精选的、经过验证的临床统计编程学习资源。 不做"链接大全" —— 每条都写明为什么值得看、什么时候用。
五份索引
| 文件 | 内容 | 什么时候看 |
|---|---|---|
| 01-GitHub权威仓库 | CDISC / PHUSE / Atorus 等组织的核心开源仓库（含实测星标数） | 想找现成的工具、想看别人怎么写生产代码时 |
| 02-标准与规范-CDisc-PHUSE | CDISC 标准、受控术语、试点数据集、PHUSE 工作组 | 查口径、查定义、查合法取值时（最常用） |
| 03-论文与技术资料 | 会议论文去哪找、怎么搜、该读哪些主题 | 遇到具体技术问题、想了解行业实践时 |
| 04-Python学习资源与工具链 | 官方文档、开发环境、包管理、8 周学习路径 | 刚开始学、或卡在某个工具上时 |
| 05-Agent开发与LLM资料 | Agent 工程化、评估与测试、临床/受监管场景的 AI 官方材料 | ★ 学完第 18–24 章，要把 Agent 用到真实项目时 |
如果你只有 10 分钟
按这个顺序打开 3 个链接：
-
🟢 CDISC 试点项目数据 —— 本项目全部案例的数据来源。唯一被 FDA 审阅过的公开完整数据集。 它可以让你在不接触真实患者数据的前提下，走完 SDTM → ADaM → TFL 的全流程。
-
🟢 PHUSE OSTCDA —— Open Source Technology in Clinical Data Analysis。 用 SAS / R / Python 实现同一张表并比对结果。 这是"用 Python 做临床统计到底靠不靠谱"最权威的回答。
-
🟢 CDISC CORE 规则引擎 —— 官方开源的合规性校验引擎（Python 实现）。 想理解"CDISC 合规到底在检查什么"，直接读它的规则集最快。
一条学习建议
这个行业的知识有个特点：标准是公开的，实践是口口相传的。
- 标准（SDTM/ADaM 的变量定义、CT 取值）→ 去 CDISC 官方 查原文，不要靠记忆。
- 实践（这张表该用哪个分母、这个缺失值怎么补）→ 去 PHUSE 的工作组交付物与 PharmaSUG 论文里找共识， 但最终以你项目的 SAP 和公司 SOP 为准。
- 代码（具体怎么写）→ 去看 phuse-org/phuse-scripts 和 atorus-research 的仓库。
三者不可互相替代。把"标准要求的"、"行业惯例的"、"你项目规定的"分清楚， 是临床统计程序员最重要的能力之一。
返回 → 项目主页