswesens kennen und die unterschiedlichen Arten der Krankenversorgung

und des dazugehrende Finanzierungssystem aufzeigen knnen. Sie sollen die die Auswirkungen des Gesundheitswesens auf die Dokumentation und das Projektmanagement

kennen.Methodenkompetenz: das Fachwissen anhand praktischer Aufgabenstellungen anwenden, diskutieren und eigene Lsungsanstze

entwickeln Gesundheitspolitische und medizinrechtliche Literatur analysieren und beurteilenSozial- und Selbstkompetenz: bei Ausarbeitungen zu einfachen Aufgabenstellungen kooperieren und diese gemeinsam erstellen die eigene Rolle in Kleingruppen wahrnehmenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Allgemeine Betriebswirtschaftlehre: Produktionsfaktoren, Betriebsfhrung, Markt und Preisfindung,

Personalmanagement Allgemeine juristische Grundlagen (BGB, straf- und zivilrechtliche Rechtbegriffe) Gesetzliche Grundlagen im Gesundheitswesen (insbesondere KHG, KHEntgG, BPflV, AbgrV, Psych-PV, SGB V,

LKHG) Krankenhausbetriebsarten (Bedarfsplan, Grund-, Zentral-, Maximalversorgung) Krankenhaustrger (ffentliche-, frei gemeinntzige- und private Trger) Organisation des Krankenhausbetriebes (Struktur, Organigramme und einzelne Dienste) Wirtschaftliche Betriebsfhrung (Kennzahlen, Personalbedarf, Lagerfhrung usw.) EDVsysteme im Krankenhaus und integriertes Arbeiten Finanz-, Patientenmanagement, Wirtschaftliche Steuerung im Klinikum (z.B. Wirtschaftsplan, Jahresabschluss,

Patientenvertrge, Profitcenter und Prognoserechnungen)Literaturhinweise Gnter Whe, Ulrich Dring: Einfhrung in die Allgemeine Betriebswirtschaftslehre. Vahlen, 2005.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS)Prfungsform Klausur (90 min) Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

15

ModulkrzelGDOKU

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusSommer- undWintersemester

ModultitelGrundlagen der DokumentationZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Studierenden sollen nach Abschluss des Moduls, die Grundprinzipien der Dokumentation und des InformationRetrievals kennen und in der Lage sein, sie praktisch umzusetzen. Sie sollen mit Inhalt, Struktur undAnwendungsbereich der wichtigsten medizinischen Klassifikations- und Terminologiesysteme vertraut sein.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: Sinn und Zweck von Dokumentation im Allgemeinen verstehen. Anforderungen an Dokumentationssysteme analysieren und Dokumentarische Prinzipien bei deren Realisierung anwenden. Methoden des Information Retrieval umsetzen. die wichtigsten medizinischen Ordnungssysteme in ihrer Struktur beschreiben und datentechnisch einsetzen.Methodenkompetenz: dokumentarische Prinzipien durch Methoden der Informatik umsetzen Datenmodelle fr Dokumentationsprobleme entwerfen und formal beschreibenSozial- und Selbstkompetenz in Gruppen kooperieren, um Aufgaben zu bearbeiten vor Gruppen sprechen und argumentieren konstruktiv kritisieren und Kritik sachlich aufnehmenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Ziel und Aufgaben der Dokumentation Dokumentarische Prinzipien Allgemeine Terminologielehre Thesauruskonstruktion Methoden der semantischen Indexierung und des Information Retrieval Beispielhafte Retrieval-Umgebungen: Internet-Suchmaschinen, PubMed, Google Scholar Medizinische Ordnungssysteme: MeSH, ICD, OPS, DRG, TNM, MedDRA Datenmodelle medizinischer Ordnungssysteme Datenmodelle fr DokumentationssystemeLiteraturhinweise Wilhelm Gaus: Dokumentations- und Ordnungslehre: Theorie und Praxis des Information Retrieval. Springer, 2005. Florian Leiner et al.: Medizinische Dokumentation: Grundlagen einer qualittsgesicherten integrierten

Krankenversorgung. Schattauer, 2006. http://www.dimdi.de/static/de/klassi/index.htm. www.nlm.nih.gov/mesh.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

16

ModulkrzelISTAK

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusSommer- undWintersemester

ModultitelInferenzstatistikZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsVon Absolventen des Studiengangs Data Science in der Medizin werden gute praktische Kenntnisse der statistischenAnalyse medizinischer Daten erwartet. Schwerpunkte dieses Moduls sind daher die Grundlagen der schlieendenStatistik, auf denen die gesamte Biostatistik aufbaut.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz die grundlegenden Prinzipien der schlieenden Statistik (Intervallschtzungen und Hypothesentests) verstehen und

anwenden in Standardsituationen (z.B. normal-, binomial- und poissonverteilte Daten) geeignete Verfahren anwenden, um von

der Stichprobe auf die Eigenschaften oder Kenngren der Grundgesamtheit zu schlieen zwei Stichproben bezglich ihrer Lage- und Streuungsparameter vergleichen fr die Planung von Studien Methoden der Fallzahlschtzung anwendenMethodenkompetenz die Sicherheit der statistischen Schlussweise beurteilen einen geeigneten Test fr eine Anwendungssituation finden Voraussetzungen fr bestimmte Tests berprfenSozial- und Selbstkompetenz selbstndig und/oder im Team Aufgaben bearbeiten und lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Punkt- und Intervallschtzungen, Konfidenzintervalle fr die wichtigsten Kenngren Prinzip des Signifikanztests, Zusammenhang mit Konfidenzintervallen, Gtefunktion (Power) Ein-Stichprobentests (Normal-, Binomial- und Poissonverteilung) Versuchsplanung (Fallzahl, Studientypen) Zwei-Stichprobentests (t-Test, F-Test), nichtparametrische Verfahren berprfung von Verteilungsannahmen (grafisch und mit Signifikanztests)Literaturhinweise B. Rosner: Fundamentals of Biostatistics. Pacific Grove: Duxbury, 2000. L. Fahrmeier, R. Knstler, I. Pigeot, G. Tutz: Statistik. Berlin: Springer, 2010.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS), bungPrfungsform Klausur (90 min) Vorleistung Vorausgesetzte Module Mathematik, Beschreibende Statistik, WahrscheinlichkeitsrechnungAufbauende Module Biostatistische VerfahrenModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 45h 105h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

17

ModulkrzelKLFS

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 4. Semester

TurnusKeine Angabe

ModultitelKlinische Forschung und StudienZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsKlinische Studien sind fr die Absolventen eines der Hauptarbeitsgebiete. Daher haben Kompetenzen in diesem Umfeldeine groe Bedeutung.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: die Bedeutung von klinischen Studien fr den medizinschen Erkenntnissgewinn erlutern die ICH GCP Anforderungen erklren die Hintergrnde und die Methoden des Data Managements verstehenMethodenkompetenz: Studien entwerfen verschiedene Studiendesigns nach entsprechenden Anforderungen whlen Data Mangement Methoden anwenden GCP Anforderungen umsetzenSozial- und Selbstkompetenz: selbstndig und/oder im Team Aufgabenstellungen lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Grundlagen klinischer Studien ICH GCP Guidlines Akademische und industrielle Studien Phasen der klinische Studien Fehlerquellen und deren Ausschlu Data Management Monitoring Audits Zulassungsverfahren PharmakovigilanzLiteraturhinweiseWeitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform mndliche Prfungsleistung Vorleistung Aufbauende Module Datenschutz IT-SicherheitModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

18

ModulkrzelKMED

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusKeine Angabe

ModultitelKlinische Medizin 1Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Medizin ist das sinnstiftende und verbindende Element fr diesen Studiengang. In den beiden klinischen Modulenwird verstrkt auf die Zusammenarbeit und das gegenseitige Verstehen zwischen Arzt und Informatiker (Data Scientist)hingearbeitet. Im Modul Klinische Medizin 1 werden die Grundlagen des diagnostischen Prozesses vermittelt,insbesondere werden die modernen Verfahren der diagnostischen Bildgebung einschlielich der Mglichkeiten undGrenzen dargestellt. Zudem werden die wichtigsten klinisch-therapeutischen Fachdisziplinen vorgestellt. Die Grundlagenrztlichen Denkens und Handelns werden exemplarisch vertieft. Die allgemeine Pathologie und die allgemeinePharmakologie vermitteln grundlegende Kenntnisse sowohl von Krankheitsverlufen als auch therapeutische Strategienmit Arzneimitteln. Gleichzeitig wird der weiterfhrende medizinisch-klinischen Wortschatz erarbeitet. Ausgewhltediagnostische Methoden zur Gewinnung von Erkenntnissen auf der Ebene des gesamten Krpers (Bildgebung) und aufder Ebene krankhaft vernderter Zellen und Geweben und deren Umsetzung auf Organen und Organsystemen werdenvermittelt.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: eine Vorstellung entwickeln, wie sich allgemein der diagnostische Prozess gestaltet und welche Bedeutung ein gutes

Arzt-Patienten-Verhltnis hat. Verfgen ber Kenntnisse der Entwicklung, des Methodeninventars und des typischen Patientenaufkommens in den

wichtigsten klinischen Fchern verfgen ber die Grundlagen des Ablaufes von Entzndungsreaktionen und der Entstehung von Tumoren verfgen ber grundlegende Kenntnisse der allgemeinen Pharmakologie und der Entwicklung von neuen

Arzneimitteln kennen den detaillierter Verlauf (Symptome, Diagnostik, Therapie) von Herz-Kreislauf-ErkrankungenLern- bzw. Methodenkompetenz: benutzen die wichtigsten medizinischen Termini fr Erkrankungen sowie fr diagnostische und therapeutische

Verfahren und die Vorschriften zur Bildung von medizinischen Termini im Kontext der Pathologie und Pharmakologie verfgen ber detaillierte Kenntnisse der Anwendungsschwerpunkte, Mglichkeiten und Grenzen der diagnostischen

Bildgebung (Rntgen, CT, MRT, PET-CT, DAS, Ultraschall) erkennen die Zusammenhnge von gestrter Struktur und gestrter Funktion im erkrankten menschlichen KrperSozial- und Selbstkompetenz: erkennen den Leidensdruck, der von Erkrankungen ausgeht erkennen Mglichkeiten und Grenzen rztlichen Handelns im Kontext diagnostischer und therapeutischer Optionen

auch im Hinblick auf konomische Zwnge erarbeiten kurze, vertiefende Schwerpunkte zu bestimmten Erkrankungen in Kleingruppen an Fallbeispielen erlernen den kritischer Umgang mit bzw. sachliche Einordnung von medizinbezogenen Verffentlichungen z.B. zum

Thema Krebs oder UmweltbelastungenInhalt Einfhrung in den diagnostischen Prozess (Anamnese, St. prsens, klinische Untersuchungen, weiterfhrende

Diagnostik, Dokumentation) bersicht ber die klinisch-diagnostischen Fachdisziplinen Bildgebende Diagnostik (Radiologie, Nuklearmedizin, Fusionsbildgebung) bersicht ber die klinisch-therapeutischen Fachdisziplinen Gesundheit, Krankheit, Sterben, Tod Anpasungsreaktionen Entzndungsreaktionen Tumoren Allgemeine Pharmakologie Spezielle Pathologie und Pharmakologie des Herz-Kreislauf-SystemsLiteraturhinweise Thomas: Allgemeine Pathologie. Stuttgart: Schattauer, 1700. Herdegen: Kurzlehrbuch Pharmakologie. Stuttgart: Thieme, 1700.

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

19

Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Vorausgesetzte Module Vorklinische Medizin 2Aufbauende Module Klinische Medizin 2Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

20

ModulkrzelKMED

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 4. Semester

TurnusKeine Angabe

ModultitelKlinische Medizin 2Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Medizin ist das sinnstiftende und verbindende Element fr diesen Studiengang. In den beiden klinischen Modulenwird verstrkt auf die Zusammenarbeit und das gegenseitige Verstehen zwischen Arzt und Informatiker (Data Scinetist)hingearbeitet. Im Modul Klinische Medizin 2 werden die Grundlagen ausgewhlte Erkrankungen mit Symptomen,Diagnostik und Therapie exemplarisch besprochen. Grundlagen fr die Auswahl bilden die Bedeutung der jeweiligenErkrankungen fr das Gesundheitswesen weil diese entweder besonders hufig auftreten, besonders schwerwiegendoder die Behandlungen sehr kostenintensiv sind.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: eine Vorstellung entwickeln, wie sich der diagnostische Prozess bei speziellen Erkrankungen darstellt. die Arbeitsweise der krpereigenen Abwehr grundstzlich verstehen kennen den detaillierter Verlauf (Symptome, Diagnostik, Therapie) von ausgewhlten Infektionserkrankungen

einschlielich der zunehmenden Bedeutung von Krankenhausinfektionen kennen den detaillierter Verlauf (Symptome, Diagnostik, Therapie) von Erkrankungen der Verdauungsorgane und

ausgewhlter Stoffwechselerkrankungen (Diabetes mellitus) kennen den detaillierter Verlauf (Symptome, Diagnostik, Therapie) von ausgewhlten Erkrankungen der Wirbelsule

und der Gelenke die Grundlagen der Schmerztherapie bei z.B. TumorerkrankungenLern- bzw. Methodenkompetenz: benutzen die wichtigsten medizinischen Termini fr Erkrankungen sowie fr diagnostische und therapeutische

Verfahren und die Vorschriften zur Bildung von medizinischen Termini im Kontext der Pathologie und Pharmakologie erlangen Kenntnisse der bakteriologischen, virologischen und parasitologischen Diagnostik sowie von

Hygienemanahmen im Krankenhaus erkennen die Zusammenhnge von gestrter Struktur und gestrter Funktion im erkrankten menschlichen KrperSozial- und Selbstkompetenz: erkennen den Leidensdruck, der von Erkrankungen, insbesondere von chronischen Erkrankungen und chronischen

Schmerzen ausgeht erkennen die unterschiedlichen gesundheitspolitischen und fachlichen Herausforderungen die zwischen

Industrienationen und Entwicklungs- und Schwellenlndern bestehen erarbeiten kurze, vertiefende Schwerpunkte zu bestimmten Erkrankungen in Kleingruppen an Fallbeispielen erlernen den kritischer Umgang mit bzw. sachliche Einordnung von medizinbezogenen Verffentlichungen z.B. zum

Thema SchmerzInhalt Einfhrung in das Immunsystem des Menschen - Impfen Spezielle Pathologie und Pharmakologie ausgewhlter bakterieller Infektionserkrankungen und Pilzinfektionen Spezielle Pathologie und Pharmakologie ausgewhlter Viruserkrankungen (exanthematische Viruserkrankungen,

Hepatitiden, HIV und AIDS) Spezielle Pathologie und Pharmakologie ausgewhlter parasitrer Erkrankungen (Malaria, Wurmerkrankungen) Nosokomiale Infektionen (Krankenhausinfektionen) Spezielle Pathologie und Pharmakologie ausgewhlter Erkrankungen der Verdauungsorgane Diabetes mellitus und seine Komplikationen Spezielle Pathologie und Pharmakologie ausgewhlter Erkrankungen der Wirbelsule und der Gelenke Therapeutische Anstze zur Behandlung von Schmerzen insbesonder von TumorschmerzenLiteraturhinweise Thomas: Spezielle Pathologie. Stuttgart: Schattauer, 1700. Govan, Macfarlane, Callander: Spezielle Pathologie. Heidelberg: Springer, 1700. Kayser, Bienz, Eckert, Zinkernagel: Medizinische Mikrobiologie. Stuttgart: Thieme, 1700.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform mndliche Prfungsleistung Vorleistung

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

21

Vorausgesetzte Module Klinische Medizin 1Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

22

ModulkrzelKOMO

ECTS2

Sprache Art/SemesterPflichtmodul, 6. Semester

TurnusKeine Angabe

ModultitelKommunikation u. ModerationZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (6. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsGenerelles Ziel der Veranstaltung ist es, den Studierenden fundierte Fachkenntnisse zur Kommunikation undModeration zu vermitteln, wie sie heute mehr und mehr von Fhrungskrften in Projekten und Betrieben ber Ihrefachlichen Fhigkeiten hinaus gefordert werden.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz Kenntnisse und Fertigkeiten im Bereich Kommunikation und Moderation anwenden Schwerpunkte sind zwischenmenschliche Interaktion, gruppeninterne Prozessen, Gesprchsfhrung, Moderation und

Prsentation Vermittlung einschlgiger Kenntnisse zu Kommunikation, Moderation und der Fertigkeit zur Umsetzung dieser

Kenntnisse in Gesprch und PrsentationMethodenkompetenz methodisches und zielgerichtetes Leiten von Besprechungen oder Teamsitzungen Reden und PrsentierenSozial- und Selbstkompetenz in Kleingruppen sachbezogen argumentieren und die eigene Rolle in Kleingruppen wahrnehmenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Grundlagen der Moderation Erarbeitung eines Moderationsablaufes Probemoderation Weiterentwicklung der eigenen Prsentations-/Rhetorikkenntnisse und -fhigkeiten Grundlagen der Prsentation, Visualisierung und Rhetorik Vorbereitung von Prsentation und RedeLiteraturhinweise Josef W. Seifert: Visualisieren, Prsentieren, Moderieren.. Offenbach: GABAL, 2007.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (2 SWS), bungPrfungsform Referat Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 0h 0h 0h 0h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

23

ModulkrzelMATH

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 1. Semester

TurnusSommer- undWintersemester

ModultitelMathematikZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (1. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsGenerelles Ziel der Veranstaltung ist es, den Studierenden fundierte Fachkenntnisse zur Kommunikation undModeration zu vermitteln, wie sie heute mehr und mehr von Fhrungskrften in Projekten und Betrieben ber Ihrefachlichen Fhigkeiten hinaus gefordert werden.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz aussagenlogische Formeln aufstellen, interpretieren und einfache Beweise durchfhren typische Eigenschaften und Grenzwerte von Funktionen bestimmen eindimensionale Extremwertprobleme lsen einfache numerische Algorithmen zur Lsung von Gleichungen anwenden lineare Gleichungssysteme mit Hilfe von Matrizen formulieren und lsenMethodenkompetenz mathematisch-logisch denken und folgern mathematische Methoden der Analysis und linearen Algebra geeignet anwendenSozial- und Selbstkompetenz selbstndig und/oder im Team Aufgabenstellungen lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Grundlagen der Mathematik (Logik, Beweisprinzipien, Mengen, Relationen, Zahlenmengen und Operationen,

Potenzrechnen, reelle Zahlen, Summe, Produkt, Fakultt, Binomialkoeffizient und binomischer Lehrsatz) Funktionen (Grundbegriffe, Monotonie, Umkehrfunktion, Verkettung, Polynome, Potenz- und Wurzelfunktionen,

Exponential- und Logarithmusfunktion, trigonometrische Funktionen) Folgen (Grenzwert, Limesrechenregeln) Grenzwert und Stetigkeit von Funktionen (Limesrechenregeln, Eigenschaften stetiger Funktionen) Differenzialrechnung (Ableitung, Differenziationsregeln, Differenzial, Linearsierung einer Funktion, relative/absolute

Extrema, Regeln von Bernoulli-lHospital, Kurvendiskussion, Newton-Verfahren) Lineare Algebra (Matrix, Rechenoperationen fr Matrizen, inverse Matrix, Determinanten, lineare Gleichungssysteme)Literaturhinweise J. Schwarze: Mathematik fr Wirtschaftswissenschaftler. Herne: NWB, 1700. P. Hartmann: Mathematik fr Informatiker. Wiesbaden: Vieweg, 2015.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS), bung,Prfungsform Klausur (90 min) Vorleistung sonstiger

LeistungsnachweisAufbauende Module Wahrscheinlichkeitsrechnung, Inferenzstatistik, Statistische Auswertesysteme,

Biostatistische VerfahrenModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 45h 105h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

24

ModulkrzelMEDOK

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusSommer- undWintersemester

ModultitelMedizinische DokumentationZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Zuordnung zum Curriculum als WahlpflichtmodulComputer Science, Computer Science International Bachelor, InformatikEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie medizinische Dokumentation stellt innerhalb des Studiengangs eine der zentralen Aspekte dar. Es ist fr dieStudierenden unabdingbar ber Kompetenzen im Bereiche der Strukturen und der Methoden der medizinischenDokumentation zu verfgen.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: Struktur und Bedeutung der entscheidenden Klassifikationen und Nomenklaturen in der Medizin wie ICD, ICPM/OPS

und SNOMED Kenntnisse von weiterfhrende Klassifikationen und Scores wie z.Bsp. TNM, AO-Klassifikation, Neutral-Null-Einteilung fortgeschrittenes Datenbankmodelling im Umfeld der medizinischen DokumentationMethodenkompetenz: die richtigen Werkzeuge fr beschriebene Dokumentationsanforderungen whlen medizinische Sachverhalte in eine entsprechende Dokumentationsform bringen komplexere Datenbanken nach entsprechenden Anforderungen der med. Dokumentation anzulegenSozial- und Selbstkompetenz: selbststndig und/oder im Team Aufgabenstellungen der medizinischen Dokumentation lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Warum medizinische Dokumentation? Verschiedene Motivationsgrnde fr med. Dokumentation (Versicherungen,

niedergelassene rzte, Dokumentation in Kliniken von Seiten der rzte oder auch der Pflegekrfte, etc.) Klassifikationen/Nomenklaturen:International Classification of Diseases (ICD)Tumorklassifikationen (TNM, FAB, Ann

Arbor, etc.) AO-Klassifikationen von Frakturen- SNOMED Gesetzliche Vorschriften fr medizinische Dokumentation. Datenbankmodelling von Beispielen klinischer Dokumentation: Labordaten, Prozeduren-Datenerfassung,

Patientenstammdaten, Diagnosedaten, Therapiedokumentation, etc.Literaturhinweise Leiner, Gaus, Haux: Medizinische Dokumentation. Schattauer, 2011. DIMDI, http://www.dimdi.de/.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

25

ModulkrzelMEDI

ECTS5

Spracheenglisch

Art/SemesterPflichtmodul, 5. Semester

TurnusSommer- undWintersemester

ModultitelMedizinische InformationssystemeZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (5. Sem)Zuordnung zum Curriculum als WahlpflichtmodulComputer Science, Computer Science International Bachelor, InformatikEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsFr die Studierenden ist es wichtig einen umfassenderen Blick auf die Informationssysteme in der Medizin zubekommen. Das bisher gelernte soll nun in einem grerem Zusammenhang mit dem Verstndnis der angewendetenTechnologien betrachtet werden.LernergebnisseNach erfolgreichem Abschluss haben die Studierenden folgende Kompetenzen. Die StudierendenFachkompetenz: kennen Informationssysteme in verschiedenen Bereichen des Gesundheitswesens.Methodenkompetenz: interpretieren und erlutern komplexe Informationssysteme im medizinischen Umfeld stellen die Anforderungen fr Informationssysteme eines Krankenhauses dar skizzieren die Notwendigkeit von Interfaces und kennen Kommunikationsserver als IntegrationsmglichkeitSozial- und Selbstkompetenz: lsen Aufgaben selbstndig und/oder im TeamInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Architektur und Funktion von Krankenhausinformationssystemen Datenverkehr und Nachrichtenaustausch im Gesundheitswesen Spezielle Anwendungssysteme: Patientenmanagement, OP-Dokumentationssysteme, Rntgeninformationssystem

und PACS Befunddokumentationssysteme Dokumentenmanagement- und Archivsysteme Informationssysteme fr die Arztpraxis elektronische Patientenakte, elektronische Gesundheitsakte Modellierung von Informationssystemen im Gesundheitsbereich Standards fr den Datenaustausch: HL7, EDIFACT, xDT, XML, DICOMLiteraturhinweise P. Haas: Medizinische Informationssysteme und elektronische Krankenakten. Springer, 2005. verschiedene Materialien aus Journals und Publikationen von offiziellen Stellen (z.B. FDA, DIMDI).Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform mndliche Prfungsleistung Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

26

ModulkrzelPRAX

ECTS28

Sprachedeutsch

Art/SemesterPflichtmodul, 7. Semester

TurnusKeine Angabe

ModultitelPraxisprojekt mit BerichtZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (7. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsNach Abschluss des 100-tgigen Praxissemesters findet ein Praxissemesterabschlussblock statt, in dem dieStudierenden ihr Praxissemester in einer 10-15 mintigen Prsentation allen Mitstudierenden vorstellen. DiePrsentation wird in Powerpoint oder hnlichen Anwendungen erstellt und mittels Beamer-Projektion erlutert.Zustzlich geben die Studierenden ihren Praxissemesterbericht (Teil des Praxisprojektes) ab. Die kombiniertePraxissemester-Arbeit aus Prsentation und Bericht dokumentiert die Praxiserfahrungen der Studierenden und wie sieihre theoretischen Kenntnisse im betrieblichen Alltag einsetzen konnten. Derartige Prsentationen sind im Berufsalltaghufig zu halten.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz Wissenschaftliche und wirtschaftliche Zusammenhnge im Betriebsalltag erkennen, verstehen und dokumentieren In einem schriftlichen Bericht Erfahrungen und Erkenntnisse verdichtet darstellen und ein schriftliches Fazit erstellenMethodenkompetenz Eine strukturierte Prsentation visuell anschaulich gestalten und im gegebenen Zeitrahmen frei prsentieren mit Textverarbeitungssoftware einen schriftlichen Bericht verfassenSozial- und Selbstkompetenz die Erfahrungen und Fhigkeiten anderer Mitstudierender wertschtzen die eigene Rolle in der Gruppe wahrnehmen Fragen der Mitstudierenden diskutieren und sachbezogen antwortenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Vorstellung der Praxissemester-Prsentationen aller Studierender mit anschlieender Diskussion Verfassen eines PraxissemesterberichtsLiteraturhinweiseWeitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Projektarbeit, Seminar (1 SWS)Prfungsform Vorleistung BerichtAufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 30h 210h 600h 840h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

27

ModulkrzelPROJ

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 4. Semester

TurnusSommer- undWintersemester

ModultitelProjektarbeit 1Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Veranstaltung ermglicht die Durchfhrung eines greren, anspruchsvollen Projekts in einer Gruppe mitpraxisblicher Rollenverteilung, wobei alle bis dahin erworbenen Kompetenzen (Fach-, Methoden- undSelbstkompetenzen) zur Geltung kommen. Zudem werden die Methoden des Projektmanagements realittsnah und mitdirektem praktischen Bezug erlernt. Das Modul hat daher groe Bedeutung fr die berufliche Qualifikation undBeschftigungsfhigkeit der AbsolventInnen.LernergebnisseNach erfolgreichem Abschluss haben die Studierenden folgende Kompetenzen. Die StudierendenFachkompetenz erarbeiten systematisch Zielsetzung, Problemstellung und Vorgehensweise bei Projekten formulieren gemeinsam mgliche Projektergebnisse wenden Methoden und Werkzeuge an erstellen detaillierte Projektplne mit Meilensteinen und Zwischenergebnissen kennen die wesentlichen Projektrollen, sowie deren Aufgaben- und VerantwortungsbereicheMethodenkompetenz verwalten und Analysieren Anforderungen wenden Methoden zur (agilen) Projektplanung und -management an whlen Entwicklungswerkzeuge aus und setzen diese pragmatisch ein wenden Systeme zur Versionskontrolle anSozial- und Selbstkompetenz in Kleingruppen sachbezogen argumentieren und die eigene Rolle in Kleingruppen wahrnehmenInhaltInhalt Definition (Software-) Projekt Einsatz von Softwarewerkzeugen (Agile) Methoden des ProjektmanagementsLiteraturhinweiseWeitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Praktische Arbeit/Entwurf und

PrsentationVorleistung

Empfohlene Module ProjektmanagementAufbauende Module Projektarbeit 2Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

28

ModulkrzelPROJ

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 5. Semester

TurnusSommer- undWintersemester

ModultitelProjektarbeit 2Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (5. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Veranstaltung ermglicht die Durchfhrung eines greren, anspruchsvollen Projekts in einer Gruppe mitpraxisblicher Rollenverteilung, wobei alle bis dahin erworbenen Kompetenzen (Fach-, Methoden- undSelbstkompetenzen) zur Geltung kommen. Zudem werden die Methoden des Projektmanagements realittsnah und mitdirektem praktischen Bezug erlernt. Das Modul hat daher groe Bedeutung fr die berufliche Qualifikation undBeschftigungsfhigkeit der AbsolventInnen. Es werden die Kompetenzen aus dem Vorgngermodul Projektarbeit 1gefestigt und intensiviert.LernergebnisseNach erfolgreichem Abschluss haben die Studierenden folgende Kompetenzen. Die StudierendenFachkompetenz erarbeiten systematisch Zielsetzung, Problemstellung und Vorgehensweise bei IT-Projekten formulieren gemeinsam mgliche Projektergebnisse wenden Methoden und Werkzeuge an erstellen detaillierte Projektplne mit Meilensteinen und Zwischenergebnissen kennen Techniken und Methoden des Projektmanagements, insbesondere agile VerfahrenMethodenkompetenz verwalten und Analysieren Anforderungen wenden Methoden zur Projektplanung und -management an whlen Entwicklungswerkzeuge aus und setzen diese pragmatisch ein fhren ein vollstndiges Projekt eigentverantwortlich auf Basis eines geeigneten Vorgehensmodells durchSozial- und Selbstkompetenz in Kleingruppen sachbezogen argumentieren und die eigene Rolle in Kleingruppen wahrnehmen knnen Projektrollen bernehmenInhaltInhalt Definition Software-Projekt Einsatz von Softwarewerkzeugen Agile Softwareentwicklung Methoden des ProjektmanagementsLiteraturhinweiseWeitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Praktische Arbeit/Entwurf und

PrsentationVorleistung

Empfohlene Module Projektmanagement, Projektarbeit 1Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

29

ModulkrzelPMAN

ECTS5

Sprache Art/SemesterPflichtmodul, 4. Semester

TurnusSommer- undWintersemester

ModultitelProjektmanagementZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (4. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsGenerelles Ziel der Veranstaltung ist es, die Studierenden in die Lage zu versetzen, Projekte zielfhrend planen, leitenund umsetzen zu knnen. Diese Kenntnisse sind grundlegend zur Bewltigung der im Studiengang angestrebtenBettigungsfelder (z. B. die Konzeption und Implementierung von Dokumentationsprozessen innerhalb vonKrankenhaus-Informationssystemen).LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: Korrektes Einordnen der Bedeutung von Projektmanagement fr IT-Projekte Kenntnis ber die Techniken und Methoden des Projektmanagements Kenntnis der wesentlichen Projektrollen sowie deren Aufgaben und Verantwortungsbereiche Abgrenzung zwischen klassischem und agilem ProjektmanagementMethodenkompetenz: Umgang mit Projektmanagementsoftware wie z.B. MS-Project, Mind-Map und anderen Tools Erstellen von Planungsunterlagen (GANTT-Diagramme, Netzplantechnik) Projektmanagementkompetenz inkl. Selbstorganisation eines Projektteams und EvaluationSozial- und Selbstkompetenz: Leiten von Projekten Umgang miteinander im TeamInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Einfhrung in das Projektmanagement Vorgehensmodelle der Softwareentwicklung Projektlebenszyklus sowie relevante Projektmanagementaktivitten Methoden des Projektmanagements Klassisches und agiles ProjektmanagementLiteraturhinweise Kapur K. Gopal: Project Management for Information, Technology, Business, and certification. Pearson Education,

2005. Highsmith, James A.: Agile Project Management: creating innovative products. Pearson Education, 2004. Balzert, Helmut: Lehrbuch der Software-Technik: Software-Management, Software-Qualittssicherung,

Unternehmensmodellierung. Spektrum, Akad. Verl., 1998.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform mndliche Prfungsleistung Vorleistung Aufbauende Module Projektarbeit 1, Projektarbeit 2Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

30

ModulkrzelSEM

ECTS5

Spracheenglisch

Art/SemesterPflichtmodul, 5. Semester

TurnusKeine Angabe

ModultitelSeminarZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (5. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDas Seminar bietet im Hauptstudium die Mglichkeit, aktuelle Fragestellungen auf Englisch aufzugreifen und durchwissenschaftliches Arbeiten zu errtern. Das Seminar verknpft und erweitert die bestehenden Fachkenntnisse anhandpraktischer Fallbeispiele. Es stellt bereits Erlerntes in Zusammenhang und erffnet so neue PerspektivenLernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz komplexe Sachverhalte prgnant darstellen; ber Ergebnisse in eigenen Worten berichten; Interessensgebiete fr weitere Vertiefungen profund auswhlen;Methodenkompetenz Fachwissen didatisch sinnvoll aufarbeiten; Fachwissen auf praxisnahe Fallbeispiele anwenden;Sozial- und Selbstkompetenz mit anderen kooperieren und aktiv an gemeinsamen Ergebnissen mitarbeiten; Fachwissen didaktisch sinnvoll ausarbeiten und erfolgreich prsentieren.Inhalt berblick ber aktuelle Anwendungsgebiete Vorstellung konkreter Fallbeispiele aus der Praxis Einordnung der Fallbeispiele in das Curriculum Selbststndige Ausarbeitung konkreter Fallbeispiele Prsentation der Arbeitsergebnisse Zusammenfassung und FazitLiteraturhinweise Frank, N.; Stary, J.: Die Technik wissenschaftlichen Arbeitens. UTB, 2009.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Seminar (4 SWS)Prfungsform Studienarbeit/Referat Vorleistung Aufbauende Module Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

31

ModulkrzelSTAWS

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusSommer- undWintersemester

ModultitelStatistische AuswertesystemeZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Zuordnung zum Curriculum als WahlpflichtmodulInformationsmanagement im GesundheitswesenEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsVon Absolventen des Studiengangs Medizinische Dokumentation und Informatik werden gute praktische Kenntnisse desManagements und der Prsentation medizinischer Daten erwartet. Schwerpunkte des Moduls sind daherDatenmanagement, Datenaufbereitung und deskriptive statistische Analyse mittels SAS.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz: verschiedene Datenformate in SAS einlesen Daten und Dateien in SAS problemgerecht verwalten und aufbereiten geeignete SAS-Prozeduren zur deskriptiven statistischen Analyse und Prsentation von Ergebnissen auswhlen und

anwenden eigene SAS-Programme unter Einsatz der Macro-Sprache entwickelnMethodenkompetenz: das Fachwissen und die Kenntnisse des statistischen Auswertesystems SAS in praktischen Fragestellungen adquat

einsetzenSozial- und Selbstkompetenz: selbstndig und/oder im Team Aufgabenstellungen lsenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Einfhrung in SAS (Syntax, Help-System, Online-Dokumentation) Datenmanagement in SAS (Einlesen und Verarbeiten von Daten und Dateien, fehlende Werte) deskriptive statistische Analyse in SAS (Tabellen, Grafiken, Diagramme) Ausgabesteuerung und Berichterstellung in SAS Macro-Programmierung in SASLiteraturhinweise W. Krmer, O. Schoffer, L. Tschiersch: Datenanalyse mit SAS. Berlin: Springer, 2008. J. Dufner, U. Jensen, E. Schumacher: Statistik mit SAS. Stuttgart: Teubner, 2004. C. Ortseifen: Der SAS-Kurs. Bonn: Thomson, 1997.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Vorausgesetzte Module Mathematik, Beschreibende Statistik, WahrscheinlichkeitsrechnungAufbauende Module Biostatistische VerfahrenModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

32

ModulkrzelVKMED

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 1. Semester

TurnusKeine Angabe

ModultitelVorklinische Medizin 1Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (1. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Medizin ist das sinnstiftende und verbindende Element fr diesen Studiengang. In den Modulen Vorklinische Medizin1 und 2, die eine Einheit bilden, werden die Grundlagen von Aufbau und Funktion des gesunden menschlichen Krpersvermittelt. Gleichzeitig wird der grundlegende medizinische Wortschatz erarbeitet, dessen Kenntnis eine wichtige Basisder Kommunikation zwischen Informatiker und Mediziner bildet. Ausgewhlte wissenschaftliche Methoden zurGewinnung von Erkenntnissen auf der Ebene von Zellen und Geweben und deren Umsetzung bei Organen undOrgansystemen werden ebenso vermittelt wie die Grundlagen rztlichen Denkens und Handelns.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die Studierenden:Fachkompetenz: sich am menschlichen Krper orientieren und die Organe und Organsysteme korrekt benennen verfgen ber grundlegende Kenntnisse der Zytologie und Histologie einschlielich der Bedeutung der

Zelldifferenzierung verfgen ber die Grundlagen der Regulation und Kommunikation (Nervensystem, Endokrinum) kennen den detaillierter Aufbau und Funktionen des Herz-Kreislauf-SystemsLern- bzw. Methodenkompetenz: benutzen die wichtigsten medizinischen Termini fr die Organe und Organsysteme und die Vorschriften zur Bildung

von medizinischen Termini knnen mit dem Lichtmikroskop Zellen strukturiert betrachten und diese skizzieren erkennen die Zusammenhnge von Struktur und Funktion im menschlichen KrperSozial- und Selbstkompetenz: erlernen den kritischer Umgang mit bzw. sachliche Einordnung von medizinbezogenen Verffentlichungen in den

MedienInhalt Ein kurzer Exkurs durch den menschlichen Krper Orientierung am menschlichen Krper (Achsen, Ebenen) Grundlagen der Zytologie Grundlagen der der Histologie (Grundgewebe, Erregung, Kontraktion) Anatomie und Physiologie des Herz-Kreislauf-SystemsLiteraturhinweise Speckmann / Wittkowski: Bau und Funktion des menschlichen Krpers. Mnchen: Urban & Schwarzenberg, 1700. Faller: Der Krper des Menschen. Stuttgart: Thieme, 1700.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung Aufbauende Module Vorklinische Medizin 2Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

33

ModulkrzelVKMED

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusKeine Angabe

ModultitelVorklinische Medizin 2Zuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Medizin ist das sinnstiftende und verbindende Element fr diesen Studiengang. In den Modulen Vorklinische Medizin1 und 2, die eine Einheit bilden, werden die Grundlagen von Aufbau und Funktion des gesunden menschlichen Krpersvermittelt. Gleichzeitig wird der grundlegende medizinische Wortschatz erarbeitet, dessen Kenntnis eine Basis fr dieerfolgreiche Kommunikation zwischen Mediziner und Informatiker bildet. Ausgewhlte wissenschaftliche Methoden zurGewinnung von Erkenntnissen auf der Ebene von Zellen und Geweben und deren Umsetzung bei Organen undOrgansystemen werden ebenso vermittelt wie die Grundlagen rztlichen Denkens und Handelns.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die Studierenden:Fachkompetenz: kennen und beherrschen den Aufbau und die Funktionen der Atmungsorgane einschlielich der Leistungsanpassung

der Atmung und der Beurteilung der Atemfunktion. Zustzlich werden Grundlagen des Geruchssinn sowie diePhonation und Artikulation beherrscht

beherrschen grundlegende Kenntnisse des Blutes einschlielich der Hmatopoese, der Bedeutung derZelldifferenzierung und deren Strungen (Leukmien) sowie der Blutgerinnung

verfgen ber detaillierte Kenntnisse der Verdauungsorgane bezglich des makroskopischen und mikroskopischenAufbaus, der Sekretion und Motorik sowie ber Grundkenntnisse der Ernhrung und des Energiestoffwechsels.Zustzlich werden Grundlagen des Geschmackssinnes beherrscht.

kennen den Aufbau und die Funktionsweise der Nieren im Kontext der Harnausscheidung einschlielich derBeurteilung der Nierenfunktion

kennen den Aufbau und die grundlegende Funktionsweise folgender Sinnessysteme: Auditives System,Gleichgewichtssysteme, Visuelles System, Propriozeption und Nozizeption.

verfgen ber grundlegende Kenntnisse der funktionellen Anatomie des GehirnsLern- bzw. Methodenkompetenz: benutzen die wichtigsten medizinischen Termini fr die Organe und Organsysteme und die Vorschriften zur Bildung

von medizinischen Termini kennen die Mglichkeiten und Grenzen einfacher diagnostischer Verfahren (EKG, Spirometrie, Audiometrie, EEG) knnen mit dem Lichtmikroskop Gewebsschnitte aus Organen strukturiert beschreiben und skizzierenSozial- und Selbstkompetenz: erarbeiten kurze, vertiefende Schwerpunkte in Kleingruppen erlernen den kritischer Umgang mit bzw. sachliche Einordnung von medizinbezogenen Verffentlichungen in den

Medien zu alltglichen FragestellungenInhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Anatomie und Physiologie der Atmungsorgane Das Blut Anatomie und Physiologie der Verdauungsorgane, Energiestoffwechsel und Ernhrung Anatomie und Physiologie der Nieren Allgemeine Sinnesphysiologie Anatomie und Physiologie des Visuellen Systems Anatomie und Physiologie des Auditiven Systems Anatomie und Physiologie der Gleichgewichtssysteme Somatosensorik und Schmerz Funktionelle Anatomie des GehirnsLiteraturhinweise Speckmann / Wittkowski: Bau und Funktion des menschlichen Krpers. Mnchen: Urban & Schwarzenberg, 1700. Faller: Der Krper des Menschen. Stuttgart: Thieme, 1700.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (3 SWS), Labor (1 SWS)Prfungsform Klausur (90 min) Vorleistung

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

34

Vorausgesetzte Module Vorklinische Medizin 1Aufbauende Module Klinische Medizin 1Modulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 60h 90h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

35

ModulkrzelWARE

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 2. Semester

TurnusSommer- undWintersemester

ModultitelWahrscheinlichkeitsrechnungZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (2. Sem)Einordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDie Wahrscheinlichkeitsrechnung bildet die Voraussetzung fr die Module Inferenzstatistik und Biostatistische Verfahrenund ist fr die korrekte Anwendung schlieender statistischer Analysen, wie sie von Absolventen des Studiengangs z.B.bei der Auswertung klinischer Studien erwartet werden, von zentraler Bedeutung.LernergebnisseNach erfolgreichem Abschluss des Moduls knnen die StudierendenFachkompetenz Versuchssituationen mit geeigneten wahrscheinlichkeitstheoretischen Modellen beschreiben ggfs. Wahrscheinlichkeiten interessierender Ereignisse bei verschiedenen Modellen berechnen Kenngren von diskreten und stetigen Verteilungen bestimmen und bewerten die grundlegende Bedeutung der Normalverteilung fr die Statistik erklren und nutzenMethodenkompetenz die mathematische Methode der Integralrechnung geeignet anwenden die Wahrscheinlichkeitsrechnung als methodische Grundlage der schlieenden Statistik erkennen und einsetzenSozial- und Selbstkompetenz selbststndig und/oder im Team Aufgabenstellungen aus der Wahrscheinlichkeitsrechnung und Modellbildung lsen.InhaltDer Erwerb der genannten Kompetenzen und Fhigkeiten erfolgt durch Behandlung folgender Themen: Diskrete und stetige Zufallsvariablen Verteilungsfunktion, Wahrscheinlichkeitsfunktion, Wahrscheinlichkeitsdichte Mazahlen fr die Lage und Streuung von Zufallsvariablen, Quantile Integralrechnung (Riemann-Integral, unbestimmtes Integral und Stammfunktion, Integrationsmethoden, uneigentliche

Integrale, numerische Integration) Spezielle Wahrscheinlichkeitsverteilungen (insbesondere Binomialverteilung, Poissonverteilung, Gleichverteilung,

Normalverteilung, Exponentialverteilung) Der Zentrale Grenzwertsatz mit AnwendungenLiteraturhinweise Schwarze J.: Grundlagen der Statistik Bd. 2. 9. Auflage, NWB Studienbcher, 2009. Fahrmeir et al.: Statistik - Der Weg zur Datenanalyse. Springer Verlag, 2004. Hartung J.: Statistik. Oldenbourg Verlag, 1999.Weitere Literaturangaben erfolgen im Rahmen der jeweils aktuellen Durchfhrung der Veranstaltung.Lehr- und Lernform Vorlesung (4 SWS), bungPrfungsform Klausur (90 min) Vorleistung Vorausgesetzte Module Mathematik, Beschreibende StatistikAufbauende Module Inferenzstatistik, Statistische Auswertesysteme, Biostatistische VerfahrenModulumfang Prsenzzeit Selbststudium Praxiszeit Gesamtzeit 45h 105h 0h 150h

Modulhandbuch des StudiengangsData Science in der Medizin, Bachelor

of Science (B.Sc.)

36

ModulkrzelPROG

ECTS5

Sprachedeutsch

Art/SemesterPflichtmodul, 3. Semester

TurnusSommer- undWintersemester

ModultitelWebbasierte ProgrammierungZuordnung zum Curriculum als PflichtmodulData Science in der Medizin (3. Sem)Zuordnung zum Curriculum als WahlpflichtmodulInformationsmanagement im Gesundheitswesen, WirtschaftinformatikEinordnung und Bedeutung des Moduls bezogen auf die Ziele des StudiengangsDa im Berufsfeld "Data Science in der Medizin" oftmals webbasierte Datenbanklsungen verwendet werden, ist diesesModul ein guter Bestandteil fr die sptere Anwendung.LernergebnisseNach erfolgreicher Teilnahme an diesem Modul knnen die StudierendenFachkompetenz ein System von Webs