文献与数据资源

来自既有学习包，实际使用时核验文献全文与数据获取条件。

文献与公共数据资源库

核查日期：2026-10-01。此文件是开课入口库，不是已全文阅读的系统综述，也不认证所有刊物属于某年度中科院1区。
每次开课必须重新核验需要使用的论文、补充、数据、代码与更正。部分来源目前只能确认书目/摘要/官方入口；不可据此编造方法细节。

1. 每次的论文组合

默认：1篇医学顶刊/高水平应用或方法文章作为锚点＋必要时1篇专业方法论文或教材章节。
优先读：研究设计、统计分析、关键表图、补充方法、局限。复杂论文可拆4次学习。
如果本次只有BMJ/JAMA等方法指南，选用它作为真实文献依据；当次可补一篇近年应用，不强迫新手每次读两篇全文。
检索不按影响因子替代质量判断，也不以最新替代经典基础。原创课题时另外核查中科院分区、学科类别与年度。

2. 已核查的论文入口（38篇）

需要额外核对的版本

• R34：2017年勘误；2021年最终报告。学习设计可读原文；引用数值需确认版本。
• R38：2025年更正。已知涉及causal forest的out-of-bag代码；当次阅读原文和更正后才复现结果。
• 不把书目库和搜索摘要等同于全文证据。若无法获取PDF/补充，降级为摘要阅读或另选公开论文。

3. 公共数据分级

状态说明：
- “入口/文档已核查”指已确认真实来源与其访问说明，不表示本地已下载或代码已跑通。
- “适合课堂”不表示足以支撑原创发表。
- 原始数据、处理表、临床元数据、随访、可识别匹配关系分别审核。
- 首次建模前明确独立个体数、事件数、失访/删失、预测时点和可用信息。

数据选择顺序

1. D0＋D1：快速掌握假设与真值。
2. D3/D4：完成传统和预测流程，通常只再选一套主数据。
3. D2：作为抽样专项，不强迫所有人先学习大数据库合并。
4. W20起检查D7/D8或其他疾病的公开原数据与代码，满足条件才进入深度复现。
5. D6完整数据、D9受限数据：后续拓展，不作为24周完成的必要条件。
6. TCGA的宿主组学不能自动当粪便微生物数据；不同平台和资料类型不要为了凑课题硬拼。

4. 每套数据的可行性卡

数据名称/来源/版本/访问日期：
下载状态：未尝试 / 已获取 / 权限申请中 / 无法获取
类型：原始测序 / 处理矩阵 / 临床表 / 汇总效应 / 模拟
目标人群与抽样：
独立患者数；样本份数；重复测量；中心数：
结局定义；事件数；参考标准：
时间零点；测量时间；随访与删失：
主要暴露/治疗或预测因子：
年龄/性别/临床因素/药物等字段完整性：
缺失、批次、采样、测量与版本：
患者ID与数据表连接：
训练/更新/最终测试；是否患者或队列重叠：
数据许可；允许公开的内容：
文件大小/预计算力/运行时间：
能回答的问题；不能回答的问题：
替代数据与止损条件：

5. 教材与官方资料

• Modern Epidemiology，第4版官方介绍：研究设计、偏倚与推断参考，非要求从头读完。
• Causal Inference: What If：作者免费书、数据、代码；先基础和点干预，复杂纵向部分后续学习。
• An Introduction to Statistical Learning：选择R或Python一个版本，重点回归、重采样、正则化、树模型与生存；生信已有技能不机械重学。
• BMJ Statistics at Square One：Survival analysis：基础辅助，不能替代完整教材。
• R survival文档、scikit-learn官方指南：软件接口每次现查，不固定过时调用。
• TRIPOD官方站、PROBAST官方站、PRISMA官方站：核对版本与适用范围。

6. 当次文献检索与记录

先用本次主题、设计、方法和“tutorial / validation / cohort / target trial / calibration / missing data”等关键词组合；查医学顶刊应用，再查原始方法与官方文档。
每次默认2—3篇：主锚点1篇，方法补充0—1篇，近期应用0—1篇。列题名、期刊、正式年份、DOI/链接、为什么读、具体读哪些段落、数据/代码状态。
遇到付费全文，可查作者公开稿或合法仓储；仍不可获取就标注限制并选公开替代文献，不能从摘要猜完整方法。
每个博客参考列表只收实际使用的来源；不把整个38篇库粘贴到每次文章中。
中科院分区如需报告，必须注明年度、版本/大类小类及可核查来源；未验证就不写具体分区。