全球疾病大师班是公共卫生学院全学位公共卫生硕士课程的一部分。我们的目标是，在本专业结束时，学生能够批判性地将流行病学概念应用于主要的全球性疾病，并能够评估和建议防治这些疾病的政策方案。 全球疾病大师班：全球疾病分布 在本课程中，我们将向学生介绍全球范围内健康和疾病的最重要趋势和模式。我们将研究随着时间的推移，健康状况是如何改善的，审视未来的趋势，并研究国家之间和国家内部在健康方面的不平等。我们将研究这些统计数据背后的方法，并思考健康概念化和衡量的不同方式。课程的最后，我们将探讨我们所指出的模式背后的原因，并介绍直接干预和结构性干预的区别。
全球疾病大师班：全球疾病分布
全球疾病大师班：全球疾病分布
本课程是 全球疾病大师班 专项课程 的一部分
位教师：Helen Ward
访问权限由 New York State Department of Labor 提供
8,250 人已注册
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 全球疾病大师班 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
本单元将探讨全世界健康和疾病方面最重要的趋势和模式。您将看到，随着时间的推移，健康状况总体上得到了极大改善，但这些成果在国家之间和国家内部的分布并不均衡。
涵盖的内容
9个视频6篇阅读材料2个作业2个讨论话题2个插件
本模块将探讨不同的健康数据来源，以及我们如何估算特定疾病的统计数据。您还将学习如何生成疾病估计值。
涵盖的内容
4个视频1篇阅读材料1个作业2个讨论话题
本单元将讨论评估健康的不同指标。您还将了解什么是 "达赖年"，以及为什么 "达赖年 "是衡量疾病的有用指标。
涵盖的内容
5个视频2篇阅读材料3个作业1个讨论话题
这最后一个单元将回过头来考虑本课程所研究的健康和疾病模式可能是由哪些因素造成的。除了直接影响疾病风险的因素外，还有更深层次的因素使某些人比其他人更容易受到这些风险因素的影响。这就引出了直接干预和结构性干预之间的区别--本专业的其他课程也会涉及这一主题。
涵盖的内容
6个视频3篇阅读材料1个作业1次同伴评审2个讨论话题2个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
82.94%
- 4 stars
13.17%
- 3 stars
0.77%
- 2 stars
0.77%
- 1 star
2.32%
显示 3/129 个
JS
已于 Jul 3, 2021审阅
A well presented course. I thought that some of the presenters' accents were sometimes difficult to understand, so I missed out on a small amount of the content.
AD
已于 Jun 30, 2020审阅
This course encompasses all what one need to learn about the distribution of global diseases for practical use. Thank you for this deep and understandable course.
TG
已于 Sep 1, 2020审阅
Excellent Course! Very complete and a great educational resource if you want to understand better the global disease distribution.
从 健康 浏览更多内容
Imperial College London
Imperial College London
Imperial College London
Imperial College London
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。