会议内容
临床数据预测模型类论文专题会议
临床科研工作者发表SCI的新途径，利用既往临床大数据资料，成就SCI发表的批量化之路
第28期 2020/8/8-9 （会议2天） 网络精讲班
建微信群老师课后长期回答学员问题；独家课后发放课堂同步视频，供学员复习。

会议简介
近年来预测模型已成为国际流行前沿并受到国际顶尖期刊的极大重视,国际顶尖期刊JAMA、LANCET、NEJM、BMJ等均以述评的形式推荐报道，成为各个SCI期刊受欢迎的文章形式，也成为临床科研工作者发表SCI的高效途径。几乎所有临床问题都可以建立预测模型。很多医生临床业务工作繁忙、收病人、写病例、上手术、……几乎没有时间去进行做实验、跑电泳等基础科研，也根本不可能完成科研任务，更不用说批量发表SCI论文。那么在临床任务繁忙几乎没有时间去做科研，同时不写综述、不写Meta分析、不做RCT、不进实验室，如何完成临床医生科研SCI高效输出？如何利用既往临床大数据资料，成就SCI发表的批量化之路？

本会议将引领你认识临床大数据的潜在价值，挖掘背后蕴藏的科研思路。完美讲解预测及预后模型的构建、呈现、验证及写作思路。完整呈现具体操作方法、操作技术问题及统计分析与结果解读。从临床研究中常碰到的问题出发去设计和开展预测研究，建立预测/预后模型，并验证此模型的准确性。

无需相关统计软件SPSS\STATA\R的前期知识，极大降低统计软件的学习成本。从统计学软件的命令使用到讲师自身经验分享，两天课程让你具备独立完成临床预测/预后模型课题研究的能力。本课程旨在通过案例性讲解预测模型类论文的具体操作方法，帮助临床医生开启临床数据科研的SCI发表之路。

课程目标
1.   掌握预测/预后模型的构建原则，特别是参数化预测模型在临床问题转化为科学问题中对SCI发表的重要作用；
2.   根据目标医学领域预测/预后模型文献的发表情况，让学员掌握不同预测模型验证评价的标化思路及具体软件（SPSS\R\STATA）操作步骤；
3.   如何利用影响/危险因素筛选、混杂因素调整的思路形成SCI论文的写作套路；
4.   掌握临床预测模型的建立验证及应用，包括验证、改进既有模型的思路及方法；
5.   通过系统的讲述能独立完成此类SCI论文的撰写和发表；

其他说明
1.   请自备笔记本电脑。电脑可以是WINDOWS的操作系统，也可以是苹果MAC操作系统。
2.   所用软件为：SPSS，stata,R都要用到。可以零基础参加。所用软件开课前三天发下载地址。
3.   可先报名索要盖章的电子版邀请函。会议期间寄送盖章的纸质邀请函、发票供报销。

会议日程（最终日程以会议现场为准）
第一天上午：08：30---11：50
一、     如何利用现有临床数据快速发表SCI论著？（构思一个故事、获得一个灵感、挖掘一个SCI创作点）
1、      面对巨大科研压力，三无小医生（无钱、无时间、无精力）如何快速发表SCI.
2、      不做实验、不做RCT，临床小医生如何做到批量化有SCI文章在写？在投？在发表？（三驾马车套路让你受益终身）
3、      一线SCI实战的研究思路是你快速发表SCI的不二法门

二、     深度完美剖析一篇26分SCI临床预测模型完整流程
1、      临床预测模型有关基本概念与核心本质是什么？
2、      古有曹植七步成诗，今有讲师七步成文（临床小医生必备的临床研究预测模型的构建思路）
3、      Discrimination\calibration\clinical utility analysis分别是什么？万用Flowchart 流程图模板
4、      临床预测SCI论文撰写模板（完型填空）和一线实战经验

第一天下午：13：30---17：00
一、     快速掌握预测模型构建神器STATA\R软件
1、      熟练应用SPSS,手把手让你快速学会STATA\R，无需相关统计软件的前期知识。
2、      全程实战数据现场演示特征筛选、变量选择中三大法宝（逐步法、最优子集、Lasso）；模型评价中的三大法宝（AIC\BIC\Adjr2）。
3、      发放STATA和R软件全套代码（形成2张Table，5张Figure），学员无需编程基础，对号入座，极大降低统计软件的学习成本。

二、     反复练习掌握Liner\Logistic\Cox回归构建预测模型的策略
1、      实战经验告知你不同类别预测模型构建的关键点、侧重点、闪光点
2、      以问题为导向的案例式教学，帮你快速厘清建模时的哑变量、交互作用、调整作用、混杂因素、独立作用、阈值作用……
 

第二天上午：08：30---11：50
一、     实战临床预测模型-验证部分实战课
1、      快速实战体会什么是内部验证和外部验证？模型的可重复性Reproducibility，Cross-Validation、Bootstrap 验证等方法？如何体现模型的外推性（generalizability）？
2、      2个以上模型比较的套路流程与模型改进思路
二、     实战经验分析二分类结局（logistic回归）与time-to-event数据（COX回归）的similar与dissimilar
1、      模型改进验证特点
2、      快速理解NRI\IDI等最新评价指标

第二天下午 13：00---16：30
一、     来自实战的数据，手把手的教你结构化的研究方式，利用STATA、R编程，每一个学员都能亲自独立完成基本的临床预测模型研究。（DCA分析结果、Nomogram图的制作代码等）
二、     临床预测模型国际指南（TRIPOD）详细解读
三、     既往学员的案例示范讨论，经典预测模型高分文章解析，回复审稿人问题的技巧，国际上喜欢刊登临床预测模型文章的期刊分析，开拓你的眼界……