【征稿】用于真实世界数据的方法和应用 | BMC Medical Research Methodology

专刊文章：点击链接阅读专刊文章

期刊：BMC Medical Research Methodology

微信原文：点击链接阅读微信原文

循证方法的机会与挑战

在医学科学和健康护理领域，真实世界的数据和证据正变得愈加重要。遏制COVID-19大流行便是一个最好的例子。真实世界的健康数据和证据可以是来自不同的来源，如计算机、移动设备和可穿戴设备，并且可以是各种类型，如互联网搜索、社交媒体、电子健康/医疗记录。这些大量的、类型各异的现实世界数据和证据为科学新发现注入巨大力量，并让本来难以解决的问题以及难以做出的决定变得不再困难。同时，我们需要有新的、有效且可行的统计学和机器学习方法来挖掘真实世界数据的潜力，以便从业者和决策者能够应用这些结果和结论来更好地满足社会对医疗和护理的需求。

BMC Medical Research Methodology的专题主要包括以下主题：

• 用于分析真实世界数据的统计方法和机器学习方法，包括但不限于互联网流量和搜索、社交媒体数据、移动设备、可穿戴设备和应用程序数据、电子健康/医疗记录、赔付和付费活动。

• 现有方法在现实世界数据集上的新应用，这些新应用应具有科学和实践意义。

• 新的、有用的真实世界数据和对重要数据来源的评估。

• 对真实世界研究/数据和证据的现有方法进行审查和比较，确定研究方向的机会和挑战。

• 因果关系和真实世界数据；我们究竟有多亲密？

• 大数据在医学研究中的挑战

投稿指南

本专题主要发表研究文章、数据库文章和软件文章。根据该期刊的政策，综述均为约稿，非约稿的综述不予考虑。

与专题有关的数据集和数据描述将以Data Notes的文章类型发表在BMC Research Notes中。

所有文章都要经过期刊标准的同行评议，我们的特邀编辑Demosthenes Panagiotakos教授（希腊Harokopio大学）和Fang Liu教授（美国圣母大学）将全程监督同行评议流程。

在提交稿件之前，请仔细阅读 BMC Medical Research Methodology 的投稿指南。请确保在您的投稿信中强调您是向专题投稿，并在.投稿系统中的投稿表中选择该专题。

投稿截止日期：2022年8月

认识特邀编辑

Demosthenes Panagiotakos是希腊雅典哈睿寇蓓大学的生物统计学、医学研究方法学和流行病学教授，也是欧盟委员会健康和新风险科学委员会的成员。Panagiotakos在希腊雅典大学医学院获得了生物统计学和流行病学博士学位，并在美国华盛顿特区VAMC/乔治敦大学进行博士后培训。他的研究兴趣包括慢性病流行病学、公共卫生、统计建模、预测、统计机器学习，以及多变量统计方法在医学上的应用。他目前是BMC Medical Research Methodology 的高级编委会成员。

Fang Liu是美国印第安纳州圣母大学的应用和计算数学及统计学教授。Fang Liu在美国安阿伯的密歇根大学获得了生物统计学博士学位。她的研究兴趣包括数据隐私、差分隐私、统计机器学习、模型正则化、贝叶斯统计、缺失数据分析，以及统计方法在生物和医学科学、工程和社会科学中的应用。她是美国统计学会的会员，目前是BMC Medical Research Methodology 的高级编委会成员。

BMC Medical Research Methodology