ENGLISH

师资队伍

当前位置: 学院首页 > 师资队伍 > 生物统计系 > 周晓华 > 正文

周晓华

周晓华

周晓华

  • 讲席教授、博士生导师
  • azhou@math.pku.edu.cn
  • 北京市海淀区学院路38号
  • 全球信誉最好的网赌软件
个人简介

1984年 毕业于四川大学,获学理学学士(数学)学位

1987年 毕业于加拿大卡尔加里(Calgary)大学,获科学硕士(统计学)   学位

1991年 毕业于美国俄亥俄州立大学,获哲学博士(生物统计学)学位

1991-1993年 美国哈佛大学做博士后(生物统计学)

1993-1997年 美国印第安那大学医学院生物统计室   助理教授

1997-2002年 美国印第安那大学医学院生物统计室   副教授

2003-2018年 美国西雅图华盛顿大学全球信誉最好的网赌软件生物统计系  教授

全球信誉最好的网赌软件讲席教授,博士生导师,现任澳门十大娱乐网站平台生物统计系主任,北京大数据研究院中医大数据中心主任,医疗健康大数据中心副主任,北京国际数学研究中心生物统计实验室主任,国际生物统计学会中国分会理事长,中国现场统计研究会生物医学统计分会会长,美国科学促进会会士,美国统计学会会士,国际统计研究院会士。

目前是生物统计学顶尖期刊,Statistics in Medicine 副编辑,也是国际生物统计学会中国分会会刊,Biostatistics & Epidemiology主编。

在国际顶尖的统计和生物统计期刊J. R. Statist. Soc. B, Journal of the American Statistical Association、Biometrika、 Ann. Statist, Biometrics, Stat. Med.等发表SCI学术论文240余篇,其中130余篇是第一或通信作者。

2002年周晓华教授与另外两名学者合作完成了诊断医学方面第一本综合性统计著作“Statistical Methods in Diagnostic Medicine”,并由著名的John Wiley @Sons出版社出版。该书已经翻译成中文,译名为“诊断医学统计学”,于2005年由人民出版社出版。2011年他出版了该著作的第二版“Statistical Methods in Diagnostic Medicine 2nd Edition”,并由著名的John Wiley @ Sons出版社出版。2014年他与他的三名学生合作完成了统计著作“Applied Missing Data Analysis in the Health Sciences”,由著名的John Wiley @Sons出版社出版。


主要研究方向

缺失数据,因果推断分析, 大数据分析,半参数模型,医学检验,脑科学,卫生经济,卫生服务领域发展新的统计方法

代表性科研项目

1.基于因果推断框架下的最优治疗方案选择的统计方法研究, 2018-2021,国家自然科学基金面上项目,负责人

2.体现中药特点的重大疾病新药临床评价技术平台建设,2019-2024,科技部重大专项,统计分析建模任务负责人

3.通过VAMCs对手术相关结果及成本的联合评估,2012-2015,美国联邦政府退伍军人事务部,主持人

4.建模退伍军人慢性病的卫生保健费用的统计方法,2009-2013,美国联邦政府退伍军人事务部,主持人

5.诊断医学中的统计方法,2005-2010,美国联邦政府国家卫生研究院,主持人

6.诊断医学中基于经验似然的统计方法,2006-2010,美国联邦政府国家自然科学基金,主持人


10篇代表性论文

1.Wang Z and Zhou XH*. Biomarker assessment and combination with differential covariate effects and an unknown gold standard, with an application to Alzhiemer's disease. Annals of Applied Statistics 2018; 12: 1204-1227.

2.Sheng E., Li W., and Zhou XH*. Estimating causal effects of treatment in RCTs with provider and subject noncompliance.  Statistics in Medicine. , 38, 5, (738-750), (2018).

3.Fan Y, He M,  Su L, and Zhou XH*. A Smoothed Q-Learning Algorithm for Estimating Optimal Dynamic Treatment Regimes. Scandinavian Journal of Statistics, 2019, 46, (2), 446-469.

4.Taylor L., Zhou XH*, and Rise P. A Tutorial in Assessing Disclosure Risk in Microdata. Statistics in Medicine 2018; 37: 3693-3706.

5.Zhu K, Huang Y., andZhou XH*. Tree-based ensemble methods for individualized treatment rules.  Biostatistics & Epidemiology 2018; 2: 61-83.

6.Zheng C and Zhou XH**. Causal Mediation Analysis in Multi-level Intervention and Multi- component Mediator Case. Journal of Royal Statistical Society Series B (JRSS B)  2015; 77: 581-615.

7.Chen BJ, and Zhou XH*, and Chan G. Pseudoempirical-likelihood-based method using calibration for longitudinal data with dropout. JRSS C 2015; 64:  157-174.

8.Duan XG and Zhou XH*.  Composite quantile regression for the receiver operating characteristic curve. Biometrika 2013; 100: 889-900.

9.Chen, BJ and Zhou, XH*. Generalized Partially Linear Models for Incomplete Longitudinal Data In the Presence of Population-Level Information. Biometrics 2013; 69(2):386-95.

10.Liu DP and Zhou XH*. Covariate adjustment in estimating the area under ROC curve with partially missing gold standard. Biometrics 2013; 69: 91-100.