课程介绍：智慧时代的流行病学——数据驱动的医学决策

1. 我为什么要学习这门课？

流行病学是医学研究的科学基础，也是临床决策的重要依据。在当今大数据与人工智能快速发展的时代，掌握流行病学方法不仅能帮助医生理解疾病在人群中的分布规律，还能优化诊疗策略、提升医疗质量。

• 临床需求：无论是疾病诊断、治疗方案选择，还是医院感染防控，流行病学思维都能帮助医生做出更科学的决策。
• 技术趋势：AI、大数据分析等新技术正在改变流行病学研究方式，学习这门课将使你具备未来医疗所需的数字素养。
• 职业发展：无论是从事临床工作、科研，还是参与公共卫生政策制定，流行病学都是核心竞争力之一。

2. 这门课的主题是什么？

本课程以临床问题为导向，系统讲解流行病学的基本原理和智能分析方法，包括：

• 疾病分布与病因推断（如如何识别某疾病的危险因素）
• 诊断试验与疗效评价（如评估新检测方法的准确性）
• 疫情监测与防控策略（如医院感染的智能预警）
• 数据科学与AI应用（如机器学习在流行病学预测模型中的应用）

3. 学习这门课可以获得什么？对自己有什么帮助？

• 掌握核心技能：学会如何设计临床研究、分析医学数据、解读流行病学证据。
• 提升临床决策能力：能够基于人群数据优化个体化治疗，例如评估某种药物的真实疗效或风险。
• 适应智慧医疗趋势：学会使用Python/R进行数据分析，了解AI在疾病预测、医院管理中的应用。
• 增强科研竞争力：为未来发表高质量临床研究论文、申请科研项目奠定基础。

4. 这门课的特色和亮点

 临床导向：聚焦医生最关心的流行病学问题，如诊断准确性、治疗效果评估、医院感染控制等。

 技术融合：结合大数据分析、机器学习等现代技术，培养“医学+数据”的复合能力。

 案例驱动：通过真实世界案例（如COVID-19疫情分析、肿瘤筛查优化）讲解理论，增强实践能力。

 互动学习：采用“线上慕课+线下实战”模式，包括数据建模挑战、疫情模拟推演等创新教学方式。

适合人群：临床医学专业学生、住院医师、医疗科研人员，以及对智能医疗、公共卫生感兴趣的从业者。

学完这门课，你将不仅是一名会看病的医生，更是一名懂数据、能科研、具备群体健康思维的医学专家！ 

响应《"健康中国2030"规划纲要》对"医防融合"人才培养的要求，适应后疫情时代对具备人工智能辅助决策能力的临床医学人才需求。契合教育部《教育数字化战略行动》方针，推动流行病学教学从传统模式向"数据驱动-智能分析-临床实践"的数字化转型。同时对标国家一流临床医学专业建设点需求，结合学校建设优势突出、特色鲜明的高水平医科大学办学定位和培养具有创新精神和实践能力强的医学应用型人才任务，本课程作为三年级本科生的专业基础课，预期达成的课程目标为：

（一）素质目标

树立预防为主的观点，正确认识流行病学学科在临床医学专业的价值，激发学生自主探索及科研创新精神，具备关爱人群健康的情怀理念，进而培养具备公共卫生思维、数据伦理意识的人工智能应用素养的临床医生。

（二）能力目标

能熟练运用流行病学的基本理论知识、基本思维方法和实践技能，正确应用三类研究方法进行病因探索和临床干预措施的效果评价，具备临床研究创新能力及实践应用能力，进一步掌握AI工具辅助的流行病学设计（如智能病例对照研究）、疾病预测模型（如机器学习预警传染病暴发）、循证医学证据挖掘（如NLP文献分析）等能力。

（三）知识目标

能讲述流行病学基本概念和方法、人群健康的描述、病因分析与验证、疾病的防控策略等。构建"经典流行病学理论+医学AI技术（如自然语言处理、知识图谱）+临床场景应用"的三维知识体系。

卫生统计学

医学基础知识

（一）教材

（1）沈洪兵主编.流行病学（第10版）.北京:人民卫生出版社,2025.

（2）王萍玉，贾改珍主编.流行病学实习（第1版）.北京：科学出版社,2022.

（二）核心教材与经典著作

（1）《Epidemiology》 by Leon Gordis

流行病学入门经典，以案例驱动讲解核心概念，适合初学者。

（2）《Modern Epidemiology》 by Rothman, Greenland & Lash

高级流行病学权威教材，深入探讨研究设计与分析方法。

（3）《Field Epidemiology》 by Michael Gregg

侧重现场流行病学实践，涵盖疫情调查与突发公共卫生事件应对。

（4）《Epidemiologic Methods》 by Thomas Koepsell & Noel Weiss

系统讲解流行病学研究方法，强调偏倚控制与因果推断。

（5）《Principles of Epidemiology in Public Health Practice》 (CDC)

美国CDC官方教材，免费提供，注重公共卫生实践应用。

（三）实用工具与案例分析

（1）《Outbreak Investigation Toolkit》 by WHO

世界卫生组织发布的疫情调查实用指南，包含标准化流程与模板。

（2）《Case Studies in Infectious Disease Epidemiology》 by Merrill

通过真实案例（如HIV、埃博拉）解析传染病流行病学。

（3）《Epidemiology for the Uninitiated》 (BMJ系列)

英国医学期刊（BMJ）编写的简明手册，适合快速掌握基础概念。

（四）统计与研究方法

（1）《Epidemiology: Beyond the Basics》 by Szklo & Nieto

进阶内容，涵盖多变量模型、效应修饰和混杂控制。

（2）《Statistical Methods in Epidemiology》 by Newman

流行病学统计方法详解，包括生存分析、Logistic回归等。

（3）《Causal Inference: What If》 by Hernán & Robins

免费在线书籍，深入讨论因果推断的现代方法（如工具变量、倾向评分）。

（四）专题与前沿领域

（1）《Spatial Epidemiology: Methods and Applications》 by Elliott et al.

地理信息系统（GIS）在流行病学中的应用。

（2）《Network Epidemiology》 by Morris

介绍社交网络分析在疾病传播研究中的运用。

（3）《Big Data in Epidemiology》 edited by Onnela & Rauch

探讨大数据（如电子健康记录、移动设备数据）对流行病学的影响。

（4）《The COVID-19 Pandemic: A Global Societal Perspective》 by Quah & Buss

以COVID-19为例，分析大流行中的社会行为与政策应对。

（五）补充资源

（1）在线课程：约翰霍普金斯大学《Epidemiology in Public Health Practice》（Coursera）、哈佛大学《Epidemiology and Biostatistics》（edX）。

（2）期刊推荐：《中华流行病学杂志》、《American Journal of Epidemiology》、《International Journal of Epidemiology》。

（3）数据库与工具：WHO Global Health Observatory、CDC WONDER、R/Epi包、Epicontacts（网络分析工具）。

使用建议

初学者：从Gordis或CDC教材入手，配合BMJ手册。

进阶者：选择Rothman或Szklo的教材，结合Hernán的因果推断。

实践导向：优先WHO工具书和案例分析类资料。

这些资源兼顾理论与应用，可根据具体研究方向（如传染病、慢性病、环境流行病学）进一步筛选。