（通讯员：关迪）2024年7月16日-7月20日每天下午14：30，美国辛辛那提儿童医院生物统计与流行病学系/辛辛那提大学医学院张斌教授莅临我院讲短课。本轮短课由数学与统计学院承办，分别在南湖校区新图书馆5605室和南湖校区老图书馆四楼左侧研究生5-1学习室开讲，短课由学院院长王纯杰教授主持，学院部分老师及研究生参加了短课。

短课开始之际，由院长王纯杰老师作为代表对张教授的到来表示感谢，并对张教授及其研究内容做了介绍。

报告人简介：张斌，美国辛辛那提儿童医院生物统计与流行病学系/辛辛那提大学医学院教授、博士生导师、辛辛那提儿童医院/辛辛那提医学院放射学系统计中心主任、国际统计协会（ISI）会士。

研究方向主要包括医疗大数据、临床试验、医学实验设计、生信分析、贝叶斯方法、因果推断、机器学习等。曾获美国国家科学基金会和数理统计协会青年科学家奖。主持或参与了美国国立卫生院和其他研究机构（如盖茨基金会等）支持的研究项目近40项课题、20个杂志的编委或审稿人、近10个基金的专家评审、发表学术论文与专著170余篇。

短课名称：生存分析的应用

短课系列讲述内容如下：

短课系列一内容：生存分析是一种统计方法，主要用于分析事件发生的时间和发生与否。在医学领域，这种方法常用于研究死亡等事件，但也适用于疾病发作、复发等其他事件。课程通过实例分析，展示了如何使用生存分析技术来评估治疗效果，例如比较接受治疗和安慰剂的肺癌患者的生存时间。此外，课程还介绍了如何使用SAS软件进行生存数据分析，包括Kaplan-Meier估计、Cox比例风险模型等。

短课系列二内容：多元面板计数数据在医学和社会科学等多个领域中广泛应用。这些数据同时对多个感兴趣的结果进行测量，并且在一段时间内重复进行测量。当观测时间不是预先指定时，很可能是观察或随访时间提供了有关响应过程的信息。在这种情况下，大多数现有方法要么指定依赖结构并使用某些固定分布，要么在给定某些协变量的情况下假设独立性，但这可能并不正确，并导致错误的结论。课程提出了一种联合建模方法，允许可能的相互关联通过时间相关的随机效应来描述。提出了参数估计的估计方程，并证明所得到的估计量是相合和渐近正态分布的。通过模拟研究和一个来自母婴流感免疫研究的示例，评估了所提出估计量在有限样本下的良好表现。

短课系列三内容：Cox回归是分析区间删失生存时间数据中最常用的方法之一。在许多实际研究中，协变量对生存时间的影响可能不是在时间上保持不变的。因此，时间变系数因其在捕捉时间协变量效应方面的灵活性而受到极大关注。为了分析具有时间变协变量效应的空间相关区间删失事件数据，提出了一种基于动态Cox回归模型的贝叶斯方法。该系数被估计为分段常数函数，跳跃点的数量通过数据进行估计。使用条件自回归分布来建模空间依赖性。通过MCMC算法进行抽样，得到未知参数的估计。通过模拟研究以及对明尼苏达州东南部戒烟数据的应用来说明我们方法的性质。

短课系列四内容：数据分析的基本概念和常用工具，包括统计软件的使用和数据清洗的技巧，通过儿童医院的实际数据作为示例，演示了如何从海量数据中提取有价值的信息。

短课系列五内容：基于区间删失数据，讲解了线性变换模型和比例优势模型的有效估计问题。在方法方面，详细讲解了迭代算法的过程。同时针对二元数据，介绍了Copula模型。从发文章的探索如何找到合适的数据并根据数据进行合理建模。

与会人员踊跃提问，就感兴趣的问题与张教授进行了广泛的讨论和交流，教授就提出的问题进行了详细的解答，分享了自己的心得。

系列短课不仅为医学研究人员提供了实用的统计工具，也为临床决策提供了科学依据。张斌教授的课程不仅为学生提供了一个深入了解和应用生存分析的平台，同时，学生们也掌握了生存分析的关键技能，学会了如何将这些方法应用于实际的医学问题中。这种跨学科的培训极大地增强了学生们解决复杂临床问题的能力，为未来的医学研究和临床实践打下了坚实的基础。随着医学研究的不断进步，生存分析将继续在提高患者护理质量和推动医学科学发展中发挥重要作用。

本轮短课拓展了老师和同学们的学术视野，也激发了同学们的学习热情，更加努力学习研究新的领域与方法，并使老师和同学们对生存分析的相关知识有了更深的理解，聆听报告的师生均表示受益匪浅。

（审核人：王丹、王纯杰）

数学与统计学院

2024年7月21日