02
数据类型与描述统计
认识数据并选择正确的描述方式观察单位与变量定量 / 分类 / 有序资料频数、构成比与率集中与离散趋势正态与偏态分布异常值与缺失值数据编码与转换统计表与统计图
基础篇框架已建立
首页 / 医学统计与生物统计学
Medical statistics
医学统计与生物统计学
从研究设计、研究类型和数据认识开始，逐步完成方法选择、模型建立、结果解释与论文报告。当前先建立完整课程骨架，后续课件将按统一颗粒度逐章更新。
STAGE 01研究设计、数据与统计推断
STAGE 02组间比较与关联分析
STAGE 03回归、诊断与生存模型
STAGE 04设计、报告与质量控制
Curriculum map
完整学习框架
每个标签代表后续独立课程条目。本阶段只安排目录与层级，不放入未经最终确认的教学内容。
01
研究设计与研究类型
先明确研究问题与数据来源临床研究基础研究文献研究数据库研究前瞻性与回顾性研究随机化与观察性设计
基础篇 · 图文课程开始学习 →
03
统计推断基础
理解 P 值之外的信息抽样误差参数估计与置信区间假设检验Ⅰ/Ⅱ类错误效应量多重比较
基础篇框架已建立
04
卡方检验与分类资料
比较、趋势、分层与配对两组独立分类多组独立 R×C有序分类与趋势卡方分层分类与 CMHMcNemar / BowkerCochran's Q理论频数与精确检验
核心检验篇框架已建立
05
t 检验
连续型资料的基础比较单样本 t两独立样本 t配对样本 t方差不齐校正正态性与稳健性效应量
核心检验篇框架已建立
06
方差分析
多组比较与一般线性模型单因素双因素交互作用重复测量ANCOVA事后比较一般线性模型 GLM
核心检验篇框架已建立
07
非参数检验
不满足参数条件时的选择Mann–Whitney UWilcoxonKruskal–WallisFriedman秩和解释常见误区
核心检验篇框架已建立
08
相关性分析
区分关联、预测与因果PearsonSpearmanKendall偏相关非线性关系相关矩阵
关联分析篇框架已建立
09
回归与影响因素分析
从单因素走向多变量建模线性回归二元 Logistic有序 / 多分类 Logistic变量选择混杂与交互模型诊断广义线性模型因子分析
模型篇框架已建立
10
诊断试验与 ROC
评价诊断能力与临床价值诊断四格表灵敏度与特异度预测值与似然比ROC / AUC截断值曲线比较模型验证
临床分析篇框架已建立
11
生存分析
处理时间结局与删失数据删失数据Kaplan–MeierLog-rankCox 回归比例风险假设时间依赖变量竞争风险
临床分析篇框架已建立
12
重复测量与相关数据
处理同一对象内的相关性重复测量结构混合效应模型GEE随机截距 / 斜率协方差结构纵向结果解释
进阶模型篇框架已建立
13
样本量与统计效能
研究开始前的数量规划核心参数均数 / 率诊断试验相关与回归生存研究失访与设计效应效能分析
研究设计篇框架已建立
14
统计报告与稿件规范
把结果转化为可审核的表达方法写作结果表与统计图P 值 / CI / 效应量模型报告敏感性分析统计审稿意见报告规范
科研表达篇框架已建立
Lesson standard
每一课的统一颗粒度
参考示例课件的组织方式，后续内容将呈现完整决策链，而不是只给软件操作。
研究问题、数据类型、设计结构、前提假设及方法选择。
给出适用和错用场景，解释为什么选或不选。
拆解统计量、效应量及其生物医学意义。
提供结构清晰的医学案例与可复现练习数据。
按需要加入 SPSS、R 或 Stata 操作与结果定位。
解释输出、规范表达、表图模板、误区和自测。
Statistics lab
统计学习实验室
从模拟数据到统计核查，课程内容与练习工具在同一学习路径中衔接。
现已上线后续上线
数据模拟
按变量类型、分组方式与效应大小生成练习数据，再导入常用统计软件完成分析。
现已上线2×2 四格表工作站
核查分类资料的卡方与 Fisher 检验、风险指标、效应量及诊断学指标。
现已上线t 检验工作站
基于摘要统计复核单样本、两独立样本及配对 t 检验的结果与效应量。
统计方法选择器
根据研究目的、结局变量、组数及数据结构，逐步定位候选方法、前提条件和对应课程。