PhD Find博士申请助手 · PhDFind
English version not available for this project. Browse English projects

医学生物统计、因果推断与统计机器学习全额博士奖学金：利用电子健康记录开发新的因果推断统计方法

项目672 · University of Limerick - School of Medicine · University of Limerick - School of Medicine

当前招生状态尚待核对，请以招聘方最新公告为准。

所在国家或地区
爱尔兰
申请截止日期
申请将滚动审核，直至名额招满；项目未给出统一截止日期。计划开始时间为 2026 年 9 月，学制 4 年（结构化博士）。
资助信息
全额资助；€25,000/年免税津贴；欧盟学费减免；会议、工作坊和专门培训支持；提供计算资源和笔记本电脑。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

阅读项目调研与申请判断

项目介绍

项目概览

  • 该博士项目设于利默里克大学医学院，聚焦医学生物统计、因果推断与统计机器学习。

  • 项目面向具有较强定量背景的申请者，目标是利用大规模观察性医疗数据开发新的因果推断统计方法。

  • 研究周期为 4 年的结构化博士，计划开始时间为 2026 年 9 月。

  • 项目强调方法学创新，而不是单纯应用既有统计工具。

  • 主要导师为 Dr Maurice O'Connell，利默里克大学医学院医学生物统计方向的副教授。

项目详情

申请页面显示，本项目的核心问题是：如何从纵向电子健康记录中更可靠地估计因果治疗效应。研究将处理一系列典型但困难的方法学挑战，包括动态治疗策略、时间变化混杂、治疗效应异质性、缺失数据、竞争风险以及高维协变量问题。整个项目处在医学生物统计、因果推断、半参数统计与统计机器学习的交叉地带，主线任务是开发新的统计方法，而不是仅仅调用现成软件包。项目的重点是“方法开发优先”，因此申请者需要对统计理论与计算实现都保持兴趣。

项目可能涉及的研究方向包括目标试验模拟（target trial emulation）、动态治疗方案、半参数与非参数估计、双重稳健与去偏机器学习、异质治疗效应估计、纵向与生存分析、倾向评分方法与重叠加权、可迁移性与可推广性分析、敏感性分析，以及可复现统计计算和开源软件开发。方法学创新将由大规模医疗数据资源提供现实动机，包括电子健康记录及其他关联观察性数据资源。换句话说，项目既要求数学与统计上的严谨性，也要求能够把理论方法转化为可运行、可复现的代码与分析流程。

项目介绍还强调了培养环境与资源支持。成功录取者将进入跨学科研究环境，并有机会在高水平期刊发表成果、在国际会议上报告研究、参加专门工作坊，以及开发开源统计软件。学校将提供计算资源和笔记本电脑，同时项目资助还覆盖会议、工作坊和专门培训支持。对于希望在因果推断和医疗数据科学交叉领域建立研究能力的申请者而言，这个项目提供了较完整的训练、发表和软件开发路径。

申请要求方面，项目面向已获得或即将获得一等或二等一荣誉学位（或同等学历）的申请者，专业背景可来自统计学、生物统计学、数学、应用数学、数据科学、计算机科学、计量经济学、流行病学或其他紧密相关的定量学科。申请者需要展示扎实的数学和统计能力、统计编程经验（优先 R）、对统计方法学、因果推断与机器学习的兴趣，以及良好的沟通与解决问题能力。项目还说明，硕士学位以及因果推断、纵向数据分析或生存分析经验是加分项，但不是硬性要求。申请页面明确指出，这是一项适合想在方法开发、医疗数据分析和统计计算上继续深入的研究训练。

申请要点

  • 资助内容：4 年全额资助结构化博士；€25,000/年免税津贴；欧盟学费减免；会议、工作坊与专门培训支持；提供计算资源和笔记本电脑。

  • 申请对象：具备强定量背景的申请者；可来自统计、生物统计、数学、应用数学、数据科学、计算机科学、计量经济学、流行病学或相近学科。

  • 技能偏好：数学与统计能力扎实；最好会 R；对因果推断、统计方法学和机器学习感兴趣；沟通和问题解决能力强。

  • 申请材料：求职信、简历、学业成绩单，以及两位学术推荐人的联系方式。

  • 审核方式：滚动审核，直至职位招满。

  • 联系方式：如需非正式咨询，可联系 Dr Maurice O'Connell（maurice.oconnell@ul.ie）。

  • 其他支持：成功录取者可参与发表、会议和开源软件开发。

需要进一步确认

  • 当前文本未给出统一截止日期，只有“滚动审核至招满”的说明，需申请者尽早确认是否已经关闭。

  • 外部进一步信息链接在截取文本中被截断，完整项目说明仍需通过正式页面核实。

查看收录来源与申请要求

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：。生成日期不代表招聘方确认项目仍开放。

资料更新记录：。申请前请再次核对原始公告。

PhD 项目深度调研报告：Fully Funded PhD Studentship in Medical Biostatistics, Causal Inference and Statistical Machine Learning: Developing Novel Statistical Methods for Causal Inference Using Electronic Health Records

申请判断

申请判断：匹配度强，但需核实。

这是一个很适合定量训练扎实、希望攻读“方法优先”博士的申请机会，主题聚焦利用电子健康记录开展因果推断。最强的积极信号在于：项目主题与 Dr Maurice O'Connell 已核实的医学生物统计研究方向高度贴合；公开论文中可以看到近期的因果/流行病学方法与 R 软件产出；同时项目提供 4 年结构化资助、每年 EUR 25,000 的免税津贴，并明确写出覆盖欧盟学费。

不过，在投入较大申请成本前，仍有几项关键问题需要核实：如果申请者被归为 non-EU 收费类别，是否覆盖全部学费差额；相关 EHR 或联结观察性数据是否已经落实；页面显示的 2026 年 8 月 24 日截止日期，是否会因滚动审核而提前关闭；以及统计、流行病学、机器学习或临床医学方向是否有共同导师参与。

研究方向与领域前景

可能的研究切入点

可行的研究切入点包括：纵向治疗决策的 target trial emulation、处理时间变化混杂的稳健方法、异质治疗效应的因果机器学习、EHR 缺失数据方法、竞争风险扩展、跨医疗环境的可推广性/可迁移性分析，以及未测混杂的敏感性分析。

项目强调开源软件，这一点尤其重要。如果最终能产出 R 包、可复现模拟代码、vignette 和清晰的应用示例，这个方法学博士的可迁移性会明显增强。

领域动向

这是一个活跃且有价值的研究方向。医疗系统越来越依赖 EHR 提取真实世界证据，但如果对观察性数据进行简单建模，很容易在混杂、治疗切换、缺失、删失和选择偏差下失真。target trial emulation、动态治疗策略、双重稳健/去偏机器学习、异质治疗效应估计和可迁移性分析之所以持续活跃，就是因为它们试图把观察性医疗证据推进到更接近决策可用的因果证据。

这个项目的方法优先定位是合理的。理想的博士论文不应只是把现成工具套到本地数据集上，而应先清楚定义 estimand，再开发或改造估计器，进行模拟检验，随后应用到健康数据，并发布可复现软件。

职业与市场前景

从职业角度看，这个项目与学术生物统计、流行病学、真实世界证据、药企/CRO 统计、卫生系统分析和数字健康 AI 都有较强相关性。OECD 和爱尔兰数字健康政策背景都支持对更完善健康数据基础设施和分析能力的需求；爱尔兰 AI 战略刷新版也强化了对可信、可解释、可治理 AI/数据科学能力的重视。

需要注意的是，泛泛的机器学习技能并不够。更强的职业结果通常来自数学统计、因果推断理论、健康数据治理、临床协作和高质量 R/Python 工作流的结合。

学校、学科与培养

University of Limerick 对这个项目而言是一个可信、但并非依赖全球顶尖声望取胜的研究环境。School of Medicine 页面说明，其使命是通过前沿教育与研究项目积极影响健康与福祉。UL 的 Doctoral College 负责研究生培养，并支持博士阶段的学术与职业发展。Faculty of Education and Health Sciences 也很相关，因为其公开资料强调多学科研究共同体、School of Medicine 的参与、207 名研究型学生以及结构化博士项目。

排名证据显示，这是稳健的学校背景信号，而不是声望压倒一切的项目。THE 的 UL 概况将该校列在 World University Rankings 的 501-600 区间，Impact Rankings 为 76，Young University Rankings 为 72；同页也提到 QS Top 500 / 5-Star 和 QS Graduate Employability Top 200。因此，这里更应被理解为一所值得信赖、具备健康科学研究基础设施的爱尔兰研究型大学，而不是一个全球主导型统计系。

项目落在 School of Medicine 和 EHS 环境中，本身是加分项，而不是放在一个与临床问题脱节的纯分析单元里。对 EHR 因果推断而言，强方法需要临床问题牵引、数据治理支持和可解释输出，这种环境有现实价值。但公开证据并未展示专门的生物统计实验室页面或大型本地统计团队，因此申请者应进一步询问日常研究共同体的规模与构成。

导师与实验室评估

导师研究方向

UL Pure 已确认 Dr Maurice O'Connell 为 School of Medicine 的 Medical Biostatistics 副教授，ORCID 为 0000-0001-9658-495X。其简介写明，研究重点是面向医疗决策的高级统计、因果推断、健康经济学和因果机器学习方法，应用领域包括多病共存、多重用药、心血管疾病、心理健康和糖尿病。

这与项目描述的核心内容高度一致：利用纵向 EHR 和联结观察性医疗数据估计因果治疗效应，处理动态治疗策略、时间变化混杂、异质性、缺失数据、竞争风险和高维协变量等问题。这种匹配是项目最强的优势之一。

近期重要论文

  1. Developing an AI-Assisted Tool That Identifies Patients With Multimorbidity and Complex Polypharmacy to Improve the Process of Medication Reviews（Journal of Medical Internet Research, 2026）。这是一篇合作论文，关注 AI 辅助结构化用药复核的用户需求和落地障碍。它不是核心估计器论文，但能提供多病共存、多重用药和临床决策支持的现实背景。

  2. Estimating and displaying population attributable fractions using the R package: graphPAF（European Journal of Epidemiology, 2024）。这篇 Ferguson 与 O'Connell 的论文引入了用于估计和展示 population attributable / impact fractions 的 R 软件包，与项目强调的方法开发和可复现统计计算直接相关。

  3. Pathway-specific population attributable fractions（International Journal of Epidemiology, 2022）。这篇 O'Connell 与 Ferguson 的论文围绕 pathway-specific population attributable fractions 发展了因果 estimand 方法，与因果识别、解释和 estimand 清晰化直接相关。

  4. A qualitative exploration of barriers to efficient and effective structured medication reviews in primary care（PLOS ONE, 2024）。这篇 DynAIRx 相关论文把导师与基层医疗中的用药复核问题联系起来，也说明其研究与临床决策支持场景有关。它更多提供背景支撑，而非数学方法层面的核心证据。

这些论文整体上是积极信号，但仍需谨慎解读。UL Pure 展示的索引成果规模不算特别大，因此申请者最好进一步核实当前手稿、项目经费、在读学生以及共同导师承载能力。

实验室、资源与合作环境

项目说明写到，入选者将进入跨学科研究环境，并有机会发表论文、参加国际会议、参与专题工作坊，以及开发开源统计软件；同时项目还提供计算资源和笔记本电脑。UL 的制度层面也提供 Doctoral College 支持和 EHS 结构化博士基础设施。

但公开证据没有明确显示实验室名称、第二导师、已锁定的数据集，或具体的安全数据计算环境。对于 EHR 方法学项目，这些信息都很关键，因为数据访问延迟会显著影响前两年的工作推进。

资助、申请与生活成本

项目页面说明，这是一项 4 年博士，提供每年 EUR 25,000 的免税津贴，并覆盖欧盟学费。项目描述还提到会议、工作坊和专项培训支持，以及计算资源和笔记本电脑。

资助上最关键的风险点是学费类别。UL 2026-27 年研究学费表显示，Education and Health Sciences research thesis 费用为 EU EUR 5,800、non-EU EUR 12,900；Medicine research 费用为 EU EUR 7,700、non-EU EUR 16,700。由于项目文字只明确写了 EU 学费覆盖，非欧盟申请者应主动询问是否补足学费差额。

UL 官方住宿数据给出了现实预算基线。2026-27 学年 postgraduate 住宿的学年选项大约在 EUR 7,392-EUR 8,154 之间，51 周选项约为 EUR 7,473-EUR 10,025，另加 EUR 500 押金。对 EUR 25,000 免税津贴而言，如果 EU 学费已覆盖且能尽早落实住房，这一方案总体可行；如果再叠加 non-EU 学费补差、私人租房压力、家属开支或较高差旅成本，预算就会明显收紧。

申请机制需要尽早处理。收集到的项目资料中可见的截止日期是 2026 年 8 月 24 日，而描述又写明会滚动审核直到职位招满。更合理的理解是，应把它视为“尽早联系并提交”的机会，而不是可以等到最后一刻的常规截止日。

申请者匹配度与准备

最适合谁

这个项目最适合来自统计学、生物统计学、数学、应用数学、数据科学、计算机科学、计量经济学、定量流行病学或紧密相关学科，并希望开发新统计方法的申请者。尤其适合喜欢因果假设、证明或推导、模拟研究，以及可复现统计编程的人。

如果硕士阶段做过因果推断、生存分析、纵向数据、流行病学、健康经济学或统计机器学习，会很有帮助；但公开项目信息将这些表述为加分项，而不是硬性门槛。

需要谨慎的情况

如果申请者更希望从事临床、实验室或定性健康研究，这个项目就不算理想。对于主要擅长黑箱预测、但缺乏数学统计、因果识别或不确定性量化基础的人，这个项目也有明显风险。

如果申请者需要保证能立刻接触到某个明确命名的 EHR 数据集，那么在依赖这个项目之前应先问清楚，因为公开证据没有写明数据来源或治理状态。

需要补强的技能与证据

最有价值的准备包括：R 编程、可复现分析笔记本、模拟研究、因果图、target trial emulation 知识、双重稳健估计、生存/纵向数据分析、缺失数据方法，以及简洁的统计写作。

较强的申请材料可以附上一份简短研究陈述：提出一个可行的方法学问题，解释为什么标准方法会遇到困难，并把它与 EHR 治疗效应估计联系起来。相比泛泛谈 AI，一个 GitHub 仓库、R 包、论文章节、预印本或认真做过的可复现分析会更有说服力。

风险与待核实问题

高优先级问题

  1. 如果录取者被归类为 non-EU，studentship 是否覆盖全部 non-EU 学费差额，还是只覆盖 EU 学费部分？
  2. 2026 年 8 月 24 日是硬截止日，还是会因为滚动审核而提前关闭？
  3. 哪些 EHR 或联结观察性数据已经落实？还剩哪些审批或数据访问时间线？
  4. 是否会有统计、流行病学、计算机科学或临床医学方向的指定共同导师？
  5. 新方法、模拟研究、应用 EHR 分析和开源软件开发之间的预期比例是多少？

中优先级问题

  1. 高维 EHR 工作可使用什么安全计算环境？
  2. 第一年的结构化博士课程是否有必修或推荐模块？
  3. 到第二年或第三年，什么样的发表节奏更现实？
  4. 每年的会议与培训经费大致有多少？
  5. 当前是否有博士生或博士后在做相关的因果推断或健康数据方法工作？

证据与来源

核心机构与项目

排名、费用与生活成本

导师与论文

领域与政策背景

按研究方向和所在国家或地区整理，优先展示资助类型相近的机会。申请前请核对各项目的最新公告。

University of East Anglia · 英国

从大脑到生殖系：感知如何影响遗传传递的博士项目

符合UKRI资格并在ARIES竞争中成功者获学费、生活津贴与科研支持；国际奖项有限，获奖者国际／本地学费差额由注册大学减免。£21,805／年仅为2026/27参照；另有£2,500外部培训／差旅支持，未称按年。签证、IHS及搬迁费不覆盖；2027津贴和资助月数待确认。

2026-12-16（具体时刻请核对原始公告）

University of East Anglia · 英国

UEA进化遗传学博士：有性繁殖如何影响长期适应

项目列入NERC DLA资助候选；符合UKRI资格且遴选成功者获学费、生活津贴及科研费用；国际奖项有限，获奖者学费差额由注册大学豁免。£21,805/年为2026/27参照；另有£2,500培训/差旅/会议资源，支付节奏未明。优秀定量背景且环境科学经验有限者可能获额外3个月进阶课程津贴；签证、医疗附加费及迁居额外费不覆盖。资助月数及2027金额待确认。

2026-12-16（具体时刻请核对原始公告）