在校期间系统学习了医学统计学、生物信息学等课程，掌握了基础的数据分析理论知识。参与了学校组织的医学数据模拟分析项目，通过实际操作加深了对数据分析流程的理解。

• 负责收集和整理医院临床数据，包括患者基本信息、诊断结果、治疗方案及疗效数据等，每月处理数据量达[X]万条。
• 运用 SQL 进行数据清洗和预处理，去除重复值、异常值等，数据清洗准确率达 98%以上。
• 利用 Python 中的 Pandas、Numpy 等库进行数据分析，如分析不同疾病的发病率与患者年龄、性别等因素的关系，为医院临床决策提供数据支持。
• 制作数据分析报告，以图表形式直观展示分析结果，向临床医生汇报分析结论，协助优化治疗方案。

• 参与公司临床试验项目的数据管理工作，制定数据采集标准和流程，确保数据的一致性和完整性。
• 运用 SAS 软件进行统计分析，如计算临床试验的有效率、不良反应发生率等指标，分析不同治疗组之间的差异。
• 与医学团队、统计团队沟通协作，解决数据分析过程中遇到的问题，如数据缺失值的处理方法等。
• 对历史临床数据进行挖掘分析，发现潜在的疾病标志物或治疗靶点，为公司新药研发提供数据依据。

• 项目背景：为评估某新型抗癌药物在临床治疗中的效果，开展此数据分析项目。
• 数据收集：从多家合作医院收集了[X]例患者的用药数据、生存时间、不良反应等信息。
• 数据分析：运用生存分析方法（如 Kaplan - Meier 曲线、Cox 比例风险模型）分析药物对患者生存时间的影响，同时分析不同剂量、患者特征与疗效和不良反应的关系。
• 成果：通过分析发现该药物在特定患者亚组中能显著延长生存时间，相关结果为药物说明书的更新和临床用药指南的制定提供了数据支持。

• 项目背景：医院为优化糖尿病患者的管理流程，开展临床数据回顾性分析项目。
• 数据整理：整合医院电子病历系统中[X]名糖尿病患者的就诊记录、血糖监测数据、并发症发生情况等。
• 分析内容：分析患者血糖控制情况与并发症发生的相关性，不同治疗方案（如口服药、胰岛素注射等）对血糖控制的效果差异，以及患者依从性（如按时服药、定期复诊等）对疾病管理的影响。
• 成果：根据分析结果提出了优化糖尿病患者随访频率、个性化治疗方案调整等建议，医院采纳后患者血糖达标率提高了[X]%。