Step 1
先确定研究问题与设计
先用研究设计导览页区分横断面、病例对照、队列和随机试验，明确研究目的、时间方向和常见偏倚来源。
Medical Statistics Interactive Studio
医学统计学互动实验导航
这个项目把医学统计课程里最容易“听懂但不会用”的部分，做成了可直接操作的互动实验。 现在的公开版入口已经从研究设计、描述统计，一路延伸到假设检验、回归、生存分析，适合课堂投屏、学生练习和课后复盘。
- 每个实验页都是独立 HTML，复制到任意静态站点即可使用。
- 覆盖研究设计、描述统计、参数估计、假设检验、回归、非参数检验和生存分析。
- 强调“概念解释 + 计算过程 + 场景应用”，同时保留公开安全边界，不直接上传内部课件和案例数据。
Catalog
模块目录
支持按主题、语言和关键词筛选。目录信息使用静态清单维护，避免首页依赖 GitHub API 而出现加载失败或限流问题。
按主题筛选
按语言筛选
Learning Path
建议学习路径
现在的公开版目录已经可以基本对齐一条完整课程主线，便于课堂按周推进，也便于学生自学时按逻辑顺序复盘。
Step 2
学会描述数据与呈现结果
从定量、定性、统计表与统计图出发，先建立对均值、中位数、率、构成比和可视化表达的基本直觉。
Step 3
理解分布、抽样与参考范围
把正态分布、t 分布、医学参考值范围和置信区间连起来看，理解抽样误差、标准误和区间估计为何成立。
Step 4
进入参数估计与假设检验
先看参数估计与假设检验总览，再分别进入 t 检验、ANOVA、卡方和非参数检验，训练“研究问题匹配方法”的能力。
Step 5
过渡到相关与回归
再用相关、OLS、多元线性回归和 Logistic 回归模块，把统计推断延伸到关联解释、控制变量和预测建模。
Step 6
最后补上特殊分析场景
用非参数检验和生存分析页面处理偏态、等级资料、删失和时间结局，避免把所有问题都硬套到均值比较上。
Coverage
课程主题覆盖
如果你需要把网站和完整课程结构对齐，但又不希望公开内部课件、题库和案例数据，可以直接使用现在这套公开版主线页面。
公开版主线已覆盖
研究设计、描述统计、统计表图、正态分布、参考范围、参数估计、假设检验、t 检验、ANOVA、卡方、相关、回归、非参数检验和生存分析均已提供独立页面。
课程敏感内容仍不公开
站点扩充的是方法表达、逻辑和应用，不直接上传本地讲义、试题、案例数据、录屏或带课程内部痕迹的资料。
后续只需继续精修
下一阶段更适合继续做练习模板、术语索引、统一样式和页面联动，而不是再把原始课程文件同步到 GitHub。
Teaching Modes
怎么把它用进课堂
项目不仅是展示型网页，更适合围绕“输入真实数据后发生什么”来组织课堂问答。
投屏演示
教师在课堂中修改参数、切换检验方法、展示图形变化，把抽象公式转成可观察的结果变化。
学生练习
把书上例题、论文表格或医院数据录入页面，让学生自己判断该选什么指标、怎么解释结果。
课后复盘
学生可直接在浏览器中重复课堂操作，把一节课里零散的概念串成连续的分析流程。
