Projeto da Fiocruz em parceria com a Harvard Medical School oferece duas oportunidades de pós-doutorado

Agência FAPESP – Duas oportunidades de pós-doutorado estão disponíveis em projeto de pesquisa conduzido no Centro de Integração de Dados e Conhecimento para a Saúde (Cidacs) – uma parceria da Fundação Oswaldo Cruz (Fiocruz) com a Harvard Medical School financiada pelos National Institutes of Health (NIH), dos Estados Unidos. As inscrições foram prorrogadas até domingo (29/05).

Os pós-doutorandos participarão de uma equipe de pesquisa do Cidacs, no Parque Tecnológico da Bahia, em Salvador, atuando de forma presencial ou remota na área de pesquisa da equipe de saúde mental e multimorbidade.

Os candidatos selecionados receberão bolsa de R$ 8.000, por um período de 12 meses, prorrogável por novo período a depender da avaliação de desempenho e interesse do bolsista.

Uma das vagas se destina a doutores em estatística para realizar em tempo integral análise de grandes bases de dados de sistemas de informação de saúde com foco na saúde mental. As responsabilidades do pesquisador serão analisar grandes bases de dados; produzir relatórios dos resultados das análises dentro dos prazos previstos; colaborar na elaboração de artigos científicos, produzindo tabelas, gráficos, escrevendo a metodologia empregada e resultados encontrados; se comunicar com a equipe estrangeira; e participar em eventos científicos ou tecnológicos.

O candidato deve ter conhecimentos avançados em sistema R, com experiência em pré-processamento de dados e big data, e também em Git, GitHub e versionamento de códigos reprodutíveis. Deve ainda demonstrar experiência e competência em projetos de pesquisa.

Além disso, são desejáveis conhecimentos em sistemas Stata/Python, experiência com dados epidemiológicos e estudos longitudinais, modelagem multinível e análise de dados em painel, bases de dados de saúde e políticas sociais e em análise multivariada, análise de sobrevivência, regression discontinuity design, propensity score matching, proxy e variáveis latentes, structural equation models e técnicas de machine learning.

Mais informações, clique aqui.