About Me

Introduction

肿瘤流行病学、癌症风险预测、生存分析和科研项目经历。

个人简历

目前主要关注肿瘤流行病学中的风险分层、筛查获益异质性与过度诊断问题，基于大型人群队列开展癌症发生风险、竞争性死亡和预测模型临床转化研究。已有第一作者 Q1 论文 1 篇，另有第一作者/共同第一作者在投研究 2 项；具备队列数据清理、统计建模、论文撰写和网页化展示的转化能力。

成果：以第一作者在 Cancer Epidemiology, Biomarkers & Prevention（IF = 3.2, JCR Q1）发表论文 Association between Socioeconomic Position and Thyroid Cancer Incidence: A Population-Based Cohort Study in China。
研究问题：围绕社会经济地位与甲状腺癌过度诊断之间的关系，评估社会经济地位人群与甲状腺癌发病风险的关联。
方法与发现：基于CKB人群队列，采用潜在类别分析和计分法对社会经济地位进行分类，使用多因素 Cox 比例风险模型评估关联，并结合地区层面的生态学分析解释结果。研究发现，高社会经济地位，尤其是较高教育水平和经济收入，与甲状腺癌发生风险升高相关，且该现象在经济发达地区更明显，而死亡率在各个社会经济地位人群中均没有显著变化，可能提示过度诊断的存在。
个人贡献：负责数据清理、统计分析、结果解释和论文撰写。

成果：作为共同第一作者开展肺癌风险预测模型研究，文章在投；模型网页已部署为中英文版本：sslcp.vercel.app。
研究问题：面向中国人群肺癌筛查场景，构建按性别和吸烟状态分层的风险预测模型，并探索模型的网页化转化。
方法：按男性吸烟者、男性非吸烟者、女性吸烟者、女性非吸烟者构建四个亚组模型，比较 Cox 比例风险模型、正则化 Cox 回归、加速失效模型、随机生存森林、梯度提升生存分析和 XGBoost 等方法，并基于外部验证集表现选择候选模型。
个人贡献：参与模型实现与结果整理，使用 Flask 搭建后端，使用 HTML/CSS 和 JavaScript 完成前端输出，并通过 Render 和 Vercel 完成部署展示。

成果：作为第一作者开展 CKB 和 UKB 双队列研究，文章在投。
研究问题：在肺癌高风险人群中，评估心血管代谢共病模式与肺癌发生、竞争性死亡之间的关系，并估计不同共病人群接受肺癌筛查的潜在收益。
方法：分别使用中英两国人群队列对应的肺癌风险预测模型筛选高风险人群。在风险尺度上，使用 flexible parametric survival model 估计 cause-specific HR；在时间尺度上，使用 pseudo-observation 结合广义线性模型估计 restricted mean time lost (RMTL)。进一步比较竞争性死亡与肺癌发生的 HR 和 RMTL 比值，并使用 Delta 法估算置信区间。
研究意义：为识别更可能从肺癌筛查中获益的人群提供量化依据，也为处理筛查研究中的竞争风险问题积累方法经验。

2025.6.20--22：2025马来西亚国家癌症大会(National Cancer Congress Malaysia 2025): 口头汇报，题目: Associations of cardiometabolic multimorbidity with risks of lung cancer and competing mortality: a population-based prospective cohort study.
2025.8.16--17：2025中国肿瘤预防与控制大会：壁报展示，题目: Associations of cardiometabolic multimorbidity with risks of lung cancer and competing mortality: a population-based prospective cohort study.

统计与流行病学分析：熟悉 R/Python 数据分析流程，能够完成队列数据清理、生存分析、风险预测建模、模型验证和结果可视化；掌握 Cox 回归、机器学习生存模型、竞争风险相关方法、潜在类别分析和生态学分析。
编程与模型转化：能够使用 Flask、HTML/CSS、JavaScript 构建轻量级网页工具；了解 PyTorch、Scikit-learn 等机器学习框架；熟练使用 Git 进行代码和仓库管理。
学术写作与展示：熟练使用 Markdown、LaTeX 和 Word 完成论文写作与排版，使用 LaTeX 撰写数学公式，使用 Mermaid 绘制研究流程图。

Typora GPT Edit：基于 Typora 社区插件，使用 JavaScript 开发 Markdown 编辑辅助插件。插件支持对选中文本进行基于上下文的语言修改、对选中图像直接提问以及在编辑器内连续对话；支持模型版本选择、提示词配置，并兼容 OpenAI API 及 DeepSeek、Kimi 等同类接口。通过MIT协议于GitHub上开源使用。

具备跨学科的背景，具有较好的数理及统计知识，结合医学知识能够较快进入新的问题并形成可执行的分析方案。当前主要能力集中在大型队列数据分析、统计建模、科研写作和模型工具化转化，后续希望进一步加强因果推断、贝叶斯数据分析与建模和复杂生存数据的分析能力。

Last Update: 2026.5.13