关于我 | Lopo｜临床试验编程与生物统计

页面目录

我是谁

我是 Lopo，自 2017 年起从事临床试验编程，目前就读于北京大学医学部公共卫生学院生物统计系应用统计方向非全日制研究生。

我的长期主线可以概括为：Clinical Trials × Biostatistics × AI。

这不是把三个热门词放在一起，而是一条来自真实工作的能力路径：从临床试验中的数据、分析和交付问题出发，用统计方法理解问题，用 SAS / R / Python 实现和验证，再用 AI、Git 与自动化工具提高研究、编程和知识复用的效率。

我不希望把多年临床试验编程经验丢掉去追逐新的工具。更想做的是把既有的行业经验、生物统计训练和现代数据工作流叠加起来，形成一套更完整、可验证、可复用的临床统计工程能力。

Clinical Trials｜真实问题与行业语境
临床试验编程、数据标准化、TFL、QC、CDISC 与结果交付，让统计和代码始终落在真实研究流程里，而不是停留在示例数据上。

Biostatistics｜方法理解与研究判断
持续学习研究设计、生存与复杂事件结局、因果推断、RWE / HEOR 等方法，关注的不只是“软件怎么跑”，还包括假设、解释、适用条件和局限性。

AI & Data Workflows｜实现与复用的放大器
用 R、Python、Git、自动化和 AI 辅助编程连接分析、验证、文献阅读、知识沉淀和公开表达。AI 在这里是工具层，不替代领域判断、统计推理和最终核验。

我更希望形成这样的闭环：

真实问题 → 查资料与理解 → 方法与假设 → SAS / R / Python 实现 → 模拟或结果验证 → 复盘 → 可复用代码、笔记或文章

所以这个博客不会只记录“今天学了什么”，也不会只展示最终代码。专业内容会尽量回答几个更重要的问题：这个问题为什么值得解决、方法为什么成立、结果怎样验证、什么时候不应该这样做。

我希望把工作和学习中可以公开的方法沉淀成长期资产，而不只是散落在聊天记录、临时脚本和个人笔记里。

博客中的专业案例默认使用模拟数据、公开数据或充分去标识化的数据。公开内容用于学习交流和方法演示；正式临床项目仍应遵循研究方案、SAP、公司 SOP、适用的 CDISC 标准和监管要求。

这个博客也是我个人长期系统的公开输出端：工作、学习、研究和灵感先经过理解、实践和验证，再逐步沉淀成可以搜索、引用和复用的内容，而不是直接把外部信息重新包装发布。

我还维护两个自动更新的公开信息页面。它们不是新闻聚合终点，而是学习、研究与内容生产的上游候选源：

它们只负责发现。自动候选不代表推荐、事实核验或证据质量结论；进入学习笔记、研究决策或正式文章前，仍需回到原始来源阅读全文并判断适用性。

工作和学习之外，我喜欢竹笛和乒乓球。它们不是专业标签，但帮助我保持长期、稳定的学习节奏。

欢迎指出文章中的错误，也欢迎交流临床试验编程、统计方法、R / Python 与 AI 辅助工作流中的具体问题。