随着临床数据及多组学数据不断的积累，传统的生存分析方法学已经无法很好适应目前的研究趋势。基于经典统计学，贝叶斯统计学及机器学习与深度学习的方法旨在复杂的多组学数据中对于因果关系进行正确的估计。传统的生存分析如KM生存曲线，Cox比例风险模型对于需要预设的假设，其对于自变量的要求也较高，传统的方法学已经无法很好的适应目前的研究需要。对于永恒时间偏倚，不满足等比例风险模型及在基线存在差异的情况下需要对因果关系进行估计的情况，目前国外已经开发出了很多基于贝叶斯及机器学习的方法，并且也已经发表了相关的高分文章。

预测模型作为真实世界研究的重要组成部分，其研究被广泛开展。但是，传统的预测模型利用基线数据对最终的生存结果进行预测，这种模型无法纳入患者在后续随访中可能会动态变化的重要数据（比如肿瘤标记物的动态变化）。以上情况在统计学中会产生估计偏移情况，也是不符合临床实际的，在临床实际中，医生会根据患者的动态变化指标做出进一步诊断及治疗的判断。动态预测模型结合患者的纵向数据与最终的生存结果，对于最终结果进行更加准备的预测。

一、培训目标：

1，掌握R语言的基本概念与常规操作。

2，能够流程化进行常规生存分析及相关统计图表的制作，制作的统计图表可以直接用于发表。

3，可以根据数据特点，进行高级生存分析（RMST/Landmark/win ratio/竞争风险/加权KM）。

4，可以构建常规的生存分析预测模型，机器学习生存分析模型。

5, 可以进行常规纵向数据分析及构建动态预测模型分析。

6，复现课程中的高分文章的生存分析的方法学内容。

二、培训时间:    

2024年10月18日— 2024年10月21日   远程在线培训

三、主讲专家：

来自北京大学、清华大学、上海交通大学、中国科学院等高校主讲老师，主要研究领域为深度学习、计算机视觉、知识图谱、生物信息学等领域。近三年发表科研论文50余篇，主持北京市自然科学基金等科研项目10项，开发信息化软件30余项，主编或参与编写多部著作，参与多家三甲医院临床生物信息学的研究合作，科研及授课经验很丰富。

四、参加对象：

全国三甲医院、医学研究所及高校从事临床医学、生物医学研究的临床医生、副主任医师、主任医师及临床医学博士、硕士研究生；

肿瘤科、神经科、乳腺科、肝胆科、骨科、胃肠外科、血液科、皮肤科、肾内科、免疫科、妇产科、生殖科、心外科、神经内科、感染科、医技科等课题经费不足，无法进行大规模实验，但需要发表SCI论文的相关研究人员；

五、临床应用：

竞争风险模型可以处理与感兴趣终点事件有竞争关系的无偏估计问题。

Landmark分析可以用于具有永恒时间偏倚（Immortal Time Bias）的生存分析问题。

RMST（限制平均生存时间）可以处理非等比例风险的生存分析问题。

加权生存分析/调整协变量生存分析可以处理组间非干预因素的不均衡问题。

Win Ratio可以处理包括生存资料/连续结果变量/二分类结果在内的负荷终点问题。

传统生存分析预测模型可以处理传统的临床研究的生存结果的预测问题。

机器学习生存分析可以处理高纬度的多组学数据的生存分析的预测问题。

动态预测模型可以处理对于患者生存结果有重要作用的纵向数据与最终生存结果的关系.

六、复现方法学的高分文章：

 

七、课程大纲

主题	课程内容
一、高级生存分析方法介绍与R基础	1. 高级生存分析方法概览及高分文章举例 2. R语言及Rstudio下载，环境构建 3. 包的安装及帮助定位 4. 原子向量的用法介绍 5. 矩阵，数据框及列表介绍 6. 函数的一般用法介绍及出现报错的解决方案 7. Tidyverse体系初探及重要函数用法介绍
二、常规文章分析流程化操作 （全自动出图及出表）	1. 组间基线表格快速制作及发表级文件生成 2. 单因素分析批量实现及发表级文件生成 3. 多因素分析批量实现及快速图表生成 4. 亚组分析及其森林图的快速绘制（包括交互作用及趋势性检验） 5. 常规生存分析方法介绍及批量实现（KM,COX,生存曲线及累计风险曲线绘制）
三、高级生存分析方法	1.  竞争风险模型的原理及R语言实现 2.  Landmark分析原理及R语言实现 3.  RMST（限制平均生存时间）/RMSL分析原理及R语言实现 4.   加权生存分析/调整协变量生存分析的 R语言实现及结果解读 5.  Win Ratio的概念,R语言实现与结果解读 6. 传统生存分析预测模型的构建及验证 7. 机器学习生存模型的构建
四、纵向数据分析及动态预测模型	1. 纵向数据分析总论及数据整理要点 2. 应用R语言进行重复测量方差分析 3. 一般线性混合模型原理及R语言实现，结果解读 4. 广义估计方程原理及R语言实现，结果解读 5. 动态预测模型方法学概览及实现介绍 6. 基于贝叶斯的联合模型总体方法学介绍及实现途径（lancet digital healthy 方法） 7. 动态预测结果的计算及可视化 8. 各种结果变量的纵向子模型的指定与实现 9. 纵向子模型与生存模型的链接方式选择与指定 10. 竞争风险模型的动态预测模型的构建
八、辅助课程	1. 长期微信群答疑，为学员扫清技术难点障碍 2. 技术咨询、合作，提供全方位服务 3. 专业技术团队深入探讨 4. 科研基金项目合作

八、培训费用：（注：可转账、公务卡扫码支付。正规会议通知、发票。）

     A类，每人4300元（含培训费、教材费、证书费、资料费）

  B类，每人4980元（含培训费、教材费、证书费、资料费）

九、颁发证书：参加相关培训并通过考试的学员，可以获得：

A类，由中国社科教育培训中心颁发的《数字医学技术工程师》（高级）专业人才技能证书，官方网站查询，该证书可作为有关单位专业技术人员能力评价、考核和任职的重要依据。

B类，由工业和信息化部全国工业与信息技术考试管理中心颁发的《人工智能应用工程师》职业技能证书，官方网站官方网站查询或扫描证书上方的二维码查询，证书直接纳入专业人才数据库，该证书可作为企事业单位选拔和聘用专业人才的依据。（加上A类共两本证书）

  注：请学员带两寸彩照两张（背面注明姓名）、身份证复印件和学历证明复印件各两张。

十、报名方式

姓名：毛泽璇（老师）
联系电话：13311241619

上一篇：【第九期】R 语言临床医学实战应用专题培训班
下一篇：【第十期】单细胞空间转录组测序临床应用培训班