每章课的名称

每节课学习目标

课时（分钟）

CH1.R软件与RStudio的安装

1.R的获取与安装；2.RStudio获取与安装；3.R程序包的安装及帮助文档的查看

40

CH2.R中数据集创建及数据导入

2.1.数据集概念与结构；

30

2.2.外部数据的导入

15

CH3.R中描述统计与基础绘图

3.1. R描述统计：1.统计描述指标及计算；2.频数表和列联表；

40

3.2. R基础绘图：1.图形参数；2.条形图；3.箱式图；4.散点图

40

CH4.R中基础统计分析方法

4.1.t检验与方差分析：1.组间t检验；2.组间秩和检验；3.单因素方差分析与协方差分析；4.双因素方差分析；5.Kruskal-Wallis H 检验&Friedman检验；

60

4.2.卡方检验与秩和检验：1.四格表的卡方检验；2.行×列表（列联表）资料处理；3.秩和检验处理列联表资料；4.相关分析

60

CH5.一般线性模型的R实现

5.1.R实现简单线性回归；

30

5.2.R实现多元线性回归；

30

5.3.线性回归方法解决方差分析的问题

30

CH6.广义线性模型的R实现

6.1.R实现Logistic回归：（1.广义线性模型和glm()函数;2.Logistic回归模型;3. Logistic回归列线图绘制;4.C-Statistics 计算）

90

6.2.R实现泊松回归模型

30

CH7.R实现倾向性匹配得分分析

7.1. R实现倾向性匹配得分（PSM）分析

45

CH8.Cox比例风险模型与竞争风险模型R实现

8.1.生存分析与Cox比例风险模型原理；

30

8.2.K-M分析、Log-rank检验和Cox回归

30

8.3.Cox比例风险模型列线图绘制；

30

8.4.Fine&Gray检验与竞争风险模型

30

CH9.多元回归分析中变量筛选方法

9.1.多元回归分析中变量筛选方法

60

CH10.回归模型可视化与临床预测模型构建

10.1.Logistic回归模型的可视化及Nomogram列线图的绘制

45

10.2.Cox回归模型的可视化及Nomogram列线图的绘制

45

10.3.预测模型构建的一般方法及案例解读

60

CH11.临床预测模型的评价与验证

11.1.C-statistics计算；

30

11.2.NRI的计算； 

30

11.3.IDI的计算；

30

11.4.DCA决策曲线分析

20

CH12.诊断试验ROC分析的R实现

12.1.诊断试验数据ROC分析；

30

12.2.ROC曲线绘制与联合诊断

30

CH13.正则化技术：岭回归与Lasso回归的R实现

13.1.正则化方法原理介绍；

45

13.2.岭回归与Lasso回归

45

CH14.复杂生存曲线、亚组分析森林图等图形绘制

14.1.复杂生存曲线；

25

14.2.亚组分析森林图

25

注意：本课程的所有统计分析方法基于R语言实现，请提前安装最新版本R语言与R-Studio！