Mtaalamu wa Uoanifu wa Data

Heritage Alliance Ltd ni kampuni ya utafiti wa afya na sayansi ya data yenye makao yake Ubelgiji, inayofanya kazi na washirika Afrika na kimataifa.

Sisi ni nani

Tunaunganisha maarifa ya kliniki na uhandisi wa data ili taasisi washirika ziweze kuzalisha seti za data zinazoweza kutafsiriwa na kufuatiliwa kwa utafiti na uboreshaji wa mifumo ya afya.

Sayansi za Data za Afya na Uchanganuzi wa Kina: Uchunguzi wa sifa za data, uoanishaji wa istilahi na seti za data za uchanganuzi zilizothibitishwa zinazosaidia uchanganuzi unaolinganishika katika taasisi mbalimbali.

Utafiti changamano wa kliniki, ikiwemo majaribio ya kliniki na sayansi ya utekelezaji: Uoanishaji wa data za kliniki, rejesta na tafiti, wenye ufafanuzi wazi, asili ya data na mipaka iliyoandikwa ya matumizi ya pili.

Ubunifu na Uundaji wa Mifumo ya Afya ya Kidijitali: Michakato ya ushirikianaji inayoweza kudumishwa na uwezo wa ndani wa data unaosaidia mitandao ya kitaifa na ya shirikisho ya data za afya.

Mazingira yanayoongozwa na dhamira: Kuboresha manufaa ya data za afya zinazokusanywa mara kwa mara kwa utafiti unaojibu mahitaji ya eneo husika.

Teknolojia za kisasa: Fanya kazi moja kwa moja na OMOP CDM, zana za OHDSI na miundombinu ya data inayotumia kontena.

Uzoefu wa kimataifa: Shirikiana na wamiliki wa data, wataalamu wa kliniki na timu za kiufundi katika nchi washirika.

Fursa za kukua na kuongoza: Unda viwango vya ulinganishaji, kagua utekelezaji na uwaongoze wahandisi wa data katika vituo.

Tunatafuta mhandisi anayeweza kufuatilia taarifa ya kliniki kutoka kumbukumbu yake ya awali hadi uwakilishi wake wa uchanganuzi, kueleza kila ubadilishaji na kuonyesha kuwa data zinazotokana nayo zinafaa kwa matumizi yaliyokusudiwa.

Utafanya kazi na wamiliki wa mifumo ya chanzo, wataalamu wa kliniki na wachambuzi ili kutoa michakato ya uoanifu iliyoandikwa na inayoweza kurudiwa. Pia utasaidia timu za ndani kuendesha na kuboresha michakato hiyo baada ya kuwekwa.

• Tathmini data chanzi: Chunguza sifa za hifadhidata za OpenMRS na rekodi nyingine za matibabu za kielektroniki (EMR), rejista, mifumo ya maabara na data zilizotolewa kwa idhini; andika miundo ya data, mtiririko wa kazi za kitabibu, mbinu za usimbaji, wigo na vikwazo vya ubora.
• Buni ulinganishaji: Bainisha ulinganishaji wa chanzo na lengwa kwa majedwali, sehemu, mahusiano na vipindi vya uchunguzi vya OMOP; hifadhi thamani za chanzo na andika dhana, vilivyoondolewa na upotevu wa taarifa.
• Simamia istilahi za kliniki: Linganisha misimbo ya ndani kupitia misamiati sanifu ya OHDSI, ukitumia Athena na Usagi inapofaa; tofautisha misimbo ya chanzo na dhana sanifu halali na pata mapitio ya kliniki kwa ulinganishaji wenye utata.
• Jenga mikondo ya ETL: Tekeleza mitiririko ya kutoa, kubadilisha na kupakia data (ETL) kwa SQL na Python au R, ikijumuisha upakiaji kamili na wa nyongeza unaorudiwa, usimamizi wa utegemezi, ushughulikiaji wa hitilafu na ulinganishaji wa data.
• Shughulikia maelezo ya kliniki kwa usahihi: Linganisha vitambulishi, miadi, utambuzi, dawa, thamani za maabara, vipimo na tarehe; hifadhi mahusiano ya muda mrefu na historia ya rekodi bila kubadilisha rekodi za chanzo.
• Thibitisha matokeo: Tumia OHDSI Data Quality Dashboard na Achilles, pamoja na ulinganishaji wa idadi kutoka chanzo hadi lengo, ukaguzi wa mgawanyo na mapitio ya kliniki; chunguza hitilafu na uandike kufaa kwa data kwa uchanganuzi mahususi.
• Endesha mazingira ya OHDSI: Tekeleza na tatua matatizo ya OHDSI Broadsea na huduma zinazofaa kama ATLAS na WebAPI kwa Docker Compose; shirikiana na timu ya miundombinu kuhusu udhibiti wa ufikiaji na mipangilio ya matumizi halisi.
• Dumisha matoleo na utangamano wa mifumo: Fuatilia matoleo ya CDM, misamiati na ulinganishaji; tathmini athari za mabadiliko; saidia viunganishi vinavyotumia Health Level Seven (HL7) Fast Healthcare Interoperability Resources (FHIR) inapohitajika, kwa maelezo wazi ya ubadilishaji.
• Wezesha matumizi endelevu: Toa maelezo ya ulinganishaji, ukaguzi wa kiotomatiki, maelezo ya matoleo na maagizo ya uendeshaji; andaa seti za data za ndani kwa uchanganuzi shirikishi ulioidhinishwa na ufunze wahandisi wa data wa washirika.

Safari na kazi katika vituo: Tathmini za vituo vya washirika, usaidizi wa utekelezaji na mafunzo ya vitendo, kulingana na mahitaji ya mradi.

Muhimu

• Shahada katika sayansi ya kompyuta, uhandisi wa data, informatiki ya afya, informatiki ya tiba na baiolojia au taaluma inayohusiana, au uzoefu mkubwa wa kitaaluma unaolingana.
• Uzoefu uliothibitishwa wa kutekeleza mchakato kamili wa kuoanisha data za afya katika OMOP CDM, ikiwemo ulinganishaji wa istilahi, uthibitishaji na matengenezo ya baadaye.
• Ujuzi thabiti wa SQL na upangaji programu kwa vitendo katika Python au R; uzoefu wa hifadhidata za uhusiano, Git na mtiririko wa uchakataji wa data unaoweza kurudiwa.
• Uzoefu wa vitendo wa kuchukua na kutafsiri data kutoka OpenMRS, EMR nyingine au sajili ya kliniki ya ufuatiliaji wa muda inayolingana; uwezo wa kuelewa uhusiano kati ya wagonjwa, mahudhurio na vipimo vya uchunguzi.
• Maarifa ya vitendo ya maeneo ya OMOP, uhusiano wa dhana na mkusanyiko wa zana za OHDSI, ikiwemo Athena, Usagi, Data Quality Dashboard, Achilles, ATLAS na WebAPI.
• Uzoefu wa kuweka au kutatua matatizo ya Broadsea kwa kutumia Docker Compose, na kujiamini katika mazingira yanayotumia Linux.
• Ujuzi wa vitendo wa istilahi na uainishaji wa kliniki kama SNOMED CT, LOINC, ICD na RxNorm, ikijumuisha mipaka ya uwekaji misimbo wa ndani na masharti husika ya leseni.
• Uandishi wa nyaraka ulio wazi, utunzaji makini wa data nyeti, umahiri wa Kiingereza na uelewa mzuri wa Kifaransa.

Kinachopendelewa

• Uzoefu wa OpenClinic GA, mifumo ya taarifa za maabara, sajili za magonjwa, DHIS2, HL7 FHIR au usanifu wa kitaifa wa mwingiliano wa mifumo.
• Uzoefu wa kuratibu michakato, kuboresha utendaji wa hifadhidata, mitandao shirikishi ya utafiti, mifumo ya afya ya Afrika au kufunza wahandisi wa data.

Malipo: Yanajadiliwa kulingana na uzoefu, majukumu, kituo cha kazi na masharti ya mkataba.

Maendeleo ya taaluma: Kujiendeleza katika mbinu za OHDSI, uhandisi wa istilahi na usanifu wa data za afya, pamoja na fursa za kuongoza kazi za uoanishaji.

Mazingira ya kazi: Ushirikiano wa taaluma mbalimbali, ufikiaji wa rasilimali husika za kiufundi na fursa za kuchangia utafiti wa afya wa kimataifa. Mafao na mipango ya kazi itaainishwa katika ofa ya ajira.

Wanawake wanahimizwa kutuma maombi.