在大数据和人工智能技术的浪潮推动下，医疗领域的研究焦点逐渐转向临床预测模型。

我国三大健康与营养数据资源—CHARLS（中国健康与养老追踪调查）、CLHLS（中国老年健康影响因素调查）和CHNS（中国健康与营养调查）数据库，为这一研究领域提供了坚实的数据基础。

《Diabetes Metab Res Rev》（一区期刊，影响因子4.6）上发表的文章，深入探讨了昼夜节律综合症、代谢综合症与中年成人认知功能之间的关联，该研究便基于2011年的CHARLS数据展开。中国学者们更是借助CHARLS数据库，结合机器学习技术，在短短一周内连发两篇SCI论文，充分展示了数据库在科学研究中的强大应用潜力。在同一周内，CHARLS数据库还助力发表了5篇相关主题的论文，其中3篇荣登医学二区期刊，这些研究聚焦于老年慢性病患者抑郁风险预测模型的构建。

《Journal of Affective Disorders》（二区期刊，影响因子6.6）上发表的文章，则利用CLHLS数据深入分析了中国空巢老人抑郁的潜在模式，揭示了不同抑郁模型背后的关键因素。而重庆医科大学与重庆疾控中心团队则借助CHNS数据库，采用中介效应分析模型，探讨了心血管疾病的多种危险因素，该研究发表于《Nutrients》杂志，影响因子高达5.9。

在人工智能赋能和大数据驱动的时代背景下，国产数据库的挖掘价值日益凸显。临床工作者们应当充分利用这些公共数据库资源，创新临床科研，这无疑是我们推动医学进步的必由之路。

一、培训目标：

1.掌握Charls/Clhls/Chns数据库的基本结构、数据特点和挖掘方法，运用自动化人工智能方法，帮助临床医生实现“大数据+人工智能+预测模型”的完美融合

2.基于AI辅助工具与自动化建模AutoML建模技术，以“极低代码、极低学习门槛、极低时间成本”实现三大数据库的挖掘、分析、建模。

3.经典文献复现实战：从数据提取到论文撰写，全方位解析SCI零基础写作、选刊与投稿的技巧。通过实际案例，手把手教授如何在临床科研过程中，将原始数据转化为高质量的科研论文，并成功发表在SCI期刊上。

二、培训时间:  2025年08月08日— 2025年08月11日   远程在线培训

           （第一天数据及操作软件调试，共授课三天）

三、主讲专家：

清华大学、北京大学、首都医科大学、中国科学院等高校医学专业学科带头人。

擅长医学数据统计分析、人工智能算法、机器学习、MIMIC 数据库数据架构等生物医学大数据挖掘，发表数十篇专业领域内学术论文及SCI论文，主编或参与编写多部著作参与多家三甲医院临床科研项目的研究合作，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；

五、国内学者已见刊文章：

1.文章题目：胰岛素抵抗通过估算的葡萄糖处置率评估，与非糖尿病个体心血管疾病发生风险的关系：来自一项全国性、基于人口的前瞻性队列研究发现。

2.文章题目：慢性肾脏病患者跌倒的风险：中国健康与退休纵向研究（CHARLS）的结果

数据来源：纳入了来自中国健康与养老纵向研究（CHARLS）的CKD患者。

 

3.文章题目：中国空巢老人抑郁的潜在特征分析  

数据来源：CLHLS 

 

4.文章题目：65岁以上中国成年人热浪致死的相关危险因素

数据来源：CLHLS， 《Nature Medicine》(医学一区top，IF=82.9）

 

5.文章题目：中国成年人身体活动、体脂率、血压和血脂之间的中介和调节作用关联：2015年中国健康与营养调查结果

数据来源：CHNS, 影响银子：IF=5.9

  

深度学习Deep Learning可以帮助研究人员发现新的基因和基因突变，推动基因数据分析的发展，

六、课程大纲

一、AI辅助临床预测模型与数据挖掘	1.chatgpt类大语言模型辅助数据库挖掘 2.copilot辅助数据库挖掘 3.其他AI辅助数据库挖掘 4.生成式临床预测模型构建 5.自动化机器学习（含深度学习）建模（极低代码） 6.案例：从数据清洗到建模（一站式） 7.临床预测模型基础知识：统计建模、机器学习（含深度学习）建模 8.AI辅助特征筛选 9.AI辅助（自动化）特征分析 10.AI辅助自动化模型评估 11.模型解释性分析 12.生存分析专题案例 13.高级生存分析（基于深度学习）专题案例
二、数据库基础与高分SCI论文解析	1.数据库的注册 2.数据库的查询 3.数据库数据下载 4.数据的预处理 5.数据的探索性分析 6.Charls高分SCI论文解析 7.CLHLS高分SCI论文解析 8.CHNS高分论文解析 10.高分SCI论文方法复现实战
三、Python人工智能（机器学习+深度学习）	1.python基础：numpy、scipy 2结构化数据处理工具：pandas、polars、dask 3.可视化工具：Matplotlib、Seaborn、Bokeh、Altair、GGplot、Geopandas（地理空间数据处理）等 4.利用Streamlit构建自己的APP------研究成果呈现 5.利用自动化机器学习工具快速建模、低代码建模技术：AutoML 6.模型可解释性分析：SHAP、SHAPASH
四、AI人工智能＋临床医学案例实战	1.胰岛素抵抗通过估算的葡萄糖处置率评估，与非糖尿病患者心血管疾病发生风险的关系 2.妇女及其配偶的不良童年经历 （ACE） 与自然流产和死产风险的关联 3.长期PM2.5暴露对Ⅱ型糖尿病及其关节并发症的影响 4.中国儿童不良经理与心理健康障碍 5.肌肉减少型肥胖与心血管疾病风险之间的关联：一项使用CHARLS的基于人群的中老年人队列研究
五、其他辅助内容	1.学后交流、微信群、QQ群建立； 2.咨询、合作。 3.专业技术团队深入探讨。

七、课程成果实例图： 

联系方式：

联系人: 毛泽璇（老师）            

手机（微信同号）：13311241619 

电话：010-56129268  

上一篇：Nature级顶刊图表： R语言数据科研可视化入门到精通培训班