罗晟

教授

杜克大学临床研究所（DRCI）资深临床试验设计专家和临床方法学专家
杜克大学医学中心生物统计学和生物信息学全职教授
拥有美国约翰霍普金斯生物统计学博士学位，擅长设计和分析临床试验及观察性研究，使用纵向和生存分析数据进行动态建模，以及神经科学的统计学方法。专长于贝叶斯方法，自适应设计及决策，多模态数据统计模型与模拟。
是NIH/NINDS授权的首席研究员（PI），负责项目包括：1、NIH/NINDS在研项目“具有多元纵向结果的临床试验的统计方法”，该研究致力于开发临床试验中复杂纵向数据的统计学研究。2、NIA资助项目“阿尔茨海默症的综合建模和动态预测”，通过使用丰富的多模式数据（临床，神经影像学和遗传学）开发了阿尔茨海默病进展的新型预测模型。3、NINDS资助项目 “帕金森病临床试验：统计中心”，为NET-PD网络中的II和III期试验提供设计和分析。罗晟教授主持多项临床试验的策略制定、试验设计和执行、数据分析和解读，长期参与NIH项目评审，同时担任多个期刊编委及审稿人，已发表SCI论文100余篇，培养多名博士研究生以及访问学者 。 参与了杜克大学临床研究培训中心在中国的培训项目，与国内医生开展多项临床研究合作。

此时研究还未开始，数据也没有采集。统计团队和医生讨论合适的试验设计方法和数据分析方法，然后撰写标书、申请科研经费。 经费批准后研究开始，进行数据采集。数据采集结束后由统计团队分析数据，与医生一起发表论文。这种模式属于原创型研究。优点是医生（PI）对整个试验流程有很好的掌控。如果科研问题比较新颖，试验设计方法和数据分析方法合理，一般能发比较高分的文章，因为数据具有排他性。罗教授以其发表的一篇JAMA的文章来阐述这种模式。但这种研究的不足之处在于时间周期长，科研费用通常也比较高，可能不太适用于科研资源和资历都有限的年轻医生。

数据来源有可能是医生所在医院自己的数据，或者是合作者提供的数据，也可能是公共的数据。统计团队会根据数据的特征和科研问题选择最合适的统计方法。统计团队分析数据，和医生一起发表论文。这种模式的好处是时间周期短，科研费用低，因为不需要进行数据采集。罗教授用其和一位中国访问学者合作发表的一篇9分多的文章来阐述这种模式。 

医生认同后，统计团队开始研究用什么公共数据，然后用比较新颖的统计方法来分析数据，发表科研结果。这种模式的好处也是时间周期短，科研费用低，因为不需要进行数据采集。罗教授用其指导的博士生发表的一篇超过14分的文章来阐述这种模式。第二和第三种模式统称为数据的二次分析（secondary data analysis）。因为这种分析对时间和科研资源要求都不高，特别适合对文章发表有较高要求的临床医生。罗教授将重点介绍这两种模式。

罗教授个人发表了100多篇SCI论文，而且做过多家期刊的审稿员和副主编，对这类数据的二次分析的文章写作有很好的体会。首先这类文章所用的数据通常已经被发表过了多次了，数据本身并没有太强的排他性，这类文章想发高分期刊通常要做到两点：第一是文章的研究方向是否新颖，是否回答了至少一个重要的科研问题；第二点是文章中使用的统计分析方法是否恰当和比较新颖。通常如果这两个要素都具备，文章被高分期刊接受的可能性就比较大。因此罗教授强调，研究方向的新颖和重要性，以及研究方法本身的合理性和前沿性，才是高分论文的基础，也是临床科研的真正目标。

罗教授与很多中国优秀的临床医生有过交流和探讨，特别能理解中国临床医生面临的种种现实问题：比如临床工作很忙，科研时间有限，发表论文压力较大等等。在后期课程中，罗教授会利用其和中国临床医生合作的经历介绍如何克服这些现实困难和解决方案。

罗教授希望通过系列课程，协助临床医生了解更多前沿的新颖的统计分析方法。每期节目罗教授会推荐大家提前阅读相关文章，并从方法学的角度解析这些新方法如何运用到具体的临床科研中，协助大家发表真正有价值有影响力的高分论文。本课程的目标不是把各位变成方法学的专家，而是通过我们的课程能帮助大家多了解各种成熟和新颖的分析方法，以及每种方法应用的场景和方式，而且也能帮助大家和方法学人员更有效沟通和讨论临床科研问题，和结果的解释。最后有效地进行临床科研并发表成果。

罗教授后期会有专门的课程介绍论文的写作、期刊的选择、如何投稿、与期刊主编和审稿人沟通等内容。