哈佛科研課題

基于公共衛(wèi)生數(shù)據(jù)的生存分析

課題簡(jiǎn)介

隨著人們生活水平的提高及數(shù)據(jù)科學(xué)的進(jìn)步，研究群體性健康行為的公共衛(wèi)生領(lǐng)域正在得到越來(lái)越多學(xué)界和業(yè)界的關(guān)注，也讓基于大數(shù)據(jù)的群體性生存分析成為研究癌癥患者生存率、藥物療效、術(shù)后存活時(shí)間等問(wèn)題的重要手段。

本課題旨在運(yùn)用生存分析方法，對(duì)公共衛(wèi)生學(xué)中常見(jiàn)的生存問(wèn)題進(jìn)行分析，基于實(shí)際患者數(shù)據(jù)，探究年齡、性別、治療手段等關(guān)鍵因素對(duì)患者患病后、術(shù)后、藥物治療后的存活時(shí)間的影響，并應(yīng)用生存分析中的不同模型，如Cox模型，AFT加速模型等，對(duì)數(shù)據(jù)做進(jìn)一步分析處理，力求獲得對(duì)實(shí)踐有指導(dǎo)意義的結(jié)論。

通過(guò)本課題研究，研究者將掌握使用R進(jìn)行數(shù)據(jù)分析的技能，常用的生存分析模型，以及公共衛(wèi)生學(xué)中實(shí)際生存問(wèn)題的了解。

 

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例?；蚪M與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力

1. 英文：
（1）具備基本的學(xué)術(shù)英語(yǔ)閱讀能力；
（2）接觸過(guò)英文寫(xiě)作，有論文寫(xiě)作經(jīng)驗(yàn)者更佳；

 

2. 數(shù)學(xué)：
（1）統(tǒng)計(jì)基礎(chǔ)知識(shí)；
（2）微積分（偏微分）；
（3）線性代數(shù)；

 

3. 計(jì)算機(jī)：

最好有一定的數(shù)據(jù)處理基礎(chǔ)。如果沒(méi)有，以下軟件選擇一種或多種，在課題開(kāi)始后的1-2周進(jìn)行強(qiáng)化學(xué)習(xí)并能進(jìn)行初步的應(yīng)用
（1）R Studio；
（2）Stata；
（3）Python（Jupyter Notebook, Anaconda）

以上就是關(guān)于【哈佛科研課題：基于公共衛(wèi)生數(shù)據(jù)的生存分析】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進(jìn)度太快怕掉隊(duì)？翰林校內(nèi)同步班課重磅推出，長(zhǎng)期小班穩(wěn)節(jié)奏

從羅馬帝國(guó)到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項(xiàng)投稿值得深耕？