第十六届临床医学研究中的统计方法学术研讨会

临床医学研究中的统计方法学术研讨会已经成功举办了十五届，为了促进多学科交叉、谋求多领域的共同发展，中国人民大学应用统计科学研究中心、中国人民大学统计学院生物统计与流行病学系、南京医科大学公共卫生学院生物统计系、北京生物医学统计与数据管理研究会、中国现场统计研究会生物统计分会、临床流行病学北京市重点实验室携手于2022年11月5日举办“第十六届临床医学研究中的统计方法学术研讨会”。本次会议拟邀请国内外相关专家学者与参会代表，将就临床医学研究中的统计方法展开深入的交流和探讨。欢迎各位专家学者、研究同仁拨冗参加。

主办单位

中国人民大学应用统计科学研究中心

北京生物医学统计与数据管理研究会

中国现场统计研究会生物统计分会

临床流行病学北京市重点实验室

承办单位

中国人民大学统计学院生物统计与流行病学系

南京医科大学公共卫生学院生物统计系

会议时间

2022年11月5日（星期六）

会议形式

腾讯会议

会议特邀报告介绍

（按姓名拼音排序）

黄坚博士是香港理工大学应用数学系数据科学与分析讲座教授。他在华盛顿大学（西雅图）获得统计学博士学位,研究兴趣包括机器学习、高维统计、计算统计、生物统计学和生物信息学。他在统计学、生物统计学、机器学习、生物信息学和计量经济学领域广泛发表文章。2015年至2019年，黄坚博士被Clarivate的Web of Science评定为数学领域高被引研究者，并于2021年被Elsevier BV和斯坦福大学列入世界上前2%高被引科学家名单。黄坚博士分别当选为美国统计学会和国际数理统计学会的会士。

报告题目

Beyond the Cox Model: A Generative Approach to Nonparametric Analysis of Right Censored Data

报告摘要

We propose a deep generative approach to nonparametric estimation of conditional survival and hazard functions with right-censored data. The key idea of the proposed method is to first learn a conditional generator for the joint conditional distribution of the observed time and censoring indicator given the covariates, and then construct the Kaplan-Meier and Nelson-Aalen estimators based on this conditional generator for the conditional hazard and survival functions. Our method combines ideas from the recently developed deep generative learning and classical nonparametric estimation in survival analysis. We analyze the convergence properties of the proposed method and establish the consistency of the generative nonparametric estimators of the conditional survival and hazard functions. Our numerical experiments validate the proposed method and demonstrate its superior performance in a range of simulated models. We also illustrate the applications of the proposed method in constructing prediction intervals for survival times with two data examples.

王彤，博士生导师。现任山西医科大学公共卫生学院院长，卫生统计教研室主任，兼任中华预防医学会生物统计学分会副主任委员，中国卫生信息与大数据学会常务理事、统计理论与方法专业委员会副主任委员等。主要研究兴趣为稳健估计、高维数据分析与因果推断等方法及其在流行病学研究中的应用。包括将稳健估计与高维数据分析结合证明所提出方法的稳健性质；利用高维组学数据筛选肿瘤有关遗传标记的建模策略；基于成分数据分析等方法研究膳食模式与代谢综合征等常见慢病的关系；将孟德尔随机化方法应用于精神类疾病的有关暴露因素因果关联研究。

报告题目

基于高维组学数据的因果推断方法研究与应用

报告摘要

现实世界研究中，如何有效地控制混杂因素，以实现感兴趣暴露因素与健康结局间因果效应的无偏有效估计，是因果推断中的关键科学问题。本次报告主要针对孟德尔随机化MR和倾向性评分法PS的相关工作。对于MR，将以失眠和睡眠时长对新冠易感性和住院的因果关联分析为例介绍MR模型及其规范化应用。对于PS，将介绍针对连续型暴露因素和高维协变量同时存在时的广义结局自适应LASSO方法(GOAL方法)，以及在GOAL基础上针对非线性关系提出的剂量-反应双稳健估计器。通过模拟不同的高维情景，探讨和比较两种方法的性能。以估计表观衰老加速与阿尔兹海默病AD状态间的剂量-反应关系来说明所提出方法的应用。

王武保（William Wang）博士是美国默克研究实验室（MRL）生物统计和科学决策部（BARDS）执行总监。王武保博士在临床试验设计、生物统计学、数据管理和多TA监管申报方面拥有26年以上的经验。2007年至2014年，王武保博士曾领导了BARDS在中国的建立计划、建设和日常监督工作。从2015年至今，王武保博士领导建立了以支持MRL临床安全模式的临床安全统计组。王武保博士目前负责管理全球临床安全统计部门和亚太地区后期研发统计部门的相关工作。

王武保博士曾担任ICH E17工作组的副课题组长。ICH E17是针对全球同步药物研发和监管审批的国际多中心临床试验设计方面的ICH疗效指南。王武保博士还担任美国统计学会（AS）安全工作组（SWG）的联合主席。王武保博士参与合作编辑并出版以下两本书：《E17之后的多区域临床研发》和《定量药物安全和效益风险评估--实用和跨学科方法》（Chapman Hall，2021）。

王武保Bill Wang博士于2017年获得DIA Inspire Award，并于2018年当选为美国统计学会会士。

报告题目

ICH E17 and MRCTs: Global Implementation and Hot Topics

报告摘要

Utilizing multi-regional clinical trials (MRCTs) has become a major approach for global drug development in the last 20+ years.   The ICH E17 is published in 2017 by the International Council of Harmonization (www.ich.org) to provide global guidance on general principles for planning and design of multi-regional clinical trials.  In this presentation,  we will first review the long journey of developing the ICH guidance (from ICH E5 to ICH E17),  the key finding from a few recent surveys on the E17 global implementation will be shared. We will then discuss selected hot topics of research discussion relevant to the 7 key principles of the ICH E17. Reflecting back on the first DIA China Statistics Community Seminar held in Renmin University in 2012,   I like to expand on the statistical leadership and talent development to empower global drug development in many years to come.

周勇教授，国家杰出青年基金获得者，教育部长江学者特聘教授，中国科学院百人计划入选者，国务院政府特殊津贴专家，“新世纪百千万人才工程”国家级人选，国际数理统计学会（IMS）会士。华东师范大学经管学部教授，统计学院院长，统计交叉科学研究院院长。国务院学位委员会第七届统计学科评议组成员，教育部应用统计专业硕士教学指导委员会委员。现任中国统计学会副会长，中国优选法统筹法与经济数学研究会副理事长，中国管理科学学会常务理事。同时担任国内外几个重要学术期刊的编委和副主编，包括计量经济学副主编，数理统计与管理、系统科学与数学、中国管理科学、工程理论与实践编委, 和国际期刊Journal of Business and Economic Statistics、Canadian Journal of Statistics副主编。主要从事大数据分析与建模、金融计量、风险管理、计量经济学、统计理论和方法等科学研究工作，取得许多有重要学术价值和影响的研究成果。先后承担并完成国家自然科学基金项目，国家杰出青年基金，自然科学基金委重点项目等科学项目10余项，科技部重点研发计划项目1项（首席科学家），曾获得省部级奖励二项。在包括国际顶级期刊The Annals of Statistics、Journal of The American Statistical Association，Biometrika，JRSSB及计量经济学顶刊Journal of Econometrics和Journal of Business & Economic Statistics、管理科学学报等学术杂志上发表学术论文近200余篇。

报告题目

A General M-estimation Theory in Semi-Supervised Framework

报告摘要

We consider statistical inference for single or low-dimensional parameters in a high-dimensional linear model under a semi-supervised setting, wherein the data are a combination of a labelled block-wise missing dataset of a relatively small size and a large unlabelled dataset. The proposed method utilizes both labelled and unlabelled data without any imputation or removal of the missing observations. The asymptotic properties of the estimator are established under regularity conditions. Hypothesis testing for low-dimensional coefficients are also performed.     Extensive simulations are conducted to examine the theoretical results. The method is evaluated on the Alzheimer's Disease Neuroimaging Initiative data.

Key words：Block-missing data; Confidence intervals; Hypothesis testing; Semi-supervised inference.

报名方式

请在以下链接中填写信息报名：（https://www.wjx.cn/vm/OjekAjr.aspx），或微信长按下方二维码注册报名：

若想了解更多会议信息，可扫码进群：

若二维码过期，可添加工作人员微信：hyl18735987770

题图 / 多媒体技术部  童奕玮

排版 / 网络运营部  何雨轩