流行病学与医学统计学-从概念到应用的入门课

核心课程流行病学与医学统计学核心概念·研究方法·实践案例2026年课程导览01流行病学基石学科定义与疾病分布框架02研究设计方法四类研究设计的因果逻辑03统计分析工具常用统计检验的选择与应用04实践与前沿经典案例印证与学科进展流行病学基石流行病学基石从人群出发，理解疾病为何分布不均01流行病学定义：研究人群中的分布四层内涵，一条主线EPIDEMIOLOGY对象：人群，而非个体事件：疾病与健康状态路径：揭示分布→找出原因→提供防制策略目的：防治疾病、促进健康与临床医学的分野临床医学聚焦单个患者，流行病学从群体出发，通过描述与分析疾病的分布，捕捉疾病发生发展的规律。学科定位群体医学它是连接基础医学、临床医学与公共卫生实践的桥梁。对低年级医学生而言，理解这一点，也就理解了为什么流行病学要先讲分布、再讲病因。三间分布：时间、地区与人群时间分布：四种形态4项短期波动局限人群中的突然增多季节性随季节规律起伏周期性按一定间隔反复波动长期趋势数十年间的缓慢变化地区与人群分布2项地区分布受地理、气候与社会经济条件影响，常能提供病因线索人群分布关注年龄、性别、职业等特征，年龄是最重要特征，许多疾病的发病率与死亡率随年龄显著变化三间分布合观初步发现聚集初步发现疾病在何处、何时、何人身上聚集提出问题、寻找原因进而提出问题、寻找原因疾病频率：如何量化健康问题核心指标各司其职，正确区分与选用是读懂文献的第一步发病率🆕

看新病例反映疾病发生风险患病率看新旧病例受发病率与病程双重影响，常用于描述慢性病流行水平两类特殊指标罹患率小范围、短时间的新发频率，食物中毒等暴发调查中常用病死率患某病者中因该病死亡的比例，反映疾病严重程度与救治水平死亡率衡量某人群特定期间死于所有原因的比例；正确区分并选用这些指标，是读懂文献、判断研究结论的第一步病因推断：从关联走向因果从关联到因果，需过三关。相关不等于因果，标准在手，方能批判性阅读医学证据。多病因论：遗传

×

环境

×

交互作用共同决定疾病致病权重因病而异，单一因素难以独立解释发病。01时间顺序：因先于果暴露先于结局发生，是因果判断的必要条件。02关联强度：相对危险度/比值比以相对危险度（RR）或比值比（OR）衡量，强度越大越倾向因果。03一致性：可重复出现在不同人群、地区、时间中可重复出现，并辅以剂量-反应关系支持。研究设计方法研究设计方法由因到果，还是由果溯因02横断面研究：同一时点的快照核心定义：在某一特定时点，对特定人群的疾病状况与相关因素同时进行调查，收集时间横断面上的资料——如同给人群拍一张快照。同一时点·同时测量·快照研究“快照能看见关联，却看不见因果。”入门的参照起点·后续更有力设计的地基典型场景某社区同时了解居民饮食习惯与慢性病患病情况，描述二者关联。优势便捷、省时、成本低适合快速摸清疾病现况分布可探讨病因线索，为分析性研究提供基础根本局限结局与暴露在同一时间确定，时间先后无法判断——只能提供关联的线索，不能确定因果关系。队列研究：由因及果的追踪先定暴露、后观结局，因果推断具天然优势，可直接计算相对危险度。由因及果：按暴露分组、随访观察、比较结局，由因及果的因果推断策略。“队列研究是观察性研究中最接近因果验证的思路”三类设计3类前瞻性队列最基本形式，从当下追踪到未来回顾性队列利用历史资料回溯双向性队列结合两者优点与局限2项优点资料可靠、检验病因假说能力强，可研究一种暴露与多种结局的关系局限随访时间长、成本高，不适用于发病率很低的疾病病例对照研究：由果溯因的高效法回顾比较两组过去的暴露差异，推断因素与疾病的关联优势3项成本费用较低、速度较快适用罕见病、潜伏期长的疾病指标探索危险因素、提出病因假设局限3项成本对照选择较难适用易产生回忆偏倚指标无总体分母，不能算发病率，以比值比近似关联强度实验研究：主动干预验证因果与横断面、队列、病例对照三类观察性研究不同，实验研究由研究者主动施加干预并控制条件，最典型代表是临床试验。主动干预，而非被动观察由研究者施加干预、控制条件，最典型代表为临床试验方法谱系至此闭环：描述现状（横断面）由因及果（队列）由果溯因（病例对照）主动验证（实验研究）从观察到干预的完整链条就此建立。法三大原则控制偏倚随机化随机分配受试者到不同处理组对照设置可比照组验证效果盲法减少主观因素干扰证据等级最高，约束也最强个体水平临床试验群体水平社区干预试验金标准因果推断证据等级最高，是新药与公共卫生措施评价的金标准约束强实施要求严格，伦理与可行性约束更强数据方法进阶统计分析工具数值看组数，分类看关系03t检验：比较两组连续数据均值判断两组连续数据的均值差异是真实存在，还是随机波动。先问是不是均值问题，再选t检验。适用场景三种适用场景按研究设计选择对应的t检验类型单样本t检验一组样本均值

vs

已知总体均值，如某地区儿童身高是否异于全国水平配对t检验同一组对象治疗前后比较两独立样本t检验完全随机设计中两组均值比较，如两种药物降压效果对比使用前提样本相互独立总体近似服从正态分布两组方差齐不满足时需校正卡方检验：比较分类数据的分布t检验比均值，卡方检验比构成——数据类型决定方法选择。核心逻辑卡方检验通过比较实际观测频数与理论期望频数的吻合程度，判断分类变量的分布差异或关联是否具有统计学意义。“类别看构成，数值看均值——各司其职。”三类常见应用3类拟合优度检验单个分类变量的分布是否符合理论预期独立性检验两个分类变量是否有关联，如吸烟与患肺癌是否相关齐性检验多样本分布是否一致应用前提观测值相互独立列联表每个单元格期望频数不小于5期望频数介于1到5时改用Fisher精确检验检验选择：数值看组数分类看关系先问一个问题：要比较的是平均值，还是人数或比例？选对检验，是读懂医学证据的第一步统计方法选择2类平均值连续变量，看组数：两组用t检验，三组及以上用方差分析人数/比例分类变量，用卡方检验看关系数值看组数分类看关系医学期刊基线表应用2类连续变量（年龄、血压）均值

±

标准差，用t检验分类变量（性别、治愈率）频数与百分比，用卡方检验基线表：选对检验是读懂医学证据的第一步实践与前沿实践与前沿经典研究如何改变公共卫生实践04弗雷明汉研究：队列的经典范式始于1948年的里程碑——招募5209名28–62岁居民，随访数十年，调查心血管疾病自然史与危险因素。“长期追踪，让危险因素从模糊走向可干预”对初学流行病学的本科生，这是理解队列研究逻辑、体会长期追踪价值的最好实例。三大关键发现长期追踪揭示高血压、高胆固醇、吸烟与心脏病的关联使模糊的危险因素概念变得可量化、可干预为何成为典范由因及果的设计，直接计算发病率足够长的随访+详实资料收集检验病因假设能力极强队列设计的精髓以自然史为观察对象，先定因、后看果奠定现代心血管流行病学基石研究设计的魂魄长期随访让时间顺序清晰可见危险因素从模糊走向可测量流行病学基石由因及果，证据等级高为预防干预提供直接靶点吸烟与肺癌：由关联到因果的证据队列研究20年，10000名40–60岁男性随访，吸烟组肺癌发病率为非吸烟组20倍统计指标转化为改变人群健康的行动队列研究20年队列规模10000名40–60岁男性随访吸烟组肺癌发病率为非吸烟组的20倍剂量-反应2项吸烟量每日>20支者风险比<10支者高50%吸烟年限吸烟>30年者风险比<10年者高4倍政策落地关联强度+剂量-反应，满足病因推断标准，共同推动烟草税与公共场所禁烟政策落地。证据污染：谨慎对待问题试验会算结论，更要会审证据2025年，海军军医大学刘辉与徐畅团队在TheBMJ提出证据污染理论，针对1300项问题试验利用反向映射定位追踪技术定位缺陷。证据污染理论20.6%

证据结论改变剔除问题试验后，证据结论发生改变157部

指南受影响国际主流临床诊疗指南的推荐意见受级联影响污染链条证据产生证据整合临床指南缺陷沿链传导，波及全球诊疗决策课程启示对医学生的启示统计学与流行病学不仅是计算工具，更是审视证据质量的判断力——这正是本课程的核心素养。智能流行病学：学科的未来方向AI正从临床工具转变为科研引擎，催生智能流行病学“方法学扎实，才能理解和创造证据。”—方法学扎实，才能理解和创造证据。AI重塑学科提出团队清华黄天荫团队（TheBMJ）转变方向从临床工具转变为科研引擎，催生智能流行病学预期价值有望突破中国大规模队列在数据、随访与代表性上的瓶颈证据持续涌现中国医科大学团