本文考虑在数据融合分析中，某个感兴趣的结果变量关于协变量的回归问题。具体而言，数据来源包括两个部分：主样本部分仅包含结果变量和部分协变量信息；而另一补充样本包含所有协变量，但缺少结果变量的信息。先前的研究已经提出了双稳健估计方法，该方法对数据融合机制使用单一倾向得分模型，对仅在补充数据集中可用的协变量使用单一插补模型。然而，由于数据生成过程是未知的，这些需假设两个模型之一是正确的估计方法在实践中可能会有问题。此外，由于这些估计基于逆概率加权，极端的概率估计值可能使得这些估计量具有较大的方差。因此，为了更好的防止模型被错误指定，我们在文中提出了一种基于经验似然的校准方法，允许倾向得分和插补机制包含多个候选模型。当任何一个模型被正确指定时，得到的估计量便是相合的，并且对极端倾向得分值具有较好的鲁棒性。文中还讨论了估计量的渐近正态性和有效性。模拟研究和实际数据分析表明，所提估计量较现有估计量具有显著的优势。

该研究主要提出了一种集成多视野的三维卷积神经网络（EMV-3D-CNN）模型用来对肺癌风险进行分级。肺癌一直是全球威胁人类健康最常见的癌症之一，它也是导致癌症相关死亡的主要原因，约占全部癌症相关死亡的18%。在中国，2020年肺癌发病率和癌症相关死亡率在所有癌症中位居第一位，总体5年生存率约为30%。近年来，随着低剂量计算机断层扫描（Computed Tomography, CT）在肺癌筛查中的普及，更多早期肺癌被发现。而快速发展的人工智能技术，可以让研究人员基于大量历史CT数据，通过设计新颖的深度学习模型来判断肺结节的病灶类型。本研究从实际的临床问题出发，系统解决了在临床实践中，肺结节诊断的三个重要问题

在疗效比较研究中，研究人员经常寻求最佳的协变量平衡。然而，即使在随机实验中，协变量的不平衡仍然存在，并且随着协变量数量的增加而变得更加严重。为了解决这个问题，本研究引入了一种新的随机化过程，称为通过马氏距离（ARM）的自适应随机化。所提出的方法使用当前不平衡水平和输入单元协变的信息，顺序自适应地分配单元。理论结果和数值比较表明，在具有大量协变量或大量单位的情况下，所提出的方法在协变量平衡、估计精度、假设检验能力和计算时间方面比传统方法具有显著优势。所提出的方法达到了最优协变量平衡，即估计的治疗效果渐近地达到其最小方差，并且可以应用于因果推理和临床试验。最后，数值研究和实际数据分析进一步证明了该方法的优点。在CRAN中可以自由访问实现所提出方法的R包CARM。

鉴于传统的焦虑或抑郁评估量表实施难、成本大，在了解群体心理特征趋势时存在诸多困难。该论文提供了一种新的方法，通过专注于在线检索信息来分析人群的情绪健康趋势。利用社交媒体上情感丰富的文本来构建舆论词典（POD）。然后，将POD与词向量模型和搜索趋势相结合，建立了复合焦虑抑郁指数（CADI），该指数可以反映特定时间段内一个地区的心理健康水平。研究者利用外部数据验证了CADI的有效性，同时采用回归和亚组分析进一步阐明了公共心理健康（通过CADI测量）与经济发展和医疗负担之间的关联。

国内学者对我国健康预期寿命变动规律的研究大多基于人口抽样调查或CLHLS 和CHAＲLS 等微观调查数据，这些数据存在一定的抽样偏差和误差问题，少数基于2010 年人口普查数据的研究不能反映近10年的变化情况。另外，已有研究很少使用因素分解法深入分析死亡和健康因素对健康预期寿命变动的影响。基于此我院王晓军教授对该问题进行了研究，在《保险研究》期刊上发表了题目为《人口老龄化下的寿命延长伴随健康水平下降吗?》的论文。

新型冠状病毒持续全球蔓延，应对病毒蔓延成为国家应急管理的重点，大数据在这一挑战中的应用和开放备受瞩目。我院赵彦云教授以政府数据开放平台为基础，针对新冠肺炎防控进行了探索性研究，并在统计学顶级期刊《统计研究》发表了《突发重大传染病疫情数据互联网统计体系研究》的论文，提出了政策建议。