公共卫生实习生实习报告

公共卫生实习生实习报告一、摘要2023年7月1日至2023年8月31日，我在XX公共卫生中心担任数据分析师实习生。期间负责整理并分析2022年全年的社区居民健康档案，累计处理数据12,846条，识别并修正错误数据3,156条，最终形成3份可视化健康趋势报告，被用于季度工作汇报。通过运用SPSS和Python进行数据清洗与建模，将慢性病发病率预测模型的准确率从基础模型的68%提升至82%。核心方法论包括：采用分层抽样优化数据采集效率（样本误差率降低12%），结合交叉验证提升分析可靠性。实践证明，结构化数据处理与动态监测方法对公共卫生决策具有直接支持价值。二、实习内容及过程2023年7月1日至8月31日，我在XX公共卫生中心实习。实习目标是学习实际工作流程，应用课堂知识解决真实问题。单位主要负责区域传染病监测和慢性病防控，有200多名工作人员，每天处理大量健康数据。我在流行病学部门参与两项工作。一项是整理2022年流感季的病例报告，共1.2万份。通过SPSS筛选出年龄在514岁的数据（3,500份），分析发现该年龄段重症率比往年高15%，建议学校加强晨检。这项工作让我熟悉了描述性统计分析全流程。另一项是协助准备年度慢性病报告，用Python清洗了居民健康档案12,846条，手动修正错误数据3,156条，比如年龄填错（超过120岁）、诊断编码乱填的情况。用R语言做了三个可视化图表，展示高血压和糖尿病的发病率趋势，领导在汇报会上用了我的图表。过程中遇到两个困难。一是原始数据缺失值太多，有些表格只有60%的数据可用。我向带教老师请教，学习了多重插补法，用SPSS实现后，关键指标的可信度从61%提高到76%。另一个是图表设计不专业，第一次做的柱状图颜色太花哨，老师指出要突出趋势而非干扰视觉。我重新用Python的Matplotlib库做，调整了配色和标签，同事说看懂了。成果主要是三份报告和数据处理能力提升。报告里用到的发病率计算公式、插补法原理，都是课堂上重点讲的。我也意识到公共卫生数据质量参差不齐是普遍问题。比如居民填表时随意填，或者基层医生编码习惯不一。单位培训比较松散，有时导师忙就不及时反馈。建议可以搞些线上操作题库，比如Excel数据校验技巧、R语言基础包应用，或者每周固定时间集中答疑。岗位匹配度上，我更想做数据挖掘，但实习主要是基础整理，这点要调整预期。这段经历让我明白，公共卫生需要既懂统计又懂沟通的人，以后要加强表达训练。三、总结与体会这8周，从2023年7月1日到8月31日，在XX公共卫生中心的经历，让我把课本上的流行病学原理、统计学方法，真真切切用在了每天处理的数据里。刚开始整理2022年流感季的1.2万份病例报告时，感觉无从下手，数据太杂。后来跟着老师学习，用SPSS筛选出514岁年龄段（3,500份数据），发现重症率比往年高15%，这才明白怎么从海量信息里找出真正重要的信号。这份工作让我明白，公共卫生不是空谈理论，而是要能从数据里发现问题，用数字说话。实习最大的收获是学会了怎么把学到的知识落地。比如用Python清洗12,846条居民健康档案，修正错误数据3,156条，这个过程让我对数据质量的重要性有了刻骨铭心的认识。以前觉得抽样调查、统计分析就是按公式套，现在知道实际操作中要考虑那么多因素，比如填表人的随意性、不同地区编码习惯的差异。解决这些问题的过程，就是从学生到准职场人的成长。面对数据缺失值多的难题，我主动去查文献，学会了多重插补法，用SPSS实现后，分析结果的可信度从61%提高到76%，那一刻觉得特别踏实。这次实习也让我更清楚自己想要什么。我在流行病学部门待着，觉得跟数据打交道挺有意思，但偶尔也想做点更深入的挖掘，比如看看基因背景对疾病发生率的影响，或者用机器学习预测疫情趋势。这趟经历让我意识到，公共卫生领域需要既懂统计又懂沟通的人，光会分析不行，还得让别人明白你的结论。所以接下来打算补足沟通表达这块短板，考虑考个数据可视化相关的证书，或者多参加行业分享会，把实习中学到的数据处理技巧深化。看着自己做的图表被用在年度报告中，听着领导说“数据清晰多了”，心里挺高兴的。但也看到单位培训机制不完善，有时导师忙就没人指导，这让我觉得，无论在哪工作，主动学习的能力有多重要。这个行业未来肯定更依赖数据，怎么把数据用活，怎么从数据里发现别人没注意的问题，会越来越关键。我希望能一直做这个领域，把学到的知识变成帮人解决问题的工具，感觉挺有意义的。四、致谢感谢XX公共卫生中心给我实习机会。在这里接触到的真实工作场景，比课本生动多了。谢谢带教老师，在我遇到数据清洗难题时指点方向，比如那个多重插补法，要不是你解释，我可能还在原地打转。