本学习班最大的特色：
1. 注意：本课程R语言统计分析是从零基础开始讲起，所以没有R语言基础的也可以听得懂！！！
2. 本课程是医学统计分析进阶与临床预测模型构建的学习班，深度讲解临床研究资料统计分析中的新方法与难方法，系统讲解临床预测模型构建的方法；
3. 课程中所有统计分析与数据可视化均基于R语言完成，所以也是一门针对医学专业人员的R语言的培训课程；
本课程具体内容包括：
1.R软件与RStudio获取与安装；
2.R中数据集的创建及外部数据导入；
3.R中描述统计与基础绘图应用；
4.R中基础统计分析简介：t检验与方差分析，卡方检验与秩和检验；
5.一般线性模型与复杂方差分析；
6.广义线性模型：Logistic回归与泊松回归；
7.倾向性匹配得分（PSM）分析；
8.生存分析与Cox回归；
9.Fine&Gray检验与竞争风险模型；
10.多元回归中变量筛选方法（含岭回归与Lasso回归）；
11.回归模型可视化与临床预测模型构建（各类回归模型的Nomogram列线图绘制）；
12.临床预测模型的评价与验证（包括C-statistics计算，NRI与IDI的计算，Calibration曲线绘制，DCA决策曲线分析）；
13.诊断试验ROC分析与曲线绘制（含联合诊断）；
14.主成分与因子分析、聚类分析在变量降维中的应用；
15.复杂生存曲线、亚组分析森林图等图形绘制。
本次学习班课程具体内容安排
每节课名称
每节课学习目标
课程时长
1.R软件与RStudio的安装
1.R的获取与安装；2.RStudio获取与安装；3.R程序包的安装及帮助文档的查看
30
2.R中数据集的创建及数据导入
1.数据集的概念；2.数据结构；3.外部数据的输入
45
3.R中描述统计与基础绘图应用
1.统计描述指标及计算；2.频数表和列联表；3.图形参数；4.图形组合；5.条形图；6.饼图；7.直方图；8.箱式图；9.散点图
60
4.R中基础统计分析方法
1.t检验与方差分析；2.卡方检验与秩和检验在R中实现
45
5.一般线性模型的应用
1.复杂方差分析；2.多元线性回归在R语言中实现
45
6.广义线性模型的应用
1.Logistic回归；2.泊松回归在R语言中实现
90
7.倾向性匹配得分分析
1.倾可性匹配得分（PSM）分析在R语言中的实现
45
8.Cox比例风险模型与竞争风险模型
1.Cox比例风险模型原理；2.竞争风险模型原理；3.K-M分析，Log-rank检验，Cox回归；4.Fine&Gray检验与竞争风险模型在R软件实现
90
9.多元回归变量筛选方法
1.多元回归中变量筛选方法
45
10.回归模型可视化与预测模型构建
1.各类回归模型的可视化及Nomogram 列线图的绘制
90
11.临床预测模型的评价与验证
1.包括C-statistics计算；2.NRI与IDI的计算；3.Calibration 曲线绘制；4.DCA决策曲线分析
90
12.诊断试验ROC分析
1.诊断试验数据ROC分析；2.ROC曲线绘制
45
13.主成分与因子分析、聚类分析
1.主成分与因子分析在变量降维中的应用；2.聚类分析
45
14.复杂生存曲线、亚组分析森林图等图形绘制
1.复杂生存曲线；2.亚组分析森林图等图形绘制
45
