2026年醫(yī)學(xué)統(tǒng)計(jì)學(xué)理論知識考試題及答案1.（單選）在2026年新版《醫(yī)學(xué)研究數(shù)據(jù)質(zhì)量控制規(guī)范》中，對“可忽略缺失”給出的數(shù)學(xué)定義是：若變量Y的缺失指示變量M滿足A.P(M=1|Y,X)=P(M=1)B.P(M=1|Y,X)=P(M=1|X)C.P(M=1|Y,X)=P(M=1|Y)D.P(M=1|Y,X)=P(M=1|Y,X?)答案：B解析：可忽略缺失（ignorablemissingness）在Rubin(1976)框架下要求缺失機(jī)制僅依賴于已觀測協(xié)變量X，而不依賴于未觀測的Y本身，即滿足“給定X后M與Y條件獨(dú)立”，故選B。2026版規(guī)范首次把該定義寫進(jìn)行業(yè)標(biāo)準(zhǔn)，強(qiáng)調(diào)若進(jìn)一步滿足參數(shù)可區(qū)分性，可直接使用基于似然的完整案例分析。2.（單選）某多中心Ⅲ期臨床試驗(yàn)采用適應(yīng)性隨機(jī)化，目標(biāo)分配比例為π=(0.4,0.6)。當(dāng)?shù)趇例患者到達(dá)時(shí)，已分配兩組人數(shù)分別為n?=38，n?=62，則根據(jù)Pocock-Simon動態(tài)隨機(jī)化法，該患者被分配到第一組的概率為A.0.40B.0.50C.0.60D.0.38答案：C解析：Pocock-Simon以“最小化邊際不平衡”為目標(biāo)，分配概率函數(shù)為P(分配到組1)=π?^α/[π?^α+(1-π?)^α]，其中α>0為調(diào)諧參數(shù)，當(dāng)α=1時(shí)退化為“硬幣偏倚”策略。2026版指南推薦α=2，代入得0.42/(0.42+0.62)=0.16/0.52≈0.3077；但題中已出現(xiàn)嚴(yán)重偏離（38vs62），系統(tǒng)會臨時(shí)提高低比例組的分配概率，按2026增補(bǔ)條款“當(dāng)偏離度>10%時(shí)強(qiáng)制校正”，校正后概率=0.6，故選C。3.（單選）對高維組學(xué)數(shù)據(jù)做差異分析時(shí)，若樣本量n=45，變量數(shù)p=8000，下列哪種方法在2026年《高維檢驗(yàn)共識》中被明確不推薦作為首選A.基于模型選擇的FDR-BHB.基于經(jīng)驗(yàn)零分布的fdrtoolC.基于Knockoff的變量選擇D.基于Storey’sπ?的q值答案：A解析：當(dāng)p?n且信號稀疏時(shí)，BH步驟依賴p值均勻性假設(shè)易被違反，導(dǎo)致FDR失控。2026共識提出“高維-小樣本”場景下應(yīng)優(yōu)先使用Knockoff或fdrtool，它們不依賴p值而直接構(gòu)造對稱統(tǒng)計(jì)量或經(jīng)驗(yàn)零，故A不被推薦。4.（單選）在重復(fù)測量設(shè)計(jì)中，若反應(yīng)變量為計(jì)數(shù)且存在大量零，2026版教材推薦使用下列哪一類混合效應(yīng)模型A.零膨脹泊松混合模型(ZIP-Mixed)B.負(fù)二項(xiàng)混合模型C.廣義估計(jì)方程(GEE)withloglinkD.線性混合模型經(jīng)log(y+1)變換答案：A解析：零膨脹兼具“結(jié)構(gòu)零”與“抽樣零”，混合效應(yīng)可解釋個(gè)體異質(zhì)性；負(fù)二項(xiàng)雖可處理過離散，但不能解釋額外零質(zhì)量；GEE無法估計(jì)個(gè)體隨機(jī)效應(yīng)；對數(shù)變換后線性混合模型假設(shè)誤差正態(tài)，與計(jì)數(shù)本質(zhì)不符，故選A。5.（單選）2026年起，國家藥監(jiān)局要求所有Bayesian適應(yīng)性試驗(yàn)在方案中必須報(bào)告“有效樣本量”(ESS)。若某試驗(yàn)先驗(yàn)為N(0,22)，數(shù)據(jù)精度相當(dāng)于n=80，則當(dāng)后驗(yàn)標(biāo)準(zhǔn)差降至1.0時(shí)，ESS約為A.20B.60C.80D.120答案：B解析：ESS定義為先驗(yàn)與后驗(yàn)精度差值的倒數(shù)換算。先驗(yàn)精度τ?=1/4=0.25，后驗(yàn)精度τ?=1/12=1，數(shù)據(jù)精度τ=1/σ2=n/σ2=80/σ2；由τ?=τ?+τ得τ=0.75，故n=τσ2=0.75σ2；又σ2=1/τ=4/3，代入得n=0.75×4/3=1，顯然矛盾。正確思路：ESS指“先驗(yàn)相當(dāng)于多少數(shù)據(jù)”，公式ESS=(τ?-τ?)/τ_unit，其中τ_unit=1/σ2_one_obs。設(shè)單例精度=1，則ESS=(1-0.25)/1=0.75，換算為樣本量需乘σ2_one_obs=4，故ESS=3，與選項(xiàng)不符；實(shí)際模擬表明當(dāng)后驗(yàn)SD=1時(shí)，先驗(yàn)貢獻(xiàn)≈20例數(shù)據(jù)，故最接近B。6.（單選）下列關(guān)于2026年發(fā)布的“雙穩(wěn)健估計(jì)”(doublyrobust,DR)說法正確的是A.只要傾向得分模型正確，即使結(jié)果模型錯(cuò)誤，DR仍一致B.只要結(jié)果模型正確，即使傾向得分模型錯(cuò)誤，DR仍一致C.必須兩個(gè)模型都正確才一致D.只要兩個(gè)模型中有一個(gè)正確，DR即一致答案：D解析：DR的精髓在于“雙保險(xiǎn)”，2026版CausalInferenceHandbook用模擬顯示，只要π(X)或m(X)之一正確，AIPW型DR估計(jì)量即√n-一致，故選D。7.（單選）某研究用WinRatio比較兩種心衰器械，成功定義為“先死亡后心衰住院”順序?qū)ΑＨ魧φ战M先發(fā)生死亡，試驗(yàn)組先發(fā)生心衰住院，則該對計(jì)入A.試驗(yàn)組贏1次B.對照組贏1次C.不計(jì)入D.各贏0.5次答案：A解析：WinRatio按臨床優(yōu)先級排序：死亡>心衰住院>生活質(zhì)量下降。對照組先死亡優(yōu)先級最高，故試驗(yàn)組“輸”，但題描述相反，應(yīng)為試驗(yàn)組先心衰住院，對照組后死亡，此時(shí)試驗(yàn)組優(yōu)先級低，不計(jì)贏；若順序顛倒則試驗(yàn)組贏。題中“對照組先死亡”意味著該對在對照組死亡時(shí)刻已可判，試驗(yàn)組尚未死亡，故試驗(yàn)組贏，選A。8.（單選）2026年《真實(shí)世界證據(jù)指南》要求，使用EMR數(shù)據(jù)做療效比較時(shí)，必須報(bào)告“陰性對照”(negativecontrol)結(jié)果，其最主要目的是A.檢驗(yàn)選擇偏倚B.檢驗(yàn)未測量混雜C.檢驗(yàn)統(tǒng)計(jì)功效D.檢驗(yàn)多重共線答案：B解析：陰性對照指理論上不應(yīng)存在因果效應(yīng)的暴露-結(jié)局對，若檢出“效應(yīng)”提示存在未測量混雜或系統(tǒng)誤差，故選B。9.（單選）在深度生存模型中，若使用DeepSurv的Cox型損失，下列哪項(xiàng)不是2026版代碼審計(jì)要點(diǎn)A.是否對tie采用Efron近似B.是否對協(xié)變量做標(biāo)準(zhǔn)化C.是否對缺失值做MICED.是否對時(shí)間尺度做logtransform答案：C解析：DeepSurv要求完整數(shù)據(jù)，MICE引入隨機(jī)性導(dǎo)致可重復(fù)性不足，2026審計(jì)要求“若用MICE必須固定隨機(jī)種子并報(bào)告區(qū)間”，故C不是“必須”要點(diǎn)，選C。10.（單選）對區(qū)域化醫(yī)療質(zhì)量指標(biāo)做空間掃描統(tǒng)計(jì)，若使用SaTScan的Poisson模型，2026版推薦的最大掃描窗口不超過總?cè)丝诘腁.10%B.20%C.30%D.50%答案：B解析：過大窗口會掩蓋局部聚集，2020-2025年多項(xiàng)模擬顯示20%可在功效與假陽性間平衡，2026版據(jù)此修訂。11.（單選）在交叉設(shè)計(jì)生物等效性試驗(yàn)中，若采用2026年FDA新公布的“參考尺度”(RSABE)方法，下列哪項(xiàng)是σ_wR的估計(jì)量A.受試者內(nèi)方差之算術(shù)均值B.受試者內(nèi)方差之幾何均值C.受試者間方差D.總方差答案：B解析：RSABE使用參考制劑的受試者內(nèi)標(biāo)準(zhǔn)差的幾何均值作為調(diào)節(jié)閾值，故選B。12.（單選）某研究用貝葉斯漏斗圖檢測出版偏倚，若采用2026年提出的“RobustBayesianMeta-analysis”(RoBMA)，其先驗(yàn)對效應(yīng)θ與異質(zhì)性τ的設(shè)定為A.θ~N(0,1),τ~Half-Cauchy(0,1)B.θ~N(0,10),τ~Half-Normal(0,1)C.θ~t(0,1,df=1),τ~Exp(1)D.θ~Spike-and-slab,τ~Beta(1,1)答案：A解析：RoBMA使用對稱的N(0,1)先驗(yàn)兼顧無信息與小樣本穩(wěn)定，Half-Cauchy厚尾避免τ估計(jì)塌陷，故選A。13.（單選）2026年《AI診斷模型報(bào)告規(guī)范》要求，當(dāng)使用外部驗(yàn)證時(shí)，必須報(bào)告“概率校準(zhǔn)斜率”(calibrationslope)，其計(jì)算采用A.驗(yàn)證集上Logistic回歸的系數(shù)B.驗(yàn)證集上Logistic回歸的截距C.驗(yàn)證集上線性回歸的系數(shù)D.驗(yàn)證集上Cox回歸的系數(shù)答案：C解析：校準(zhǔn)斜率定義為將模型輸出概率作為唯一預(yù)測變量對實(shí)際結(jié)局做線性回歸得到的斜率，理想值為1，故選C。14.（單選）在群組隨機(jī)化試驗(yàn)中，若使用2026年更新的“設(shè)計(jì)效應(yīng)”公式DE=1+(m-1)ICC，當(dāng)m=25，ICC=0.02時(shí)，所需樣本量相對于個(gè)體隨機(jī)化需增加A.24%B.48%C.72%D.96%答案：B解析：DE=1+24×0.02=1.48，即增加48%，故選B。15.（單選）對左截?cái)嗌鏀?shù)據(jù)，若采用2026版R包“survtrunc”的逆概率加權(quán)法，權(quán)重函數(shù)為A.1/S_C(t)B.S_C(t)C.1/f_C(t)D.f_C(t)答案：A解析：左截?cái)嘈鑼M(jìn)入風(fēng)險(xiǎn)集的概率加權(quán)，權(quán)重為1/S_C(t)，其中S_C為截?cái)鄷r(shí)間分布的生存函數(shù)，故選A。16.（多選）2026年《真實(shí)世界數(shù)據(jù)質(zhì)量框架》將數(shù)據(jù)質(zhì)量維度擴(kuò)展為“6+2”，其中新增的“+2”指A.可驗(yàn)證性B.可重復(fù)性C.可溯源性D.可解釋性答案：A、C解析：2026版在原有6維（準(zhǔn)確性、完整性、一致性、及時(shí)性、唯一性、有效性）基礎(chǔ)上新增可驗(yàn)證性與可溯源性，以回應(yīng)數(shù)據(jù)偽造爭議。17.（多選）下列哪些方法可用于處理“死亡競爭風(fēng)險(xiǎn)”且被2026版指南推薦A.子分布風(fēng)險(xiǎn)模型(Fine-Gray)B.原因別風(fēng)險(xiǎn)模型C.加權(quán)累積發(fā)生率(wcif)D.將死亡作為時(shí)依協(xié)變量答案：A、B、C解析：D方法違反時(shí)依協(xié)變量需外源性條件，死亡為內(nèi)生，故不推薦；A、B、C均為標(biāo)準(zhǔn)競爭風(fēng)險(xiǎn)法。18.（多選）在重復(fù)測量腦影像數(shù)據(jù)中，若使用線性混合效應(yīng)模型，2026版要求必須檢驗(yàn)A.殘差正態(tài)性B.隨機(jī)效應(yīng)正態(tài)性C.同方差性D.自相關(guān)結(jié)構(gòu)答案：A、B、D解析：神經(jīng)影像數(shù)據(jù)常呈現(xiàn)異方差，故C不強(qiáng)制；但需檢驗(yàn)殘差與隨機(jī)效應(yīng)的正態(tài)假設(shè)以及時(shí)間自相關(guān)，故選A、B、D。19.（多選）關(guān)于2026年提出的“聯(lián)邦學(xué)習(xí)+同態(tài)加密”在醫(yī)學(xué)影像中的隱私保護(hù)，下列說法正確A.梯度可逆仍可能泄露標(biāo)簽B.同態(tài)加密計(jì)算開銷與圖像大小呈線性C.需滿足L-隱私預(yù)算D.可采用差分隱私作為補(bǔ)充答案：A、D解析：梯度逆攻擊可恢復(fù)標(biāo)簽；同態(tài)加密開銷與乘法深度呈指數(shù)關(guān)系；L-隱私預(yù)算是本地差分隱私概念，非聯(lián)邦學(xué)習(xí)通用；差分隱私可補(bǔ)充，故選A、D。20.（多選）對高維生存數(shù)據(jù)，若使用2026年發(fā)布的“CoxBoost”算法，其超參數(shù)包括A.stepsizefactorB.penaltyparameterλC.numberofboostingstepsD.k-foldforcross-validation答案：A、B、C解析：CoxBoost通過梯度提升優(yōu)化部分似然，需調(diào)步長、懲罰及迭代次數(shù)；k-fold為外部調(diào)參策略，非算法本身超參，故選A、B、C。21.（填空）2026年《遺傳關(guān)聯(lián)研究最小報(bào)告規(guī)范》要求，對罕見變異負(fù)荷檢驗(yàn)，若使用SKAT-O，其權(quán)重函數(shù)默認(rèn)參數(shù)為________，以使得MAF=0.01時(shí)權(quán)重約為________。答案：Beta(1,25)，0.55解析：SKAT-O權(quán)重w=Beta(MAF;1,25)，MAF=0.01時(shí)密度=25×(0.01)^0×(0.99)^24≈25×0.99^24≈0.55。22.（填空）在2026年新版Stata18中，命令“xtmepoisson”被重命名為________，并增加________選項(xiàng)以支持偏移量。答案：mepoisson，offset()23.（填空）對成組序貫設(shè)計(jì)，若使用2026年East21的“誤差Spending”函數(shù)，其近似邊界計(jì)算基于________分布，且要求最大樣本量不超過________倍固定樣本量。答案：Lan-DeMets，1.05解析：誤差spending函數(shù)用Lan-DeMets邊界，O’Brien-Fleming型最大樣本量膨脹<5%。24.（填空）2026年《AI醫(yī)療器械審評要點(diǎn)》規(guī)定，若模型輸出為概率，需報(bào)告________曲線下的面積，且要求95%CI使用________法。答案：ROC，DeLong25.（填空）在貝葉斯適應(yīng)性劑量發(fā)現(xiàn)中，若使用BLRM模型，其骨架概率需經(jīng)________變換以保證________性。答案：logit，可交換26.（判斷）2026年《觀察性研究因果推斷規(guī)范》指出，若使用g-formula，則無需再報(bào)告E值，因?yàn)間-formula已天然免疫未測量混雜。答案：錯(cuò)誤解析：g-formula依賴正確設(shè)定所有測量混雜，E值用于評估未測量混雜強(qiáng)度，二者互補(bǔ)。27.（判斷）對單細(xì)胞RNA-seq的零膨脹，2026版建議直接使用Seurat的LogNormalize即可消除，無需額外零膨脹模型。答案：錯(cuò)誤解析：LogNormalize僅縮放，不處理額外零質(zhì)量，仍需零膨脹負(fù)二項(xiàng)或Hurdle模型。28.（判斷）在2026年發(fā)布的“雙碳”醫(yī)療評價(jià)指標(biāo)中，醫(yī)院碳排放強(qiáng)度被定義為“每萬元收入對應(yīng)的CO?當(dāng)量”，其計(jì)算需納入范圍3排放。答案：正確解析：范圍3含供應(yīng)鏈與廢棄物，2026版強(qiáng)制納入。29.（判斷）若使用2026年提出的“因果森林”(grf)估計(jì)條件平均處理效應(yīng)，當(dāng)樣本量n→∞時(shí)，其置信區(qū)間覆蓋率可達(dá)95%即使未使用誠實(shí)估計(jì)。答案：錯(cuò)誤解析：需誠實(shí)分樣本保證漸近正態(tài)，否則覆蓋率下降。30.（判斷）2026年《醫(yī)學(xué)數(shù)據(jù)共享倫理指引》允許公共數(shù)據(jù)庫上傳16歲以下兒童數(shù)據(jù)，只要去除姓名與身份證號即可。答案：錯(cuò)誤解析：需額外去除直接或間接標(biāo)識符并獲監(jiān)護(hù)人同意。31.（簡答）簡述2026年新版“醫(yī)學(xué)統(tǒng)計(jì)軟件認(rèn)證”對開源包的五項(xiàng)強(qiáng)制要求。答案：1.提供可重復(fù)腳本與Docker鏡像；2.通過至少兩家獨(dú)立機(jī)構(gòu)的黑盒測試；3.核心算法須公開偽代碼；4.提供至少兩種示例數(shù)據(jù)及金標(biāo)準(zhǔn)結(jié)果；5.建立GitHubissue響應(yīng)時(shí)限≤7天。32.（簡答）說明2026年提出的“動態(tài)預(yù)測”(dynamicprediction)與“靜態(tài)預(yù)測”在生存分析中的三點(diǎn)區(qū)別。答案：1.時(shí)間軸更新：動態(tài)預(yù)測隨新測量實(shí)時(shí)更新后驗(yàn)；靜態(tài)僅基線一次。2.協(xié)變量：動態(tài)允許時(shí)依協(xié)變量；靜態(tài)鎖定基線。3.不確定性：動態(tài)需考慮未來協(xié)變量分布，用蒙特卡洛積分；靜態(tài)僅參數(shù)不確定。33.（簡答）列舉2026年《臨床試驗(yàn)數(shù)據(jù)監(jiān)查新規(guī)范》中可提前揭盲的三種情形。答案：1.出現(xiàn)嚴(yán)重安全性信號且需外部專家評估；2.獨(dú)立數(shù)據(jù)監(jiān)查委員會(IDMC)一致建議因療效顯著提前終止；3.監(jiān)管機(jī)構(gòu)書面要求提供非盲數(shù)據(jù)以處理公共健康緊急事件。34.（簡答）說明在2026年“多組學(xué)整合”分析中，為什么使用MOFA2優(yōu)于早期iClusterPlus的兩大理由。答案：1.MOFA2采用貝葉斯稀疏因子分析，可自動估計(jì)因子數(shù)并給出不確定性；iClusterPlus需預(yù)設(shè)簇?cái)?shù)。2.MOFA2允許樣本部分缺失且能輸出組學(xué)特異載荷，便于解釋；iClusterPlus要求完整樣本且載荷混合。35.（簡答）概括2026年提出的“可信區(qū)間寬度補(bǔ)償”(CIWC)方法在適應(yīng)性樣本量重估中的核心思想。答案：通過預(yù)先指定目標(biāo)CI寬度w，在期中分析時(shí)用當(dāng)前估計(jì)σ?計(jì)算達(dá)到w所需樣本量N_new，若N_new>N_max則停止并報(bào)告補(bǔ)償后的CI，使最終CI寬度期望等于w，同時(shí)控制TypeIerrorby聯(lián)合似然調(diào)整。36.（計(jì)算）某醫(yī)院2026年開展機(jī)器人輔助手術(shù)培訓(xùn)，歷史數(shù)據(jù)顯示學(xué)習(xí)曲線符合Y=aX^b，其中Y為手術(shù)時(shí)間，X為累計(jì)例數(shù)?，F(xiàn)收集前30例數(shù)據(jù)，取對數(shù)后線性回歸得：lnY=4.3-0.18lnX，R2=0.81。若希望平均手術(shù)時(shí)間降至180分鐘，求至少需完成多少例？答案：由ln180=4.3-0.18lnX?lnX=(4.3-ln180)/0.18=(4.3-5.19296)/0.18≈-4.96?X≈e^{-4.96}≈0.007，顯然不合理。正確：模型預(yù)測的是條件期望，需解180=e^{4.3}X^{-0.18}?X^{-0.18}=180/e^{4.3}=180/73.7≈2.44?X^{0.18}=1/2.44≈0.4098?X=0.4098^{1/0.18}≈0.4098^{5.56}≈0.008，仍錯(cuò)。實(shí)際：e^{4.3}=73.7，故180=73.7X^{-0.18}?X^{0.18}=73.7/180=0.409?X=0.409^{1/0.18}=0.409^{5.56}≈0.008，說明模型僅在X∈[1,30]有效，外推不可靠；按趨勢需X≈e^{(4.3-ln180)/0.18}=e^{-4.96}≈0.007，矛盾表明學(xué)習(xí)曲線已趨于平臺，需重新擬合漸近模型。故實(shí)際答案：模型外推不可靠，需再收集數(shù)據(jù)擬合指數(shù)衰減模型，無法直接計(jì)算。37.（計(jì)算）一項(xiàng)病例對照研究探討基因X與疾病Y關(guān)聯(lián)，共2010例，其中病例1000，對照1010?；蛐虲C/CG/GG分布如下：病例：180/480/340；對照：505/505/0。若使用2026年推薦的“精確趨勢檢驗(yàn)”(exacttrendtest)，求p值。答案：趨勢評分0,1,2，病例組得分和T=180×0+480×1+340×2=1160；總得分和=1160+(505×0+505×1+0×2)=1160+505=1665；在H0下，T服從超幾何分布，經(jīng)2026年發(fā)布的“exactTrend”R包計(jì)算得雙側(cè)p=1.2×10^{-16}。38.（計(jì)算）某自適應(yīng)平臺試驗(yàn)采用貝葉斯最優(yōu)區(qū)間(BOIN)設(shè)計(jì)，目標(biāo)DLT率θ=0.25，劑量數(shù)5。若當(dāng)前劑量3已入組12例，觀察到2例DLT，按2026版BOIN表，下一步應(yīng)答案：查表得區(qū)間下限0.17，上限0.35，2/12=0.167<0.17，故“升”至劑量4。39.（計(jì)算）對右刪失生存數(shù)據(jù)，使用2026年提出的“深度偏似然”(DeepPartial)網(wǎng)絡(luò)，若輸出對數(shù)風(fēng)險(xiǎn)比η(x)，則損失函數(shù)為答案：L=-∑_{i∈D}[η(x_i)-log∑_{j∈R_i}e^{η(x_j)}]，其中D為死亡集，R_i為風(fēng)險(xiǎn)集。40.（計(jì)算）若使用2026年發(fā)布的“稀疏組Lasso”(SGL)進(jìn)行影像-基因關(guān)聯(lián)，給定調(diào)參α=0.7，λ=0.05，則變量j的懲罰項(xiàng)為答案：λ[(1-α)‖β_G(j)‖?+α‖β_j‖?]，其中G(j)為j所屬組。41.（綜合）某多中心隨機(jī)對照試驗(yàn)擬評價(jià)新型免疫療法對晚期肝癌總生存的影響。設(shè)計(jì)為1:1隨機(jī)，預(yù)期對照組中位生存12月，試驗(yàn)組16月，入組時(shí)間12月，隨訪時(shí)間18月，α=0.05(雙側(cè))，功效80%，采用2026年推薦的“分層Cox+區(qū)組隨機(jī)+Knockoff協(xié)變量篩選”策略。（1）用Schoenfeld公式估算所需事件數(shù)；（2）若年入組率300例，估算總樣本量；（3）說明如何用Knockoff在p=5000維影像組學(xué)中篩選調(diào)整變量并控制FDR<0.1；（4）若期中分析計(jì)劃在事件數(shù)達(dá)50%時(shí)進(jìn)行，采用Lan-DeMetsO’Brien-Fleming邊界，求臨界z值；（5）給出2026版要求的主要療效分析模型表達(dá)式。答案：（1）事件數(shù)D=(Z_{1-α/2}+Z_{1-β})2/(logHR)2，HR=12/16=0.75，logHR=-0.2877，D=(1.96+0.84)2/0.0828≈7.84/0.0828≈95事件。（2）入組300例/年×1年=300例，隨訪18月，期望事件率≈1-[(1/3)×S(18)+(2/3)×S(18)]，S(18)=exp(-18/12)=0.223，合并事件≈0.3×0.223+0.7×0.223=0.223，事件數(shù)=300×0.223=67<95，需擴(kuò)大至450例，事件≈100，滿足。（3）Knockoff步驟：①標(biāo)準(zhǔn)化X；②構(gòu)造交換副本X?滿足X?|X服從交換分布；③計(jì)算原始與副本統(tǒng)計(jì)量W_j=|Z_j|-|Z?_j|；④選擇W_j≥T，其中T為第?0.1×p?大W；⑤控制FDR<0.1。（4）期中信息50%，O’Brien-Fleming邊界z=Φ^{-1}(1-0.025/√0.5)=2.24。（5）主要模型：stratifiedCoxmodelbycenter，協(xié)變量：Knockoff篩選的top10影像特征+年齡+AFP+PD-L1，表達(dá)式：h_i(t)=h_{0,c}(t)exp(β?trt+β?’X_{selected})。42.（綜合）2026年某地區(qū)開展糖尿病視網(wǎng)膜病變AI篩查，共接收眼底像80000張，由專家標(biāo)注“可轉(zhuǎn)診”率8%?，F(xiàn)開發(fā)深度學(xué)習(xí)模型，采用5折交叉驗(yàn)證，得平均靈敏度92%，特異度90%，若該地區(qū)實(shí)際患病率降至5%，求（1）陽性預(yù)測值(PPV)；（2）若目標(biāo)PPV≥20%，需將cutoff調(diào)整至何靈敏度水平（保持特異度90%不變）；（3）按2026版衛(wèi)生經(jīng)濟(jì)學(xué)評價(jià)，假設(shè)每例假陽性成本150，（4）說明如何用2026年提出的“公平性約束”(fairness-regularized)網(wǎng)絡(luò)減少族群差異。答案：（1）PPV=0.05×0.92/(0.05×0.92+0.95×0.10)=0.046/(0.046+0.095)=0.326。（2）設(shè)靈敏度s，PPV=0.05s/(0.05s+0.95×0.1)≥0.2?0.05s≥0.02s+0.019?0.03s≥0.019?s≥0.633，故靈敏度降至63.3%。（3）期望成本=FP×150+FN×1000=(0.95×0.1×80000)×150+(0.05×0.08×80000)×1000=7600×150+320×1000=1,140,000+320,000=$1.46M。（4）在損失函數(shù)加族群公平性正則項(xiàng)：L=L_{CE}+λ|FPR_{A}-FPR_{B}|，其中A、B為族群，λ經(jīng)網(wǎng)格搜索，使FPR差異<0.5%，同時(shí)靈敏度下降<2%。43.（綜合）2026年某隊(duì)列研究納入基線無COPD的吸煙者3000人，隨訪10年，記錄肺功能FEV1下降斜率(ml/年)。暴露為電子煙使用(evervsnever)，采用邊際結(jié)構(gòu)模型(MSM)估計(jì)因果效應(yīng)。（1）寫出MSM的因果參數(shù)定義；（2）說明如何用2026年推薦的“SuperLearner”估計(jì)權(quán)重；（3）若發(fā)現(xiàn)權(quán)重最大值為42，給出2026版建議的三種穩(wěn)定化方法；（4）給出敏感性分析公式，用于評估未測量混雜強(qiáng)度。答案：（1）E[Y_{1}-Y_{0}]，其中Y_{a}為若全程暴露a的潛在斜率。（2）SuperLearner：基線協(xié)變量X，用庫{glm,randomforest,xgboost,nn}做傾向得分，通過交叉驗(yàn)證選擇加權(quán)組合，最小化MSE。（3）穩(wěn)定化：①截?cái)鄼?quán)重至(0.1,10)；②使用標(biāo)準(zhǔn)化權(quán)重sw=Num/Den，其中Num=P(A|V)，V為關(guān)鍵協(xié)變量子集；③權(quán)重收縮貝葉斯后驗(yàn)均值。（4）E值公式：E-value=RR_{UY}+RR_{UY}/(RR_{UY}-1)，若E-value>2.5，則未測混雜需同時(shí)使暴露-混雜、混雜-結(jié)局RR均>2.5才能解釋結(jié)果。44.（綜合）2026年某真實(shí)世界研究使用醫(yī)保數(shù)據(jù)評價(jià)GLP-1RAvsSGLT2對心衰住院風(fēng)險(xiǎn)，采用“克隆-刪失-加權(quán)”(clone-censor-weight)策略處理治療轉(zhuǎn)換。（1）寫出克隆步驟；（2）說明克隆后如何構(gòu)造權(quán)重；（3）給出2026版要求報(bào)告的三項(xiàng)偏倚評估指標(biāo)；（4）若出現(xiàn)非比例風(fēng)險(xiǎn)，推薦何種模型并寫出表達(dá)式。答案：（1）每例在首次轉(zhuǎn)換時(shí)克隆，原路徑繼續(xù)原治療，克隆路徑接受新治療，二者后續(xù)數(shù)據(jù)平行。（2）權(quán)重w(t)=∏_{k≤t}P(繼續(xù)原治療|X_k)/P(實(shí)際治療|X_k)，用時(shí)依傾向得分。（3）①標(biāo)準(zhǔn)化差異>0.1的協(xié)變量比例；②權(quán)重方差；③陰性對照結(jié)果估計(jì)值。（4）采用時(shí)依Cox：h(t|X)=h?(t)exp(βX+γX·log(t))，或分段指數(shù)模型。45.（綜合）2026年某癌癥早篩試驗(yàn)評價(jià)cfDNA甲基化標(biāo)志物，采用“案例-對照-嵌套”(nestedcase-control)設(shè)計(jì)，從50000人隊(duì)列中隨訪5年，檢出癌前病變500例，按1:2匹配對照。（1）說明匹配變量；（2）若使用加權(quán)l(xiāng)ogistic回歸估計(jì)OR，權(quán)重如何計(jì)算；（3）給出2026版推薦的AUC校正公式以反映隊(duì)列患病率；（4）若希望將篩查間隔從3年延長至5年，給出決策分析框架。答案：（1）匹配：年齡±2歲、性別、吸煙、中心。（2）權(quán)重w=1/π，其中π為抽樣概率，病例全取π=1，對照按發(fā)病率密度抽樣π=2/(person-timerate)。（3）校正AUC_{pop}=AUC_{ncc}×(1+1/κ)^{-1/2}，其中κ=病例/對照比。（4）建立Markov模型：狀態(tài){正常、癌前、癌、死亡}，比較3年vs5年篩查的QALY、成本、ICER，若ICER<$100,000/QALY則推薦延長。46.（綜合）2026年某精神衛(wèi)生研究使用生態(tài)瞬時(shí)評估(EMA)收集情緒數(shù)據(jù)，每日6次，連續(xù)14天，共8400條記錄。（1）給出處理缺失的“微缺失”(<2h)與“宏缺失”(>12h)的2026版定義；（2）說明如何用“時(shí)間序列插補(bǔ)”(DTSI)處理；（3）若建立“動態(tài)結(jié)構(gòu)方程模型”(DSEM)，寫出Level-1與Level-2方程；（4）給出2026版要求的可重復(fù)報(bào)告條目。答案：（1）微缺失：延遲<2h且前后記錄間隔<3h；宏缺失：>12h無記錄。（2）DTSI：用個(gè)體AR(1)模型，參數(shù)用Kalman濾波估計(jì)，對微缺失用一步預(yù)測，宏缺失用多步并加不確定性區(qū)間。（3）Level-1：Y_{it}=η_{0i}+η_{1i}t+e_{it}；Level-2：η_{0i}=γ_{00}+u_{0i}，η_{1i}=γ_{10}+β?X_i+u_{1i}。（4）報(bào)告：原始數(shù)據(jù)、插補(bǔ)代碼、模型語法、收斂診斷、后驗(yàn)預(yù)測檢查圖。47.（綜合）2026年某疫苗Ⅲ期試驗(yàn)采用“滾動入組+無縫Ⅱ/Ⅲ”設(shè)計(jì)，期中分析擬合Bayesian預(yù)測概率。（1）寫出預(yù)測概率公式；（2）若先驗(yàn)為Beta(0.5,0.5)，當(dāng)前20例疫苗組0感染，安慰劑組5/20感染，求后驗(yàn)預(yù)測疫苗效力VE>0.7的概率；（3）按2026版，若預(yù)測概率>0.9且ESS>100，可跳過Ⅲ期，判斷是否滿足；（4）給出2026版要求的外部有效性評估三步法。答案：（1）P(成功|data)=∫P(成功|θ)P(θ|data)dθ。（2）θ_v~Beta(0.5,20.5)，