流行病学家面试问题：公共卫生机构和研究团队的实际评估内容
美国劳工统计局预计到2032年流行病学家就业增长27%——远快于所有职业的平均水平——推动因素包括传染病防范意识增强、慢性病负担加重以及数据科学在公共卫生决策中的作用日益扩大 [1]。中位薪资为$78,520，约有8,200名流行病学家在联邦机构（CDC、NIH）、州和地方卫生部门、医院和制药公司工作，一流机构的职位竞争激烈且在方法论上要求严格。
COVID-19大流行从根本上重塑了招聘经理对流行病学家的期望。州和地方流行病学家委员会（CSTE）发现，2020-2022年期间65%的州和地方卫生部门报告了流行病学能力的严重人力短缺，重建工作现在优先考虑既具备传统研究设计专长又具备现代数据科学能力的候选人 [2]。
核心要点
- 研究设计和方法论问题占大多数流行病学面试的40-50%——预计需要当场设计研究、为方法论选择辩护，以及识别假设场景中的偏倚。
- 统计软件技能被实际测试。 准备详细讨论SAS、R、Python或Stata的工作流程——指定软件包、函数和实际数据集的分析方法 [3]。
- 暴发调查方法论对应用流行病学岗位至关重要。 即使面试慢性病岗位，机构也期望具备基本的暴发响应能力。
- 准备3-5个详细的项目示例，能够讨论从假说形成到分析再到政策建议的全过程。
- 沟通能力与技术技能同等重要。 无法为非技术受众——立法者、社区领袖、记者——翻译发现的流行病学家在公共卫生领域的影响力有限。
技术和方法论问题
这些问题评估你的流行病学推理、研究设计能力和分析能力 [4]。
1. "设计一项研究来调查新的环境暴露是否与社区癌症风险增加有关。"
考察内容： 端到端研究设计思维。
框架： 精确定义研究问题 → 选择并论证研究设计（队列vs病例对照vs生态学研究） → 描述暴露评估策略 → 解释结局确认方法 → 识别潜在混杂因素 → 讨论样本量计算 → 概述分析计划 → 处理伦理考量。
2. "解释混杂和效应修饰的区别，并各举一个实际例子。"
考察内容： 基础概念清晰度 [4]。
框架： 混杂：第三个变量扭曲真实关联。效应修饰：暴露-结局关系在第三个变量的不同层中确实不同。关键区别：混杂是需要控制的偏倚；效应修饰是需要报告的真实现象。
3. "你收到大型活动中胃肠道疾病聚集的报告。请走一遍你的暴发调查流程。"
考察内容： 应用流行病学技能 [5]。
框架： 遵循CDC暴发调查步骤：验证诊断 → 确认暴发存在 → 建立病例定义 → 系统发现和计数病例 → 通过描述性流行病学生成假设 → 用分析流行病学检验假设 → 实施控制措施 → 沟通结果。
4. "你如何处理流行病学研究中的缺失数据？"
考察内容： 统计素养 [3]。
框架： 分类缺失数据机制（MCAR、MAR、MNAR） → 描述方法：多重插补、模式混合模型、逆概率加权 → 始终呈现敏感性分析。
5. "发病率和患病率的区别是什么？为什么选择对研究设计很重要？"
框架： 精确定义两个指标 → 解释数学关系（患病率 ≈ 发病率 × 持续时间） → 连接到研究设计：队列研究测量发病率，横断面研究测量患病率。
行为问题
6. "讲述一次你的流行病学分析产生了挑战现有公共卫生政策的结果。"
框架： 描述研究 → 解释挑战性发现 → 详述验证过程 → 描述与决策者的沟通 → 分享结果。
7. "描述一次你必须向非科学受众解释复杂流行病学发现的情况。"
考察内容： 科学传播技能 [6]。
8. "你如何处理与同事关于研究方法论的分歧？"
框架： 描述具体分歧 → 解释双方推理 → 讨论解决方式 → 展示学到的内容。
情景问题
9. "你被要求领导对一种初始数据有限的新型呼吸道病原体的流行病学响应。你如何规划前48小时？"
框架： 即时优先事项：激活监测系统 → 建立病例定义 → 开始病例发现和接触者追踪 → 估算基本再生数（R0）和序列间隔 → 表征临床谱 → 建立数据收集和报告工作流 → 与实验室协调 → 向决策者沟通初步发现并附适当不确定性说明 [5]。
10. "一个社区团体声称其社区存在癌症聚集并要求调查。你如何评估正式调查是否有依据？"
框架： 验证报告病例 → 确定数量是否超过预期率 → 评估是否为同一类型癌症 → 评估共同环境暴露的生物学合理性 → 与社区透明沟通 [5]。
11. "你在分析发表后发现数据集中的重大错误。你怎么做？"
框架： 验证错误 → 沟通（共同作者、期刊编辑、使用发现的机构） → 用更正数据重新运行分析 → 发布更正。
分析和软件技能
12. "你使用什么统计软件？请描述队列研究的典型分析工作流程。"
框架： 命名平台并解释原因 → 数据管理管线 → 描述性分析 → 建模策略 → 输出工作流 [3]。
13. "你如何在Logistic回归、Cox比例风险和Poisson回归之间选择？"
框架： Logistic → 二分类结局，比值比。Cox → 含删失的生存数据，风险比。Poisson → 计数结局，率比。
14. "你如何在观察性流行病学中进行因果推断？"
框架： 反事实框架和DAG → 基于DAG的混杂因素选择 → 方法：倾向性评分、逆概率加权、工具变量 → Bradford Hill标准 → 观察性数据的局限性 → 三角验证 [4]。
15. "你在流行病学中的地理空间分析经验是什么？"
框架： GIS经验 → 应用（疾病制图、SaTScan聚类检测、空间回归） → 地理编码挑战 → 具体示例。
你应该问面试官的问题
- "当前的监测基础设施是什么样的，团队面临的最大数据缺口是什么？"
- "流行病学团队如何与政策决策者互动？"
- "团队标准化使用哪些统计软件和数据管理平台？"
- "常规监测与研究者主导研究的平衡如何？"
常见问题
MPH与PhD对流行病学家职位有多重要？
取决于岗位。应用流行病学职位通常要求MPH作为最低学历，高级职位优先考虑PhD。研究职位通常要求PhD [2]。
我应该提及COVID-19经验吗？
当然，如果相关且能具体讨论。COVID-19应对经验展示了压力下的应用流行病学技能 [5]。
我应该掌握哪些编程语言？
SAS仍是联邦机构的标准。R越来越受期望。Python在数据工程方面有价值。Stata在学术流行病学中常见。至少展示两种的深入熟练度 [3]。
如何准备案例研究部分？
通过复习已发表的暴发调查报告（MMWR）、EIS会议摘要和CSTE案例研究来练习 [4]。
参考文献
[1] 美国劳工统计局，"流行病学家：职业前景手册"，2024。 [2] CSTE，"2023年流行病学劳动力评估"。 [3] ACM，"公共卫生中的统计计算"，2024。 [4] Rothman, Greenland和Lash，"现代流行病学"，第4版。 [5] CDC，"公共卫生实践中的流行病学原理"，第3版。 [6] APHA，"公共卫生专业人员核心能力"，2024。
