中山大学流行病与卫生统计学考博研究体系构建需以扎实的理论功底与方法学创新为核心支撑。在基础理论层面，《流行病学》教材（第8版）中关于队列研究、病例对照研究及横断面研究的抽样设计原则仍为命题基础，需重点掌握巢式病例对照研究在遗传因素分析中的应用逻辑。2023年新增的《医学统计学方法》中多元回归模型与机器学习算法的结合部分，要求考生能够运用LASSO回归解决高维数据降维问题，并解释交叉验证在模型优化中的具体应用场景。

卫生统计学核心方法学需突破传统框架，关注真实世界研究（RWS）中的双重差分法（DID）与合成控制法（SCM）的实践应用。以2022年广东省医保支付方式改革评估为例，考生应能构建双重差分模型验证DRG支付改革对次均费用影响的显著性（p<0.01），并运用PSM匹配处理混杂因素。值得注意的是，考试大纲已明确要求掌握贝叶斯统计基础，需熟练运用JAGS软件实现疾病预测模型的参数估计。

考博论文创新性体现在方法学突破与领域融合两个维度。建议考生关注以下交叉领域：①基因组学与流行病学结合的孟德尔随机化（MR）新进展，重点掌握MR-Egger检验的异质性处理；②空间流行病学中的地理加权回归（GWR）模型在传染病传播预测中的应用；③基于自然语言处理（NLP）的电子病历信息提取技术，需掌握TF-IDF与BERT模型的对比验证。2024年拟考真题预测显示，将出现基于深度学习的疫情预测系统开发题目，要求考生设计LSTM网络架构并解释残差连接的优化作用。

备考策略需实施"3+2+1"强化训练：3轮教材精读（每月一轮）配合2套模拟试卷（含近5年真题）及1次专家论文精读（每周1篇顶刊方法学论文）。特别强调SAS与R语言实战能力，需独立完成从数据清洗（处理缺失值、异常值）、描述性统计到模型验证的全流程操作，重点掌握SAS宏程序在重复测量数据中的自动化处理技巧。建议建立个人错题数据库，分类统计近三年考题中频率超过40%的知识点（如生存分析中Cox模型变量筛选方法、Meta分析异质性检验选择标准等）。