【編者按】

　　為了充分展示優質課程👇，推動教學資源在師生中的共享🦾，進一步促進醫學部教學質量提高，醫學部設立“通家學堂”系列現場觀摩課，由獲得“醫藥科精品課程”、“北京大學教學優秀獎”等獎項的優秀研究生課程進行展示，供醫學部師生對各門優秀課程進行觀摩學習。

課程名稱：《醫學統計學進階-廣義線性模型》

授課教師：王洪源

上課時間🤶🏻：5月29日(周三) 1-4節 8:00-12:00

上課地點：醫學部逸夫樓510教室

課程簡介

    醫學統計進階的前身為醫學多變量統計與軟件，主要解決的醫學研究領域的多因素共同作用的分析方法和用軟件完成統計分析計算的問題，共計110學時🙂‍↔️。授課對象主要是公共衛生學院的研究生和少量的護理學院等學院的研究生。

    課程歷年來經過多次演變💵，2010年進行課程改革，將統計課全部設為20學時的模塊，每班30-40人進行小班授課✍️。課程演變為醫學統計進階，包括應用線性模型、應用多元統計分析方法🤚🏿、廣義線性模型🥏、隱變量分析、適用於非獨立資料的統計分析4️⃣、SAS入門、SAS多變量分析🧙🏼、SPSS入門、SPSS多變量分析等模塊🚵🏼‍♀️，不同專業的同學可以根據自己的需要和興趣進行選擇，增加了學生的自主性。

課程內容

    廣義線性模型是對一般線性模型（general linear model）的擴展，一般線性模型建立在因變量與自變量的線性相關基礎上🫴🏼，且要求因變量服從正態分布。廣義線性模型中允許因變量不服從正態分布，並通過特定的連接函數使得轉化後的因變量與自變量之間滿足線性相關關系，建模條件的放寬使得廣義線性模型在實際中的應用非常廣泛。

    本課程介紹廣義線性模型（generalized linear model，GLM）的概念及常用統計方法👩🏻‍✈️，主要包括logistic回歸模型、對數線性模型、Possion回歸模型和Cox比例風險模型等🧑🏿。

    通過介紹各個模型的概念🎾、基本思想🧑‍🍼、原理及數學公式🔀、參數的意義、使用條件、主要結果的解釋，輔以醫學領域相關的實例講解和相應的統計軟件操作的教學👦🏻🙀，幫助學生理解和掌握廣義線性模型的常用方法🙍‍♀️，能正確地應用廣義線性模型分析方法解決醫學領域的實際問題😶。本課程的主要內容如下🧑🏻‍🍼：

1. 緒論🫳：廣義線性模型的概念及常用的方法。
2. Logistic回歸模型
  （1）多元Logistic函數簡介
  （2）非條件Logistic回歸模型的概念，基礎、特征
  （3）非條件Logistic回歸模型📐：定義，擬合，模型及參數的含義
  （4）參數估計：似然函數，條件似然函數的概念🤾🏼，參數的最大似然估計
  （5）非條件Logistic回歸的適用條件和應用範圍😪，對數據的要求
  （6）應用舉例
  （7）條件Logistic回歸、有序Logistic回歸及多狀態Logistic回歸模型的概念及其特征、適用條件和應用範圍，應用舉例🙆🏿。
3. 對數線性模型
  （1）對數線性模型的意義和特征
  （2）參數估計方法、及參數的意義
  （3）結果的解釋
  （4）應用舉例
4. Poisson回歸模型
  （1） Poisson回歸模型的意義和特征
  （2）參數估計方法🏏🐋、及參數的意義
  （3）結果的解釋
  （4）應用舉例
5. Cox比例風險回歸模型
  （1）生存分析的基本概念🔈，生存資料數據的特點，常用的生存分析方法
  （2）比例風險
  （3）Cox回歸模型的結構及參數的含義，參數的估計
  （4）結果的解釋
  （5）應用舉例

    本次“通家學堂”的授課內容為Cox比例風險回歸模型（proportional hazards model），Cox回歸是由英國統計學家D.R.Cox於1972年提出的一種半參數回歸模型😭，常用於生存分析。生存分析是一系列探究研究結局發生的時間的統計方法，旨在探索研究結局發生時間的影響因素和預測發生時間等🏊‍♀️，Cox回歸可同時分析多個因素對生存期的影響，能分析帶有截尾生存時間的資料，且不要求估計資料的生存分布類型，在醫學隨訪研究中得到廣泛的應用，是迄今生存分析中應用最多的多因素分析方法👩‍🔧。