课程安排

第一天上午 ：8:30---11:30

一：基本临床预测模型概念学习：

1、预测模型的本质是什么；

2、什么是内验证、外验证？

3、什么是预处理。

4、预测模形有哪些构建形式与哪些呈现方式？

5、ROC曲线是什么？

6、Calibration Plot是什么？

7、Clinical utility analysis是什么？

8、临床预测模型有何“潜规则”？

9、当我们的预测模型构建失败时，如何允找失败的原因？从科学假说到数据质量，从模型选择到参数优化调整。让你成为预测模型的构建高手

10、事实上，关于临床预测模型类的科研课题，比起了解基本概念和执行代码来说，更重要的是如何去理解每一个科学问题/临床问题中的基本假设、逻辑关系和/或前提局限等，这些都需要讲师自己是临床一线工作的专家才能有足够的实战的经验和阅历，告诉你任何书上都不会有的知识。

第一天下午：13:30---16:30 

R语言快速入门与掌握

熟悉R的基本应用；工欲善其事，必先利其器；手把手让零起点的你学会R的基本应用和编程进阶，并体会到R相比于SPSS所具备的高效快捷的数据管理能力。掌握R编程，必能让你在未来的临床研究道路上受益终生。

第二天上午：8:30---11:30

临床预测模型实战课

1,实战课采用框架结构，对一个实际的临床/科学问题，采用来自实战改编的数据，全画幅的展现一个完整的预测模型从数据提取到模型训练、再到模型产出的全过程。

2,所有的过程代码和数据均会完全分享，每个学员均能独立重复课堂的演示内容。

3,结合之前学习的基本概念，进一步给大家解析建模过程中的各个坑位，让大家在面对初步建模模型表现不佳时，能有更多的调整、优化模型的思路，助力各位的临床预测模型研究

第二天下午：13:30---16:30

一、 机器学习方法简介

为什么传统的Logistic回归/COX回归不适用于高维度数据？

机器学习方法是如何在高维度数据中发挥作用？

二，机器学习案例实操

    在了解了临床预测模型的基本概念之后，机器学习只是在同样的框架下，采用了更为高级的算法。因此我们将采用模拟实战的数据，介绍几款重磅的机器学习方法，包括随机森林，Lasso回归，XGBOOST, 神经网络，助力临床预测模型的强力构建！

 三、不同级别的临床预测模型SCI文章深度剖析与方法复现：

在临床文章发表过程中，每个具体的科学问题关注的角度可能不同，所采用的方法也不尽相同，而不同级别（IF=5,10,20或以上）的SCI文章所采用的数据质量和分析方法也不尽相同。本课程讲对不同级别的临床预测模型SCI文章进行深度剖析，对相应的操作方法也给予复现解析，以满足不同水平的学员对发表不同级别文章的需求，并进一步深刻理解临床预测模型在实战中的应用情况。

 四，预测模型的SCI文章写作：

1）Introduction和Discussion有什么不一样？哪些既往研究应当放在Introduction，哪些要放在Discussion？

2）为什么说低水平的讨论是在重复Results？高水平的讨论是深入解度，并educate the reviewers?;

3) SCI写作是否有一个模版能让我做完形填空一样容易？

4）是不是我只要有钱交给英文润色公司，我就可以随意起草我的Manuscript? 这些重要的问题，你知道答案吗？你想通过具体的案例来学习吗？不要错过我们的SCI文章写作课。