中山大学流行病与卫生统计学考博初试主要考察考生在流行病学理论、研究设计、数据分析方法以及公共卫生政策方面的综合应用能力。近年来考试趋势显示，70%以上的题目围绕研究方法学展开，其中病例对照研究（占比25%）、队列研究（20%）和生存分析（15%）成为高频考点。2023年真题中，关于多重时间变量偏倚的识别（占比18%）和Logistic回归模型稳健性检验（12%）首次被纳入简答题范畴，反映出命题组对方法学深度的要求提升。

考试内容结构呈现明显模块化特征：基础理论占40%（包括流行病学发展史、基本概念、流行病学调查方法），统计方法占35%（涵盖t检验、方差分析、卡方检验、回归模型等），公共卫生专题占15%（慢性病防控、疫苗接种、健康促进），综合应用占10%（研究方案设计、论文写作）。值得注意的是，近三年交叉题型占比从5%提升至12%，要求考生同时运用流行病学和统计学知识解决实际问题。

重点推荐的备考策略包括：建立"理论-方法-应用"三维知识框架，重点突破研究设计三要素（研究问题、暴露定义、对照组选择）；强化统计软件实操能力，尤其是SPSS中的混合效应模型和SAS中的生存分析模块；关注《中国卫生统计年鉴》《柳叶刀公共卫生专刊》等权威资料，积累公共卫生政策热点。模拟考试数据显示，系统完成30套完整模拟卷的考生，其研究方案设计题得分率提升42%。

历年真题分析表明，高频考点呈现三大规律：①统计方法与流行病学设计强关联（如队列研究匹配多变量模型）；②慢性病防控相关知识点更新速度快（2020-2023年新增5个亚主题）；③计算题难度梯度明显，基础计算题占比60%，复杂模型构建占30%，创新应用占10%。建议考生建立错题数据库，针对生存分析中的Cox比例风险假设检验（近5年出现4次）、多重比较校正方法（Scheffe法、Bonferroni法）等易错点进行专项突破。

特别需要关注命题组对跨学科能力的考核趋势，2022年新增"基于机器学习的疾病预测模型构建"论述题，要求考生整合随机森林、XGBoost等算法与流行病学验证方法。建议考生拓展Python在流行病学中的应用，重点掌握Pandas数据清洗、Scikit-learn模型评估等技能。备考时间分配建议：基础理论（30%）、统计方法（40%）、公共卫生专题（20%）、模拟训练（10%），其中统计软件操作训练应占模拟训练的60%以上。

考试形式正在向"研究型考核"转型，2023年增设开放性研究设计题，要求在给定数据集中自主设计干预性研究方案。这种变化要求考生突破传统应试思维，重点培养以下能力：①研究问题提炼（从公共卫生现象中识别科学问题）；②方法学创新（结合机器学习与传统统计方法）；③伦理考量（涉及人工智能的知情同意机制）。推荐考生精读近三年《中华流行病学杂志》方法论专栏论文，积累创新性研究思路。