课程教学大纲

第一周（2024年7月8日 - 2024年7月14日）

主题: 数据库介绍与文献结构解读

• 课程1（07/08）：数据库类型与应用介绍

• 课程2（07/11）：研究中的纳入排除标准与其重要性

• 课程3（07/12）：文献结构解读与批判性阅读方法

• 作业: 阅读指定文献，完成文献结构解读练习，确定论文方向并形成论文提纲

第二周（2024年7月15日 - 2024年7月21日）

主题: 数据基线特征描述，常见偏倚与偏倚控制方法

• 课程4（07/15）：数据基线特征描述与统计分析方法学习如何进行数据基线特征描述和常用的统计分析方法，包括描述性统计、数据分布、中心趋势和离散度等。

• 课程5（07/18）：常见偏倚类型及影响，偏倚控制方法探讨常见的偏倚类型及其在研究中的影响，以及如何采用控制方法来减少偏倚对研究结果的影响。

• 实践: 学员将使用统计软件实际操作数据基线特征描述和统计分析，应用课堂所学内容到实际数据集中。

• 作业: 学员需完成一个数据基线特征描述的练习，设计并填写基线空白表格，描述其研究中可能存在的偏倚类型，并提出相应的偏倚控制方法。描述所研究数据库并形成相应的论文手稿部分。

第三周（2024年7月22日 - 2024年7月28日）

主题: 数据清洗与关键变量提取

• 课程6：数据探查与数据清洗学习如何进行数据探查和数据清洗，包括数据质量评估、缺失值处理、异常值检测与处理等基本技术。

• 课程7：关键实验室变量提取与结局指标分析探索如何识别和提取关键的实验室变量和研究结局指标，以及如何分析这些指标在药物流行病学研究中的应用。

• 实践: 学员将实际操作数据清洗和关键变量提取技术，应用于给定的数据集或案例中。

• 作业: 学员需要完成一个数据清洗和关键变量提取的练习，同时创建并填写研究相关的关键结局表格，以加深对课程所学内容的理解和应用能力。

第四周（2024年7月29日 - 2024年8月4日）

主题: 回顾性研究设计与研究设计展示技巧

• 课程8：回顾性研究设计（队列研究与病例对照研究）学习回顾性研究设计的基本原理和方法，重点探讨队列研究和病例对照研究在药物流行病学中的应用和技术要求。

• 课程9：研究设计的可视化与数据展示技巧探索如何使用数据可视化工具有效地展示和解释回顾性研究设计，包括图表、图形和其他数据展示技巧。

• 实践: 学员将学习如何应用课程中所学的数据展示技巧，设计一个简单的回顾性研究方案，并考虑如何用图表和图形清晰地展示研究设计。

• 作业: 学员将完成一个简单的回顾性研究方案的设计，并利用所学的数据展示技巧，通过可视化工具清晰地展示和解释他们的研究设计。

第五周（2024年8月5日 - 2024年8月11日）

主题: 真实世界证据 (RWE)与临床研究临床试验与RCT、RWE的研究汇总

• 课程10：回顾性研究设计（队列研究与病例对照研究）学习回顾性研究设计的基本原理和方法，重点讨论队列研究和病例对照研究的应用场景和技术要求。

• 课程11：研究设计的可视化与数据展示技巧探索如何有效地使用数据可视化工具展示和解释临床研究设计，包括图表、图形和数据展示技巧。

• 实践: 学员通过案例分析比较随机对照试验（RCT）和真实世界证据（RWE），分析它们在药物流行病学研究中的优缺点和适用情况。

• 作业: 学员将设计一个简单的临床试验，并撰写论文的方法学部分，包括研究设计、样本选取、数据收集与分析方法的详细描述。

第六周（2024年8月12日 - 2024年8月18日）

主题: DAG图、变量筛选与模型评估

• 课程8：模型诊断与有向无环图（DAG）学习如何进行模型诊断，使用DAG图来可视化和理解药物流行病学研究中的因果关系模型。

• 课程9：变量筛选方法与逻辑回归模型建立原则探讨在建模流行病学数据时的变量筛选策略，以及如何有效地应用逻辑回归模型进行分析与推断。

• 课程10：生存分析模型评估与结果解释技巧学习生存分析模型的基本概念，包括模型评估方法和结果解释技巧，应用于药物流行病学中的实际案例。

• 实践：学员将实际操作绘制DAG图，同时进行药物流行病学数据的变量筛选分析，应用所学方法进行模型的初步构建与评估。学员选择药物流行病学相关的研究或案例，设计并展示适当的模型评估与结果解释方式，包括数据处理、模型选择与结果解释的详细报告撰写。

第七周（2024年8月19日 - 2024年8月25日）

主题: 模型结果可视化展示、与机器学习预测模型

• 课程14：模型结果可视化展示

• 学习如何有效地展示药物流行病学研究中的模型结果，包括图表和图形化方法。

• 课程15：机器学习预测模型

• 探索常用的机器学习算法（如决策树、随机森林、支持向量机等）在药物流行病学中的应用，以及如何构建和评估预测模型。

• 实践: 学员将使用统计软件或数据可视化工具，实际操作如何将药物流行病学研究中的模型结果进行可视化展示，例如创建图表、绘制曲线或生成相关图形。学员通过实际案例或模拟数据集，应用机器学习算法建立预测模型，并进行模型训练、评估和调优。作业: 学员选择一个药物流行病学相关的研究或案例，设计并展示适当的模型结果可视化方式，附带解释和分析。熟悉文献中机器学习预测模型的项目或任务，包括数据预处理、模型选择与训练、性能评估及结果解释的报告撰写。

第八周（2024年8月26日 - 2024年8月31日）

主题: 药物流行病学使用场景与未来学科发展趋势

• 课程14：临床综合评价方法与案例分析学习和探讨临床综合评价的方法和工具，通过实际案例分析了解其在药物流行病学中的应用。

• 课程15：药物利用研究与实际应用场景探索药物利用研究的方法与实际应用场景，分析其在改善临床实践和公共卫生中的作用。

• 课程16：药物流行病学的未来发展方向与前沿技术展望研究药物流行病学领域的未来发展趋势，介绍新兴技术如何推动学科的进步与应用。

• 结题汇报：学员结题汇报与讨论学员将准备并提交他们的结题报告，展示他们在课程期间所完成的研究项目成果和分析。

• 项目展示: 学员项目展示与讨论学员将展示他们在课程中完成的项目，分享他们的研究成果、方法和结论，进行同行评议和讨论。

• 作业: 准备并提交结题报告学员需准备完整的结题报告，详细描述他们的研究设计、数据分析、结果和结论，以及未来的研究建议和应用方向。

  
  

本次培训班将通过系统化的课程设计和丰富的教学资源，逐步深入，确保学员能够全面掌握药物流行病学与真实世界研究的理论和实践技能。