医学流行病学答辩 R 语言教学课件.pptxVIP

一、前言演讲人

01前言02病例介绍：一场真实的答辩数据困境03护理评估：学生的“数据分析痛点”在哪里？04护理诊断：答辩数据场景下的“关键能力缺口”05护理目标与措施：从“会用”到“活用”的阶梯式教学06并发症的观察及护理：教学中的“突发状况”应对07健康教育：答辩后的“持续学习支持”08总结目录

医学流行病学答辩R语言教学课件

01前言

前言站在讲台上整理着手中的教案，窗外的梧桐叶沙沙作响，我想起去年带教流行病学答辩时的场景——几个学生围在电脑前皱着眉头，屏幕上是杂乱的Excel表格，“老师，我们想分析这个地区近十年肺结核发病率的时空分布，可SPSS卡方检验结果总是不对，地图可视化更是无从下手……”那一刻我突然意识到，流行病学答辩早已不是“描述性统计+简单假设检验”的时代了。随着大数据和精准医学的发展，流行病学研究对数据处理、复杂模型构建和可视化呈现的要求越来越高，而R语言作为开源、灵活且功能强大的统计分析工具，正逐渐成为流行病学答辩中不可或缺的“利器”。

作为带教十年的流行病学教师，我深切体会到：R语言不仅是工具，更是一种“数据思维”的载体。它能帮学生从“被软件牵着走”的被动分析，转变为“按需定制分析流程”的主动研究者。

前言但现实中，很多学生对R语言的认知停留在“编程很难”的刻板印象里，或是只会套用模板，遇到实际答辩中的复杂数据便手足无措。因此，这份课件的设计初衷很简单——用流行病学答辩的真实需求为导向，以“案例+实操”为核心，带学生从“恐惧代码”到“用R语言讲好流行病学故事”。

02病例介绍：一场真实的答辩数据困境

病例介绍：一场真实的答辩数据困境去年指导的研究生小周的答辩课题，是我设计这堂课件的灵感来源。她的研究方向是“某省2015-2023年登革热流行特征及高危区域识别”，数据涵盖全省11个地级市的月发病率、气象数据（温度、降雨量）、人口密度和媒介伊蚊监测数据，共1287条记录。

“老师，我用Excel整理了半年数据，可做时间序列分析时，月份和年份总对不上；想画个发病率的热力地图，百度地图API不会调；做空间自相关分析，SPSS根本没这个功能……”小周的困惑，是很多答辩学生的缩影——他们有扎实的流行病学理论，却被数据分析工具“卡脖子”。

她的原始数据存在几个典型问题：

数据格式混乱：日期列同时存在“2020/5/1”“2020-05”“五月2020”三种格式；

病例介绍：一场真实的答辩数据困境缺失值处理困难：部分月份的伊蚊布雷图指数（BI）为空，直接删除会损失关键时间点数据；

多源数据整合需求：需要将疾控中心的发病数据、气象局的气象数据和地理信息系统（GIS）的区域边界数据关联；

高级分析需求：除了描述性统计，还需用时间序列模型（ARIMA）预测发病高峰，用空间自相关（Moran’sI）识别聚集区。

这样的数据困境，正是R语言的“用武之地”。小周的案例像一面镜子，照见了流行病学答辩中“数据处理能力”与“研究深度”之间的断层，也让我更坚定了将R语言教学融入答辩准备的必要性。

03护理评估：学生的“数据分析痛点”在哪里？

护理评估：学生的“数据分析痛点”在哪里？就像临床护理需要评估患者的生理、心理状态一样，R语言教学也需要先“评估”学生的需求和障碍。过去三年，我通过问卷、访谈和课堂观察，总结出答辩学生在R语言应用中的三大“痛点”：

基础薄弱：从“零”到“入门”的心理障碍60%的学生表示“没学过编程”，30%仅用过Excel或SPSS，对“代码”“环境”“包管理”等概念完全陌生。有学生坦言：“看到‘install.packages(’ggplot2‘)’就紧张，怕输错一个符号全崩盘。”这种“代码恐惧”源于对未知的不安全感，需要从“低门槛场景”切入，比如用R做基础统计比Excel更高效，先建立成就感。

需求模糊：学R语言“为了什么”不清晰部分学生认为“答辩用SPSS够了”，对R语言的优势（如自动化报告、高级模型、可视化）缺乏认知。曾有学生问：“老师，我就想算个OR值，用R是不是大材小用？”这时候我会打开他的原始数据——2000条记录里有15%的缺失值，用SPSS逐个处理需要2小时，而用R的tidyr包写5行代码就能批量完成。当他看到屏幕上自动生成的干净数据时，才真正理解“工具适配需求”的意义。

实操脱节：课堂学的“模板”用不上很多学生学过R语言基础课，但遇到答辩数据时仍“卡壳”。比如学过dplyr的数据筛选，却不知道如何将“发病日期”列转换为时间格式（lubridate包）；学过ggplot2画散点图，却不会用sf包和tmap包叠加GIS数据做空间分布图。这种“学用脱节”的根源，是缺乏“流行病学问题导向”的案例训练。

04护理诊断：答辩数据场景下的“关键能力缺口”

护理诊断：答辩数据场景下的“关键能力缺口”基于评估