對臨床醫(yī)生而言，臨床工作與科研的雙重壓力日益加劇：既要完成繁重的臨床任務，又面臨晉升所需的科研產(chǎn)出要求。UK Biobank作為全球領先的大規(guī)模生物醫(yī)學數(shù)據(jù)庫，目的是探求一些特定基因、生活方式和健康狀況之間的關系，提高對一些遺傳類疾病致病基因的理解，包括癌癥、心臟病、糖尿病和一些特定的精神疾病，為臨床醫(yī)生提供了突破時間和資源限制的獨特機會。

UK Biobank數(shù)據(jù)庫包含50萬名40-69歲參與者的深度數(shù)據(jù)，收集了遺傳、身體和健康數(shù)據(jù)，包括基因信息和血液樣本、生活方式及環(huán)境暴露數(shù)據(jù)，并已對10萬參與者進行了全身影像掃描，每人產(chǎn)生超過12,000張影像。這一前所未有的開放獲取數(shù)據(jù)庫使大量與健康相關的研究成為可能。

UK Biobank數(shù)據(jù)庫資源規(guī)?？涨?/b>

50萬參與者的深度基因型數(shù)據(jù)與表型數(shù)據(jù)

全基因組測序數(shù)據(jù)覆蓋所有參與者

15萬參與者的全身多模態(tài)MRI掃描數(shù)據(jù)

長期隨訪數(shù)據(jù)包括住院、癌癥登記、死亡登記等

10萬樣本的血漿蛋白質(zhì)組學數(shù)據(jù)

5萬樣本的血漿代謝組學數(shù)據(jù)

培訓目標

1，掌握UK Biobank數(shù)據(jù)庫申請全流程，有效規(guī)避申請過程中的典型錯誤。

2，通過臨床科研真實案例，幫助學員高效獲取并分析UK Biobank與臨床實踐緊密關聯(lián)的數(shù)據(jù)。

3，將臨床問題轉(zhuǎn)化為可研究的數(shù)據(jù)科學問題，搭建從臨床思維到研究實踐的橋梁。

4，完成一項可直接應用于研究課題的項目方案，實現(xiàn)“學即能用”。

5，理解如何將UK Biobank數(shù)據(jù)與自有臨床數(shù)據(jù)結(jié)合

培訓時間

2026年01月09日— 2026年01月12日遠程在線培訓

（第一天數(shù)據(jù)及操作軟件調(diào)試，共授課三天）

主講專家

來自清華大學、上海交通大學、中國科學院等高校醫(yī)學生物信息學學科帶頭人、擅長各類型醫(yī)學數(shù)據(jù)統(tǒng)計分析、生物醫(yī)學大數(shù)據(jù)挖掘。發(fā)表數(shù)十篇專業(yè)領域內(nèi)學術論文及SCI論文，主編或參與編寫多部著作。參與多家三甲醫(yī)院臨床生物信息學的研究合作，科研及授課經(jīng)驗很豐富。

參加對象

各省市、自治區(qū)從事臨床醫(yī)學、基礎醫(yī)學、生物醫(yī)學工程等科室主任醫(yī)師、副主任醫(yī)師、住院醫(yī)師等臨床科研工作者相關人員；國內(nèi)各重點大學、科研院所相關研究領域的博士、碩士相關研究生和學者等：

課程大綱

一、準備部分

一、R語言基礎

1.R語言的數(shù)據(jù)結(jié)構

2.R語言的基本操作

3.R語言中外部數(shù)據(jù)的導入

4.R語言的基本統(tǒng)計

5.R語言的基礎繪圖

二、臨床研究概述

1.常見臨床SCI文章類型

2.臨床研究分類

3.臨床研究統(tǒng)計學基礎

4.混雜因素與交互作用

5.臨床研究回歸分析

6.傾向性評分匹配（PSM）

7.危險因素研究

8.臨床預測模型

9.臨床工具變量回歸

10.廣義相加混合模型

二、UKBiobank數(shù)據(jù)庫概述

一、UKB基本信息和頁面概況

1.UKB總體介紹

2.UKB數(shù)據(jù)收集產(chǎn)生

3.UKB數(shù)據(jù)的基線階段：問卷調(diào)查、體測、生物樣本采集；

4.UKB數(shù)據(jù)的隊列階段：在線隨訪、主題問卷、慢性病跟蹤

二、UKB數(shù)據(jù)使用流程

1.UKB數(shù)據(jù)申請資格審查

2.UKB數(shù)據(jù)完整申請

3.UKB數(shù)據(jù)釋放

4.UKB數(shù)據(jù)合規(guī)研究

5.UKB數(shù)據(jù)研究通報

三、UKB數(shù)據(jù)特點

1. UKB數(shù)據(jù)的更新

2.UKB數(shù)據(jù)支持的研究范圍

3. UKB關聯(lián)的非腫瘤疾病類型數(shù)據(jù)

4. UKB關聯(lián)的腫瘤疾病類型數(shù)據(jù)

5. UKB關聯(lián)的死因分析數(shù)據(jù)

6. UKB數(shù)據(jù)關聯(lián)的變量

7. UKB的生活方式、健康病史、診斷檢查、家族環(huán)境、基因組學數(shù)據(jù)

8.UKB與其他數(shù)據(jù)庫聯(lián)合分析介紹：聯(lián)合NHANES高分論文介紹。

四、UKB數(shù)據(jù)模塊分類

1.人口特征

2.生物樣本

3.基因組學

4.健康結(jié)局

5.在線隨訪

6.原始數(shù)據(jù)

五、實操演示

1.UKB數(shù)據(jù)檢索技巧與策略

2.UKB數(shù)據(jù)下載與數(shù)據(jù)結(jié)構講解

六、研究案例與應用

1.UKB常見和熱點數(shù)據(jù)字段介紹：

睡眠規(guī)律指數(shù)、社會經(jīng)濟地位、穿戴設備指標（如?腕溫度節(jié)律）

2.R語言數(shù)據(jù)預處理

3.UKB研究變量制備代碼演示

三、UKBiobank數(shù)據(jù)界面介紹

一、UKB重要頁面導覽

1. UKB主頁

2.UKB關于數(shù)據(jù)

3.UKB健康相關

3. UKB基線測量

4.UKB項目管理

二、UKB數(shù)據(jù)相關頁面

1.數(shù)據(jù)介紹

2.數(shù)據(jù)理解

3.數(shù)據(jù)瀏覽

4.數(shù)據(jù)搜索

5.數(shù)據(jù)字段

6.數(shù)據(jù)格式

7.合成數(shù)據(jù)

8.死亡報告

9.癌癥報告

10.癌癥詳情

11.工具下載

三、UKB數(shù)據(jù)分析工具

1.離線分析工具

2.在線分析工具

四、UKBiobank原始數(shù)據(jù)模塊介紹

一、評估中心

1.觸摸屏

2.人口統(tǒng)計學

3.早年經(jīng)歷

4.性別特異性

5.認知能力和口頭訪談

6.體格檢查和眼科測量

7.影像數(shù)據(jù)

二、生物樣本

1.血細胞計數(shù)

2.血液生化

3.傳染病

4.核磁共振代謝組學

三、在線隨訪

1.心理健康

2.24小時召回飲食

3.食物和偏好

4.工作環(huán)境

5.在線認知功能

6.消化道健康

7.疼痛體驗

四、額外暴露

1.當?shù)丨h(huán)境

2.身體活動測量

3.心臟監(jiān)測

五、健康相關結(jié)果

1.基礎護理

2.住院數(shù)據(jù)

3.首次出現(xiàn)醫(yī)療狀況

4.死亡登記

5.癌癥登記

五、UKBiobank數(shù)據(jù)字段關鍵參數(shù)

一、數(shù)據(jù)字段信息

1.Date-Field

2.Description

3.Category

4.Participants

5.Item cont

6.Stability

7.Value Type

8.Item Tyle

9.Strata

10.Sexed

11.Instances

12.Array

13.Debut

14.Version

15.Cost Tier

二、數(shù)據(jù)字段信息

1.Data

2.Notes

3.Related Data-Field

4.Resources

5.限制數(shù)據(jù)

三、數(shù)據(jù)檢索實操

六、UKBiobank數(shù)據(jù)下載

一、AMS賬戶頁面介紹

二、從AMS 的 Basket 上下載數(shù)據(jù)

三、RAP平臺介紹

七、UKBiobank研究案例

1. 睡眠規(guī)律指數(shù)(Sleep Regularity Index)及相關論文

2. 社會經(jīng)濟地位(Socioeconomic Status)及相關論文

3. 虛弱指數(shù)（Frailty Index，F(xiàn)I）及相關論文

4. 加速度計 (Accelerometer)及相關論文

5. 三酰甘油-葡萄糖指數(shù)（TyG）及相關論文

6. 握力及相關論文

7.空氣污染及相關論文

8.尚未被廣泛關注的高級指標

9. 建立自己所需的指標

八、研究變量制備

一、研究變量制備示例論文

二、研究變量制備導圖

三、變量搜索方式1 Browse by Primary Category

四、變量搜索方式2 Search

五、SES定義

九、UKBiobank論文產(chǎn)生流程

一、UKB相關論文“踩分點”

二、UKB論文的選題

1.代謝相關研究

1.1UKB代謝標志物

1.2代謝疾病領域典型論文

2.心腦血管研究

2.1 UKB心血管疾病相關變量

2.2心血管疾病領域典型論文

3.腫瘤研究

3.1 UKB腫瘤相關變量

3.2腫瘤疾病領域典型論文

4.精神疾病研究

三、UKB論文的數(shù)據(jù)處理

四、UKB論文的統(tǒng)計分析和展示

五、UKB論文的寫作

六、UKB挖掘的三個階段

1.準備階段

2.初步階段

3.多數(shù)據(jù)庫聯(lián)合

4.多方法聯(lián)合

5.多PI聯(lián)合

十、UKBiobank數(shù)據(jù)庫挖掘?qū)崙?zhàn)

一、UKB數(shù)據(jù)提取與預處理

1. 社會人口學變量

1.1變量類型、命名規(guī)則、觀測函數(shù)

1.2家庭收入變量：編碼規(guī)則、缺失數(shù)據(jù)處理、

1.3種族變量：編碼簡化、處理原因、R代碼示例

1.4學歷變量：變量特點、處理建議、編碼說明

1.5湯森貧困指數(shù)：變量特征、分類方法、R處理示例

1.6就業(yè)狀況變量：原始編碼、簡化處理、R代碼示例

2. 生活方式變量

2.1吸煙：變量構成、編碼方法、預處理邏輯

2.2飲酒：變量構成、編碼特點、計算方法、注意事項

2.3飲食：評價維度、評分標準、蔬菜攝入計算：變量構成、編碼規(guī)則、計算方法、處理原則、各成分具體標準

2.4 睡眠：變量維度、變量選擇依據(jù)、健康睡眠評分、高階睡眠指標

2.5 體力活動：MET的定義與計算、體力活動的編碼方式、體?活動分類變量、?階體?活動指數(shù)與運動時間規(guī)律性

2.6 額外暴露變量：空?污染、核?指標、預處理?法

3.病史變量

3.1主要病史變量

3.2基礎疾病合并處理

3.3高血壓

3.4冠?病

3.5糖尿病

4. 健康相關結(jié)局

4.1健康結(jié)局變量

4..1.1ICD-10編碼系統(tǒng)

4.1.2?院診斷變量：變量結(jié)構、數(shù)據(jù)特點、相關變量

4..1.3 特定疾病時間計算

4.2癌癥結(jié)局變量

4.3死亡相關變量

4.4首次出現(xiàn)變量

4.5數(shù)據(jù)預處理

二、基于UKB的模型構建

1.模型構建的思路與關鍵點

2.Y變量的確定

3.X變量的確定

4.混雜因素的控制

5.雙重關聯(lián)

6.實踐要點

7.實例分析

三、多元線性回歸

1.模型核心概念

2.模型參數(shù)解釋

3.logistic模型基本介紹

3.1模型特征：數(shù)據(jù)要求、樣本量估算

3.2轉(zhuǎn)換原理

4.Cox回歸模型基本介紹

4.1生存分析

4.2生存影響因素分析

4.3不同人群生存比例差異分析

4.4Cox回歸模型

四、模型構建實戰(zhàn)演示

1.線性回歸模型的構建與系數(shù)解釋

2. logistic回歸模型的構建與系數(shù)解釋

3. 建Cox?例?險回歸模型的構建與系數(shù)解釋

五、基于UKB數(shù)據(jù)庫的亞組分析

1. 亞組分析的背景和意義

2. 亞組分析的?法和模式

2.1案例?：降糖藥物療效評估及UKB特殊考量

2.2案例?：UKB健康?預研究

3.R語言實現(xiàn)

六、基于UKB的潛在類別分析

1. 潛在類別分析的背景和意義

2. 潛在類別分析樣例

3. 潛在類別分析基礎概念

4. 潛在類別分析?法

5. UKBiobank中的潛在類別分析

5.1社會經(jīng)濟學地位分析

5.2慢性病分析

5.3體檢結(jié)果處理

5.4?物標志物處理

5.5?常?為數(shù)據(jù)

5.6選題?向

5.7注意事項

十一、輔助課程

1.學后交流、微信群、QQ群建立。

2.咨詢、合作，技術團隊深入探討。

3.專題定制化內(nèi)訓。

國內(nèi)外學者已見刊文章

1，糖尿病和貧血之間的關聯(lián)：來自NHANES和英國生物庫的證據(jù)

2，共有490640名英國生物庫參與者的全基因組測序

3，每日總體力活動量和強度、步數(shù)和癌癥事件風險。來自英國生物庫的證據(jù)

4，UKB-MDRMF：基于英國生物庫數(shù)據(jù)的多疾病風險和多發(fā)病率框架。

5，腸易激綜合征與全因和特定原因死亡率之間的時間依賴性關聯(lián)：英國生物庫內(nèi)的一項前瞻性隊列研究

6，心房顫動會增加全因性癡呆、阿爾茨海默病和脈管系統(tǒng)疾病的風險：英國生物庫373415名參與者的隊列研究

培訓費用

每人4300元（含培訓費、教材費、證書費、資料費）

醫(yī)咖會會員立減300

發(fā)票可開：會議費、培訓費等

聯(lián)系方式

聯(lián)系人: 小咖3號

微信號：xys2019ykh

二維碼：