一、方向概况与选拔要点

复旦大学医学研究中的统计方法方向依托公共卫生学院卫生统计学系、流行病学与生物统计学系、生物医学大数据中心、数学科学学院（概率统计方向交叉）、药学院临床药学与药事管理系、附属中山医院/华山医院/肿瘤医院临床研究中心与GCP中心、国家药品监督管理局药物临床试验质量控制重点实验室（合作单位）、上海市临床试验研究中心、复旦大学生物医学交叉学科研究中心等多学科交叉平台，聚焦临床试验设计与统计推断（I-IV期/适应性设计/平台试验/篮式与伞式试验）、生存分析与竞争风险模型、纵向数据与重复测量分析、贝叶斯统计与临床试验、因果推断方法学（工具变量/断点回归/双重差分/目标试验模拟）、诊断试验评价与预测模型构建、真实世界数据（RWD）与真实世界证据（RWE）的统计方法、缺失数据与测量误差处理、高维组学数据（基因组/转录组/蛋白质组/影像组学）的统计建模、机器学习与深度学习在医学影像与精准医疗中的应用、Meta分析与系统综述方法学、样本量计算与序贯分析、多水平模型与空间统计、药物警戒信号检测与安全性统计等前沿领域。

选拔要求：绩点前10%，核心课程涵盖概率论与数理统计（测度论基础、随机过程、极限定理）、卫生统计学（回归模型、生存分析、纵向数据）、流行病学方法学（因果推断、研究设计）、临床试验设计与分析、贝叶斯统计、生物信息学与组学统计、线性代数与矩阵分析、数学分析/实变函数、R/Python/SAS/STATA编程与统计计算、机器学习基础等；英语六级520分以上，能精读《生物统计》《统计学与医学》《临床临床试验》《美国统计学会杂志》《皇家统计学会杂志》《柳叶刀》《新英格兰医学杂志》《药物信息学报》《统计医学》等期刊。2027级推免拟招收约4至5人，建议尽早联系导师。

二、知点保研核心优势

一是近十年深耕保研辅导，精准把握"研究设计—数据生成机制—模型假设—估计推断—不确定性量化—敏感性分析—临床解读—监管决策"全链条选拔逻辑；二是专注复旦，深谙从经典频率学派到贝叶斯与计算统计的范式融合、从单一终点到复合终点与患者报告结局（PRO）的多维评价、从"理想试验"到"目标试验模拟"与真实世界证据的方法学跃迁、从"p<0.05"到效应量/置信区间/临床意义/监管决策的综合推断、从单变量分析到高维组学与AI建模的方法学前沿等偏好；三是一对一匹配临床试验统计、生存分析与竞争风险、贝叶斯方法、因果推断、诊断与预测模型、真实世界数据、组学统计、机器学习医学应用、Meta分析、药物警戒统计、样本量与序贯设计等子方向导师；四是理论加实训（SAS/R/Python/STATA实操、临床试验方案撰写、统计分析报告、模拟研究设计、真实数据库操作）加顶刊精读加课题实战；五是严格督学与全流程闭环服务。

三、辅导体系

绩点提升：强化概率论与数理统计（测度论基础、σ代数、概率空间、随机变量与分布、大数定律与中心极限定理、极大似然估计、充分统计量、Cramér-Rao下界、假设检验与Neyman-Pearson框架、置信区间构造、指数族与广义线性模型理论）、卫生统计学核心（线性回归/Logistic回归/Poisson回归/Cox比例风险模型/参数与半参数生存模型/竞争风险Fine-Gray模型/纵向混合效应模型/广义估计方程GEE/多水平模型）、流行病学方法学（研究设计、偏倚与混杂、因果推断框架：DAG/反事实/工具变量/孟德尔随机化/断点回归/双重差分/合成控制/目标试验模拟）、临床试验设计与分析（I-IV期设计、随机化方法、盲法、适应性设计、平台/篮式/伞式试验、序贯分析、非劣效/优效性检验、多重终点与多重比较、期中分析、数据监查委员会DSMB、亚组分析与交互检验）、贝叶斯统计（先验与后验、共轭先验、MCMC/Gibbs/HMC、贝叶斯临床试验、贝叶斯自适应设计、先验引出、敏感性分析）、诊断试验与预测模型（ROC/AUC、校准曲线、决策曲线分析DCA、Net Reclassification Improvement、多变量预测模型构建与验证、TRIPOD规范）、真实世界数据方法学（电子健康记录、医保数据库、倾向性评分、逆概率加权、边际结构模型、工具变量、目标试验模拟、E-value）、高维数据与组学统计（多重检验校正、FDR/Bonferroni、LASSO/Elastic Net、主成分分析、偏最小二乘、随机森林、梯度提升、深度学习CNN/Transformer在医学影像中的应用、影像组学特征提取与建模）、Meta分析（固定/随机效应模型、异质性I²、发表偏倚、网络Meta分析、个体患者数据IPD Meta分析）、样本量计算（连续/二分类/生存终点、聚类设计、多中心、失访校正、序贯设计）等，夯实"设计—数据—模型—推断—验证—解读—转化"全链路知识体系。

英语提升：重点掌握统计学核心术语（likelihood、sufficient statistic、maximum likelihood estimator、Fisher information、Cramér-Rao bound、asymptotic normality、convergence in probability/distribution、uniformly most powerful test、type I/II error、power、confidence interval、credible interval、posterior distribution、prior elicitation）、回归与生存分析术语（hazard ratio、proportional hazards assumption、Kaplan-Meier estimator、cumulative incidence、competing risk、Fine-Gray model、time-varying covariate、frailty model、left/right/interval censoring、accelerated failure time model）、临床试验术语（randomization、stratification、block randomization、allocation concealment、blinding、intention-to-treat、per-protocol、non-inferiority margin、equivalence、superiority、adaptive design、platform trial、basket trial、umbrella trial、seamless design、group sequential、O'Brien-Fleming boundary、interim analysis、data safety monitoring board）、因果推断术语（counterfactual、potential outcome、average treatment effect、conditional average treatment effect、instrumental variable、exclusion restriction、monotonicity、local average treatment effect、regression discontinuity、difference-in-differences、synthetic control、target trial emulation、propensity score、inverse probability weighting、marginal structural model、doubly robust estimator）、贝叶斯术语（conjugate prior、Markov chain Monte Carlo、Gibbs sampling、Hamiltonian Monte Carlo、Stan、posterior predictive check、Bayes factor、Bayesian adaptive design、borrowing strength、historical control、hierarchical model）、预测与诊断术语（receiver operating characteristic、area under the curve、calibration、Brier score、decision curve analysis、net reclassification improvement、integrated discrimination improvement、TRIPOD、PROBAST、overfitting、cross-validation、bootstrap validation）、Meta分析术语（fixed-effect model、random-effects model、heterogeneity、I-squared、Cochran's Q、publication bias、funnel plot、Egger's test、network meta-analysis、individual participant data、subgroup analysis、meta-regression）等核心术语。

论文辅导：引导选择适应性设计与平台试验在多瘤种免疫治疗中的统计框架创新、竞争风险模型在心血管-肿瘤共存人群中的方法学比较与应用、贝叶斯自适应设计在罕见病/儿科药物临床试验中的效率与伦理优势、目标试验模拟（target trial emulation）在真实世界数据因果推断中的方法学验证与局限、机器学习与Cox模型在肿瘤预后预测中的性能比较与可解释性权衡、高维影像组学特征的统计建模：从特征选择到泛化验证、缺失数据机制（MCAR/MAR/MNAR）下多重插补与灵敏度分析的最佳实践、诊断试验中"金标准"缺失与疾病谱偏倚的统计校正方法、网络Meta分析与个体患者数据Meta分析在指南制定中的证据等级比较、药物警戒中基于贝叶斯数据挖掘的不良反应信号检测算法优化、多中心临床试验中中心效应建模与异质性处理、AI辅助医学影像诊断的统计评价框架：从AUC到临床决策净获益等前沿议题。

笔试与面试：涵盖概率论与数理统计基础（分布理论、估计与检验、大样本性质）、回归与生存分析（模型假设、诊断、扩展）、流行病学与因果推断（DAG、混杂控制、因果估计量）、临床试验设计（随机化、盲法、终点选择、非劣效设计）、贝叶斯统计（先验选择、MCMC、贝叶斯推断逻辑）、统计计算与编程（R/SAS/Python实现）、研究方法（模拟研究设计、文献批判性评价、统计报告规范）；面试针对"p值不是'真理的概率'——从'p<0.05'到临床与监管决策的距离有多远""Cox模型的'比例风险假设'不成立时——是换模型还是换思维""贝叶斯不是'主观'——先验如何从'信念'转化为'证据'""真实世界数据能否替代RCT——'目标试验模拟'的能力边界""机器学习是'预测黑箱'还是'因果盲区'——医学统计的可解释性底线""缺失数据不是'忽略'就能解决——MNAR下结论的稳健性如何保证""多重比较是'统计陷阱'还是'探索自由'——FDR控制的哲学""非劣效试验的'margin'由谁决定——统计学、临床与监管的三方博弈""诊断试验的'AUC崇拜'——从区分度到校准度到临床净获益""统计学家是'服务者'还是'合作者'——在研究设计中的话语权"等高频追问专项突破。

四、结语

医学研究中的统计方法是"以概率为语言、以模型为透镜、以数据为矿石、以因果为罗盘、以不确定性为信仰"的医学科学底层操作系统。当一位统计学家在临床试验方案中为一个非劣效边界反复推敲，当贝叶斯自适应设计让一位罕见病患儿不必被随机到安慰剂组，当竞争风险模型在心血管与肿瘤的双重威胁下给出精确的累积发生概率，当目标试验模拟用观察性数据"重演"一场本不可能开展的RCT，当校准曲线在预测模型的自信与谦逊之间画出那条诚实的弧线——医学统计正以"严谨为骨、灵活为翼、临床为锚、伦理为魂"的姿态定义着"何为证据、何为因果、何为可行动的医学知识"。然而，"p值文化"的惯性仍束缚着临床思维的解放、真实世界数据的质量与偏倚仍是因果推断的阿喀琉斯之踵、机器学习"预测力"与"可解释性"的张力尚无终极解答、贝叶斯方法在监管决策中的接受度仍在博弈、统计学家从"事后分析"走向"设计阶段深度参与"的角色转型远未完成——这些挑战如统计推断本身，充满不确定性却必须做出决策。当前，我国正从"方法引进与应用验证"向"原创方法输出、监管标准制定、临床试验统计自主、全球方法学引领"全面跨越。知点保研愿助力有志于"以概率之笔书写医学的不确定、以模型之眼洞察数据的因果、以严谨之心守护证据的纯净、以谦逊之姿拥抱未知的边界"的同学稳步前行。咨询报名可致电4000003363，或添加微信13671344286获取个性化评估与规划建议。