培训内容（一）大数据来源、整合和分析方法概述.PDFVIP

? 培训内容： （一）大数据来源、整合和分析方法概述 （二）利用流行病学实例及 R 软件介绍统计和机器学习领域常用的回 归模型和变量选择方法 （1）基础回归模型和变量选择方法 （2）用于复杂、高维变量选择和分析的岭回归(Ridge Regression)、 LASSO 回归、弹性网络回归(Elastic Net Regression)等模型 （三）贝叶斯方法在多源、大样本基因组学及遗传数据整合和分析中 的应用 （1）贝叶斯方法介绍 （2）大数据分析中贝叶斯方法的计算及分析工具 （3）整合性数据分析介绍 （4）贝叶斯方法在基因及遗传研究中的应用，包括传统的 GWAS （Genome-wide Association Analysis）研究和近期分子数量性状位点图 谱(Quantitative Trait Loci [QTL] Mapping)研究等 （四）电子病历记录的可视化、计算和推断 （1）基于医疗机构间异构、多参数、高维数据的标准化发病率和死 亡率比较 （2）基于统计质量控制领域 CUSUM 控制图，以医疗结果为结局指 标，结合风险调整，对卫生服务提供者进行评价的方法 （3）用于高维随时间变化变量对生存率影响分析的 Boosting 方法 （Gateaux-differential based boosting method） （五）大数据与医疗保险、临床研究、卫生经济学评价和时间空间数 据建模的案例举例 （1）利用混合效应模型分析医保费用的分配和监控、利用 Hawkes 模型分析疾病的演化过程及疾病之间关系 （2）基于医疗大数据和大数据技术，构建治疗方案的经济学评价分 析模型示例 （3）生物医学大数据在临床研究中的应用举例 （4）统计方法在医疗卫生领域的应用实例 2 ? 课程安排（专家简介见附件 2） 日期 时间 主讲人 单位 题目 美国密歇根大学公共卫生 课程及大数据分析领域前沿 9:00-12:00 李颐 教授 学院 趋势介绍 5 月 8 日 Bhramar 美国密歇根大学公共卫生 14:00-17:00 回归模型及变量选择 Mukherjee 教授 学院 William Wen 美国密歇根大学公共卫生 现代贝叶斯方法：大数据整合 9:00-12:00 助理教授 学院 和可扩展的计算 5 月 9 日 Kevin He 美国密歇根大学公共卫生 电子健康记录（EHR）数据分 14:00-17:00 助理教授 学院 析：可视化、计算和推理 基于医疗保险数据的监控及 9:00-9:45 林华珍 教授