在健康中国战略下，临床结局分析与预测对提升医疗效果与效率有决定性意义。现存研究在方法及数据上有显著局限，难以应对多病共存下的复杂关联性、时序动态性、跨域异质性等挑战。本项目将围绕“多疾病－多结局－多时期”复杂场景，以网络分析，深度学习，信息迁移，正则化等为技术基础，在全疾病框架下开展临床结局分析与预测研究。本项目将在统计模型，渐近理论，算法及软件，数据分析等方面解决如下问题：（1）在有向网络辅助下，融合多源信息，对时序零膨胀/非正态结局进行动态预测；（2）对于复杂数据（包括多结局联合分析、个体协变量及群体结构校准）建立回归辅助深度学习方法；（3）提出信息迁移方法，泛化跨域数据中的有效信息，提高分析准确性和预测能力；（4）进行医保数据实证研究，在全疾病、特定疾病群、特定区域场景下进行网络分析与预测。本项目将产出一套可广泛应用的时序网络数据分析方法；分析结果将对提升医疗效果与效率提供决策支撑。