El Centro de Bioestadísticas, Bioinformática, y Manejo de Datos en el ADRC de Stanford
El Centro de Bioestadísticas, Bioinformática, y Manejo de Datos en el ADRC de Stanford es responsable de manejar grandes volúmenes de data clínica, neuropsicológica, genética, tomográfica, y de especímenes de tejidos. El centro provee data anónima al Centro de Coordinación Nacional del Alzheimer y a investigadores calificados en Stanford y otras universidades.
La facultad del centro trabaja de cerca con otros centros del ADRC para apoyar los esfuerzos del Centro. Ofrecen consultas de bioestadísticas, apoyo con investigaciones de macrodatos usando data del ADRC, promueven métodos de investigaciones y bioestadísticas adaptado para la data del ADRC, proveen consulta estadística a los investigadores del ADRC, y ofrecen entrenamiento de bioestadísticas a investigadores novicios.
Lu Tian, ScD
Profesor Asociado de Ciencia de Data Biomédica
Líder del Centro de Bioestadísticas, Bioinformática, y Manejo de Datos
Lu Tian es un profesor asociado del Departamento de Ciencia de Data Biomédica en la Universidad de Stanford. Recibió su Sc.D. en Bioestadísticas de la Universidad de Harvard. El Dr. Tian tiene vasta experiencia llevando a cabo investigaciones estadísticas metodológicas, planeando grandes estudios epidemiológicos, manejando data para ensayos clínicos aleatorizados y llevando a cabo análisis de datos aplicados. Su interés investigativo actual está en desarrollar métodos de estadísticas en las ramas de medicina personalizada, inferencia causal, análisis de supervivencia, y análisis de datos de alto rendimiento.
Nigam H. Shah, MBBS, PhD
Profesor Asociado de Medicina, Investigaciones de Informática Biomédica
El Dr. Nigam Shah es un profesor asociado de Medicina (Informática Biomédica) en la Universidad de Stanford, Director Asociado del Centro de Investigaciones de Informática Biomédica, y miembro central del Programa de Postgrado de Informática Biomédica. El enfoque investigativo del Dr. Shah incluye combinar el aprendizaje automático, minería de textos, y conocimiento previo de ontologías médicas para mejorar el aprendizaje del sistema de salud.
El Dr. Shah recibió el Reconocimiento para Nuevos Investigadores del AMIA en 2013. El Dr. Shah integra sus enseñanzas a su trabajo investigativo avanzado y fue reconocido con el Reconocimiento de Enseñanza para Facultad de Biociencias por sus excepcionales contribuciones de enseñanza en su clase de postgrado titulada “Medicina impulsada por datos” (Biomedin 215). Tiene un MBBS del Colegio de Medicina Baroda, India, un doctorado de la Universidad de Penn State y completó su entrenamiento de postdoctorado en la Universidad de Stanford.
Rob Tibshirani, PhD
Profesor de Ciencia de Data Biomédica
Profesor de Estadísticas
El principal interés del Dr. Tibshirani incluye estadísticas aplicadas, bioestadísticas, y minería de data. Es co-autor de los libros Generalized Additive Models (Modeles Aditivos Generalizados, junto con T. Hastie), An Introduction to the Bootstrap (Una Introducción a Bootstrap, junto con B. Efron), y Elements of Statistical Learning (Elementos de Aprendizaje Estadístico, junto con T. Hastie y J. Friedman). Su actual enfoque investigativo incluye problemas en biología y genómica, medicina, e industria. Con el colaborador Balasubramanian Narasimhan, también desarrolla paquetes de software para genómica y proteómica.
Steven D. Edland, PhD
Consultante
Profesor, Departamento de Medicina Familiar y Salud Pública, Universidad de California de San Diego
El Dr. Edland es un consultante para el Centro de Bioestadísticas, Bioinformática, y Manejo de Datos en el ADRC de Stanford. También sirve como líder del Centro de Manejo de Data y Estadísticas del ADRC Shiley-Marcos en la Universidad de California, San Diego y previamente mantuvo una posición similar en el Centro de Manejo de Data y Estadísticas del ADRC del Mayo Clinic. El Dr. Edland recibió su maestría en Estadísticas y su doctorado en Epidemiología de la Universidad de Washington. Su interés investigativo principal es la epidemiología, el tratamiento, y prevención de enfermedades crónicas, y sus investigaciones colaborativas frecuentemente involucran métodos de estadísticas contextualmente especificas.