医学统计

系统学习下面目录：

上面的经典入门可以快速地过一遍，主要是对R有一个大致上的理解。

导论算是R比较经典的介绍性书目，也是只会看一下就可以了。

实践操作上可以通过第2版的R语言实战来进行。这本书是真的非常不错。讲解深入浅出，涉及的内容也非常丰富。非常推荐把第1-12章的内容仔细地看看并上手实践。

编程艺术里面涉及的例子更多，代码也更为复杂一点。因为更偏向于编程了，所以难度也大一些。建议对R具有一点的熟悉程度后再回过来看。

最后的两本是关于统计的。其实统计学才是应用R语言的根本。基本上我们本科以及研究生学的那点统计学是不够用的，特别是在现在这个大数据时代。大数据要求越来越多的复杂模型来处理统计问题，各种参数的调整，要是不知道它的意义，根本就无从下手，也不知道如何优化模型。所以要学好R语言，统计是无论如何也避开不了的。

关于提高工作效率以及代码的易写性

在上面的基础内容学完以后，建议系统地学习Tidyverse家族的各种包，确实是非常强大，能够极大地提高工作效率，而且写出来的代码具有极强的一致性。更重要的是，由于这个系列的包是Rstudio提供的，所以它的学习资源非常的丰富，去它的官网上可以读到最新更新的内容。这样就避开了很多老书上经常跑不出代码的问题。这一系列的书包括系统地讲解如何用R做数据分析，如何用ggplot2画图，等等。

进一步的加深学习

最后的最后是关于机器学习的。因为临床上面除了少量病例的队列研究外，在加入基因层面的测序数据后，或者以后有可能建立的多中心标本库，数据量上来以后是很适应做大数据分析的。这样就会涉及到机器学习的内容

特别强调的是，越往后学习以及编程，统计能力的瓶颈就会越明显，所以统计一定要好好学习。

R语言需要有一定的编程基础，可去视频网站或者微信公众号自学一些基础知识

可以买R语言的入门书，从初级开始。