简介：摘要本研究基于扎根理论，通过深度访谈法、文本分析法等质性研究方法，梳理目前临床医学博士专业学位研究生教育的现状及存在的问题，认为推进其改革应当围绕基地临床培训制度、院校培养体系建设、研究生现实感受和相关利益方参与等重点问题开展，并提出强化顶层政策设计、明确人才培养共识、鼓励各利益方互动参与、完善人事配套制度等对策建议。

简介：摘要目的从国家自然科学基金视角回顾我国老年医学科研发展进程，为未来学科发展提供数据基础。方法利用2008—2017年老年医学领域的国家自然科学基金立项资料，统计描述项目数量与构成、资助金额、依托单位等基本情况，并分析整体变化趋势，利用词频分析汇总近年来的研究热点问题。结果2008—2017年老年医学领域累计立项总数为446项，立项数量和资助金额均呈增长趋势；项目类型逐渐丰富，结构不断优化，2014年以后每年立项的基金类型均包括6种或以上，且各类重大项目均实现突破；华东地区的立项数量和资助金额始终处于第1位；北京市、上海市、浙江省是立项水平最高的3个省市，立项数量和资助金额占比均超过全国的10%；此期间获批立项的依托单位共114个，其中74个单位的立项数量为2项或以上；词频分析中，衰老(229次)、细胞(161次)和蛋白(120次)是频次最高的3个关键词。结论我国老年医学领域的国家自然科学基金在立项数量和水平上均显著提升，但在医学科学部中的占比始终偏低；项目的地区和机构分布不均衡，存在以优势学科单位为中心的聚集现象；基础类研究是国家自然科学基金项目的主要类型；衰老机制研究是老年医学领域的核心内容。

简介：摘要目的对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能，探讨不同预测模型的优缺点和适用性。方法以全国6 922名临床医学研究生的调查数据为例，通过自评学习行为量表获得综合得分；在训练集中，分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型；对验证集数据进行预测并比较不同模型的预测效能。结果临床医学研究生学习行为综合得分为（3.31±0.54），总体达标率为74.02%。在线性回归模型中，年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义；在对验证集的预测中，线性回归模型的敏感度为0.484，特异度为0.914，准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型，其中随机森林的提升度最高。结论线性回归模型对研究生学习行为的预测效果良好，机器学习在预测准确性上优于线性回归模型，但传统线性回归模型在计算效率和可解读性上具有一定优势。