随着精准医学和循证医学的发展，临床预测模型在疾病风险评估、预后判断以及临床决策支持中的作用日益重要。近年来，大量医学研究开始利用统计学方法和机器学习技术建立预测模型，但在实际科研过程中，许多研究仍面临方法学不规范、模型评价不完整、样本量设计不合理以及研究报告不符合国际规范等问题，这些问题也往往成为论文发表和研究质量提升的重要障碍。

为帮助临床医生系统理解并掌握临床预测模型研究的核心方法，提升临床医生的科研竞争力，首都儿科研究所联合首都医科大学刘岚生物统计学团队、北京健康管理协会共同承办临床预测模型方法学培训班。本次培训为期三天，课程从临床研究的实际需求出发，围绕预测模型研究的完整流程展开，结合统计学原理与医学研究实践，系统讲解从研究设计、数据处理、模型构建到模型评价与结果报告等关键方法学问题，同时介绍当前预测模型研究中的规范与质量评价工具，并结合近年来快速发展的人工智能方法，讨论其在临床预测模型研究中的应用前景与现实挑战。此外，课程还特别设置R语言实战环节，通过实战数据分析让大家学会如何使用R语言完成预测模型研究中的关键数据分析流程，包括数据整理、因子筛选、模型构建等内容，帮助学员掌握利用R语言解决实际科研问题的思路与方法。

课程特别强调科研实践能力的培养，通过真实研究案例展示完整的分析过程，使学员能够理解临床预测模型研究在实际科研中的实施路径以及常见问题的解决思路。通过系统学习，学员将更加规范地设计和开展预测模型研究，提高研究质量，并为开展高水平医学科研和论文发表奠定方法学基础。

首都儿科研究所  北京健康管理学会

一、临床研究方法学培训日程

二、培训对象

致力于开展临床预测模型研究的医务工作者、医学生、科研人员及流行病学工作者。无需深厚的统计或编程基础，但需有初步的临床科研思维。

三、培训形式

全程线下面授，席位有限，额满【60人】即止。

四、时间和地点

培训时间：2026年7月3日-5日（周五至周日，3天）[每天8:00-11:00，13:00-17:30，19:00-22:00]

报到时间：2026年7月2日15:00-18:00|7月3日7:00-8:00

撤离时间：2026年7月6日

培训地点：北京（具体地址待通知）

五、报名方式与费用

限报60人，报名以缴费时间为准，先到先得，额满为止。报名请提前联系会务人员咨询，避免转账后退费。

收费标准：

注：享受优惠价格必须在2026年6月1日前报名并完成缴费。取消报名与退款：截至2026年6月20日，对于缴费因个人原因无法出席的学员，培训费原则上不予退回，可由符合条件的人员代替参会。

报名方式：

手机或微信报名：张老师 18510177989  微信号同号或扫描右侧二维码，手机号同微信可扫码添加。

邮件报名：可以发送信息（姓名+单位+联系电话+报名人数）至邮箱eyspxb@163.com ，会务工作人员将尽快与您联系。

付款方式：

转账汇款或扫码付款。转账汇款或扫码付款完成后一定将付款凭证留存并发送给报名工作人员最终确认。限报60人，报名已缴费时间为准，先到先得，额满为止。

转账汇款户名：北京健康管理协会

开户银行：北京银行阜成支行

银行账号：01090323600120109001157

转账汇款和扫码付款备注信息：临床预测模型+付款人姓名+手机号。

电子发票：

培训结束7个工作日后将通过邮件的方式发送电子发票到您预留的邮箱。

六、食宿安排

本次培训食宿交通费用需自理。

七、联系人

报名联系人:

张老师 18510177989  韩老师 13716363505

邮 箱：eyspxb@163.com

主办单位联系人：

张老师，首都儿科研究所，010-85695592

叶老师，北京健康管理协会，010-52327828

八、授课专家介绍

谷鸿秋，博士，副研究员，副教授，研究生导师。主要关注领域：临床试验设计与统计分析、预测性分析、证据合成、健康服务及医疗质量等领域的方法和应用研究。此外，亦关注统计编程、数据可视化、可重复性研究、以及科研方法科普。

主要学术贡献：(1)全面勾画我国卒中医疗质量的全貌和现况，识别二级预防关键因素，为提高卒中医疗质量，优化政策制定提供循证证据 【JAMA Network Open （2021a, 2021b）；Stroke Vasc Neurol（2020, 2022, 2023)】；(2)设计评价缺血性卒中静脉溶栓新药临床试验，开发提高再灌注治疗率的综合干预方案，科学推动再灌注治疗技术的全国应用【N Engl J Med（2024, 2025）；JAMA Netw Open（2023）】；（3）基于预测性分析技术，全面验证、评价卒中复发风险预测模型，并为开发更精准高效的预测模型做方法学探索【JAMA Intern Med（2021）；Eur Stroke J（2022）；《临床预测模型方法与应用》（2024）】。

主要教学贡献：主导了北京市卫健委首届《北京市临床科学家临床研究能力培养》课程，清华大学首届临床医师班《临床医学研究能力培养》课程、以及北京天坛医院首届《临床科学家培育计划》等课程的课程体系设计及授课专家；在北京大学、首都医科大学讲授《医学预测建模及应用》《临床流行病学》《循证医学》《临床研究方法》等课程；科研科普微信公众号 "统计札记" (StatsNotes)，发表统计、临床研究相关科普文章百余篇，累积阅读量超过100万。

黄润年，首都医科大学脑重大疾病研究中心在读博士生，硕士毕业于中国医科大学公共卫生学院。硕士期间主要从事老年流行病学研究，参与社区老年队列的建立与随访，重点关注老年人健康生活方式、跌倒、肌少症、认知障碍及抑郁症状等方向。以第一作者（含共同第一）发表SCI论文5篇。博士期间在导师指导下，聚焦有序分类结局的统计方法改良，并与多个临床科室开展深度合作，工作涵盖研究设计、样本量计算、数据清洗与统计分析等。此外，还担任多本SCI期刊的审稿人。

吉雨婷，首都医科大学医学科学创新中心在读博士研究生，硕士毕业于天津医科大学流行病与卫生统计学专业。硕士阶段主要从事肿瘤流行病学研究，聚焦癌症筛查及相关数据分析工作。累计发表学术论文12篇，其中以第一作者及共同第一作者身份发表论文4篇；4项研究成果以摘要形式参与国内外学术会议壁报交流或收录于会议论文汇编。此外，参与撰写《常见恶性肿瘤联合筛查专家共识（2025版）》，为临床筛查实践提供专业支撑。

博士期间以临床需求为研究导向，在导师指导下与多临床科室开展深度合作，主要内容包括回顾性研究的数据分析方案设计、数据清洗与统计分析等核心工作。学术服务方面，并担任《美国心脏协会杂志》（JAHA）的独立审稿人。

刘岚，首都医科大学教授，临床研究中心主任。首都医学科学创新中心高级研究员。获得海外高层次人才称号。本科中国科学技术大学数学系，直博美国UNC-CH生物统计专业（该校专业排名全美前三），三年后于2013年获得博士学位。后赴美国哈佛大学生物统计和流行病系从事博士后研究，并在美国明尼苏达大学获得统计学长聘副教授，曾任统计咨询中心主任。

刘岚教授从事统计理论和应用研究。在统计和医学杂志发表论文40余篇，共主导五个国家级的研究项目（其中的一个在当年的NIH基金评审中排名前1%）。刘岚教授担任统计顶级期刊Journal of American Statistical Association（JASA）的副主编，医学顶级期刊The Lancet的统计审稿人，医学期刊Lancet Neurology、Journal of Thoracic oncology， eClinicalMedicine, Stroke, Nature Communications等期刊统计编辑或统计审稿人，另外还担任了20余个国际期刊的审稿人。

在统计应用上，刘岚教授与不同科室合作的研究发表在NEJM, the Lancet等期刊。此外，刘岚教授拥有丰富的统计咨询经验，与美敦力公司，美国明尼苏达州财政部、劳工部、刑事犯罪局、纽约房屋管理局均有合作项目。

施丹丹，首都医科大学医学科学创新中心在读博士生。本科毕业于哈尔滨医科大学生物信息科学与技术学院，硕士就读于温州医科大学，探究癌细胞系代谢水平的遗传关联位点。毕业后主要从事基因组、转录组、蛋白质组、代谢组等多组学数据的分析工作，参与发表论文刊登于《Nature》《Cancer Research》《Science China Life Sciences》等。博士阶段，在导师指导下探索胰岛相关性网络的统计建模，同时深入研究中介分析因果推断方法。期间与多个临床科室紧密合作，工作内容涵盖倾向评分匹配、样本量计算、临床统计分析及生物信息学分析等，同时参与多个国际期刊的审稿工作。

殷云剑，北京大学统计学博士，首都医科大学脑重大疾病研究院副研究员，硕士生导师。本科毕业于北京师范大学数学学院，后保送至北京大学数学学院直博，期间先后赴美国华盛顿大学，美国明尼苏达大学访问交流。

学术上主要从事临床试验和因果推断方面的理论和应用研究，在The Lancet Diabetes & Endocrinology, Journal of Multivariate Analysis，Statistica Sinica,  Biostatistics 等多个期刊上发表方法学和应用论文，在因果作用的异质性研究、替代指标悖论、工具变量、临床试验适应性设计、观察性数据研究等多个方向均有较为深入的研究。为Statistics in Medicine, Journal of the American Statistical Association, Journal of the American Heart Association等杂志审稿人。临床应用上，深度参与TREND、RICH-2、REPAIR、FOCUS、IRIS、AN-O2等大型研究的实验设计和统计分析。

张晴，首都医科大学医学科学创新中心在读博士生。本科就读于南京中医药大学信息管理与信息系统专业，后推免至山东大学公共卫生学院攻读流行病与卫生统计学硕士。硕士期间聚焦医学数据驱动的预测建模与精准医学研究，围绕肿瘤预后分析与多组学整合，构建乳腺癌亚型分类模型并挖掘胶质母细胞瘤预后标志物，同时结合文献计量方法探索医学知识演化路径。博士阶段以临床需求为导向，基于真实世界数据开展脑血管病与冠心病研究，应用倾向评分匹配、逆概率加权等因果推断方法评估治疗效果与安全性，并开发融合影像与临床特征的机器学习模型用于风险预测与临床决策支持。期间参与多项队列研究及RCT方案设计与统计分析计划撰写，并参与多本国际期刊的审稿。

张昕蒙，现任首都医学科学创新中心刘岚实验室生物统计师。毕业于芝加哥大学(University of Chicago)统计系，获硕士学位，本科毕业于华盛顿大学(University of Washington)，获数学与经济双学士学位。在芝加哥大学工作期间，曾担任社会、行为与健康科学定量方法委员会教学助理，协助讲授九门计量课程，涵盖因果推断、项目反应理论、基础统计理论等重要方向，具备扎实的教学与方法论推广能力。学术研究方面，专注于纵向数据分析与混合模型应用，曾与芝加哥大学Donald Hedeker教授合作，开展关于青少年吸烟行为的研究，提出并构建了一种计算可变组内相关系数置信区间的新方法。在统计实践与医学应用领域，曾担任生物统计咨询顾问，擅长通过贝叶斯模型优化试验方案并实现成本控制。致力于将前沿统计方法与临床实际需求相结合，推动数据驱动下的医疗决策与科研创新，相关技术成果正于国际期刊筹备发表中。