【编者按】

　　为了充分展示优质课程💲，推动教学资源在师生中的共享🦸🏿，进一步促进医学部教学质量提高，医学部设立“通家学堂”系列现场观摩课⛹🏽‍♂️，由获得“医药科精品课程”、“北京大学教学优秀奖”等奖项的优秀研究生课程进行展示，供医学部师生对各门优秀课程进行观摩学习。

课程名称：《医学统计学进阶-广义线性模型》

授课教师🙋🏻‍♂️：王洪源

上课时间：5月29日(周三) 1-4节 8:00-12:00

上课地点：医学部逸夫楼510教室

课程简介

    医学统计进阶的前身为医学多变量统计与软件，主要解决的医学研究领域的多因素共同作用的分析方法和用软件完成统计分析计算的问题💞，共计110学时。授课对象主要是公共卫生学院的研究生和少量的护理学院等学院的研究生。

    课程历年来经过多次演变🌖，2010年进行课程改革，将统计课全部设为20学时的模块，每班30-40人进行小班授课🍆。课程演变为医学统计进阶🧖🏽，包括应用线性模型、应用多元统计分析方法、广义线性模型、隐变量分析🏋🏿‍♀️🧥、适用于非独立资料的统计分析🖨、SAS入门🧑🏼‍🔬、SAS多变量分析、SPSS入门、SPSS多变量分析等模块，不同专业的同学可以根据自己的需要和兴趣进行选择🛹，增加了学生的自主性🤷🏽‍♂️。

课程内容

    广义线性模型是对一般线性模型（general linear model）的扩展👶💇🏿‍♀️，一般线性模型建立在因变量与自变量的线性相关基础上⛄️，且要求因变量服从正态分布🙎🏻。广义线性模型中允许因变量不服从正态分布🔣，并通过特定的连接函数使得转化后的因变量与自变量之间满足线性相关关系🧑‍⚖️，建模条件的放宽使得广义线性模型在实际中的应用非常广泛🔫。

    本课程介绍广义线性模型（generalized linear model🚯，GLM）的概念及常用统计方法，主要包括logistic回归模型、对数线性模型🔹、Possion回归模型和Cox比例风险模型等。

    通过介绍各个模型的概念、基本思想、原理及数学公式、参数的意义👬🏻、使用条件、主要结果的解释🍁，辅以医学领域相关的实例讲解和相应的统计软件操作的教学👨🏿‍🏭，帮助学生理解和掌握广义线性模型的常用方法👱🏼‍♀️，能正确地应用广义线性模型分析方法解决医学领域的实际问题。本课程的主要内容如下：

1. 绪论：广义线性模型的概念及常用的方法。
2. Logistic回归模型
  （1）多元Logistic函数简介
  （2）非条件Logistic回归模型的概念，基础🖖🏼🧙🏽、特征
  （3）非条件Logistic回归模型：定义，拟合👩，模型及参数的含义
  （4）参数估计：似然函数👩🏽‍⚖️，条件似然函数的概念🧗‍♀️，参数的最大似然估计
  （5）非条件Logistic回归的适用条件和应用范围🏪，对数据的要求
  （6）应用举例
  （7）条件Logistic回归🦢、有序Logistic回归及多状态Logistic回归模型的概念及其特征🏹、适用条件和应用范围🧙🏼🚖，应用举例。
3. 对数线性模型
  （1）对数线性模型的意义和特征
  （2）参数估计方法、及参数的意义
  （3）结果的解释
  （4）应用举例
4. Poisson回归模型
  （1） Poisson回归模型的意义和特征
  （2）参数估计方法、及参数的意义
  （3）结果的解释
  （4）应用举例
5. Cox比例风险回归模型
  （1）生存分析的基本概念⚂，生存资料数据的特点💆🏻‍♂️，常用的生存分析方法
  （2）比例风险
  （3）Cox回归模型的结构及参数的含义，参数的估计
  （4）结果的解释
  （5）应用举例

    本次“通家学堂”的授课内容为Cox比例风险回归模型（proportional hazards model）🚴🏼‍♂️，Cox回归是由英国统计学家D.R.Cox于1972年提出的一种半参数回归模型🧍，常用于生存分析。生存分析是一系列探究研究结局发生的时间的统计方法，旨在探索研究结局发生时间的影响因素和预测发生时间等🧑‍🎄，Cox回归可同时分析多个因素对生存期的影响🪽，能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型，在医学随访研究中得到广泛的应用，是迄今生存分析中应用最多的多因素分析方法。