01
招生要求
香港大学研究生院针对2026/27学年入学申请设定以下标准：
1. 学位资格
- 四年制博士项目：持有学士学位一级荣誉（或同等学历），或持有荣誉学士学位及硕士学位（或同等学历）
- 三年制博士项目：持有荣誉学士学位及研究型硕士学位（或同等学历）
2. 标准化考试
-GRE或GMAT成绩（五年内有效）
-GRE机构代码：2482
3. 英语能力
-非英语授课院校毕业生须提交：
-TOEFL iBT ≥ 85分（机构代码：9671）
-或IELTS Academic总分≥6.5，单项≥6.0
4. 申请材料
-在线申请表
-本科及研究生成绩单与学位证书
-研究计划书（PhD建议1500-2500词）
-两封学术推荐信（由推荐人直接提交）
5. 申请时间
- 主轮：2025年9月1日至12月1日（香港时间23:59）
- 第一轮补录：2025年12月2日至2026年4月30日
- 第二轮补录：2026年5月1日至8月31日
6. 奖学金资助
- Postgraduate Scholarship (PGS)：每月HK$19,135（确认候选人资格后提升至HK$19,655）
- Hong Kong PhD Fellowship Scheme (HKPFS)：每月HK$28,400，另加每年HK$14,200会议及研究差旅津贴
- HKU Presidential PhD Scholarship (HKU-PS)：首年最高约HK$439,500，后续每年最高约HK$422,000，含学费豁免、现金奖励及首年住宿保障
02
研究方向
Dr. Ni Yanyan现任香港大学公共卫生学院社会医学与公共卫生实践学系助理教授（研究）。其学术背景涵盖：
- 本科：公共卫生学士
- 硕士：流行病学与医学统计硕士
- 博士：伦敦大学学院（UCL）全球健康博士（2018年）
- 博士后：UCL及华威大学（英国）
Dr. Ni的研究具有显著的跨学科特征，整合心理学、儿童发展、流行病学与公共卫生领域。核心研究议题包括：
1. 早产的生命周期健康后果
-极早产（extremely preterm birth）人群的神经发育轨迹
-成年期社交功能、精神健康及生活质量评估
-参与EPICure研究（英国医学研究委员会资助）、RECAP Preterm项目（欧盟Horizon 2020资助）及Bavarian Longitudinal Study（德国联邦教育科研部资助）
2. 童年经历与心理健康
- 不良童年经历（Adverse Childhood Experiences, ACEs）的流行病学调查
- 积极童年经历（Positive Childhood Experiences）的保护性作用
- 中国青少年儿童虐待经历研究（发表于Journal of Interpersonal Violence）
3. 队列研究方法学
- 大规模人群队列追踪（FAMILY Cohort，香港）
- 个体参与者数据Meta分析（Individual Participant Data Meta-analysis）
- 生命历程流行病学（Life Course Epidemiology）方法应用
代表性学术成果发表于Pediatrics（IF=7.124，儿科领域排名第4）、JAMA Pediatrics（IF=16.193，儿科领域排名第1）、Archives of Disease in Childhood - Fetal and Neonatal Edition（IF=5.747）及Journal of the American Academy of Child and Adolescent Psychiatry（IF=8.829）等期刊。
03
有想法
基于Dr. Ni的研究专长与现有项目基础，以下研究构想具备可行性与创新性：
构想一：早产人群成年期代谢-精神健康共病轨迹研究
利用EPICure队列1995年与2006年两个出生队列的纵向数据，构建极早产者从青春期至成年早期的代谢指标（BMI、血压、血糖）与抑郁/焦虑症状的联合发展轨迹。采用潜类别增长模型（Latent Class Growth Modelling）识别不同轨迹亚组，并分析围产期因素（如宫内生长受限、产后糖皮质激素暴露）与童年期社会环境的预测作用。该研究可填补早产者代谢综合征与精神障碍共病机制的研究空白。
构想二：香港FAMILY队列中童年逆境的代际传递效应研究
基于FAMILY Cohort的多代家庭数据，检验父母童年不良经历（通过回顾性量表测量）与子女神经发育结局（如执行功能、情绪调节能力）的关联。引入表观遗传学中介变量（如DNA甲基化标志物）及家庭功能调节变量，构建结构方程模型解析"童年逆境-生物学嵌入-子代发育"的传递路径。该研究对制定针对性的家庭干预策略具有直接指导价值。
构想三：极早产者健康相关生活质量预测模型的机器学习构建
整合EPICure研究中的围产期临床变量（胎龄、出生体重、Apgar评分）、童年期神经发育评估数据及成年期HRQoL（SF-36量表）结局，采用随机森林或梯度提升算法开发预测模型。通过SHAP值解释模型特征重要性，识别可干预的预测因子。该研究可为临床早期识别高风险个体、优化随访资源配置提供决策支持工具。
构想四：COVID-19大流行对早产儿随访服务可及性的影响评估
利用RECAP Preterm项目的国际多中心数据，比较疫情前后不同国家/地区极早产儿随访完成率、发育筛查实施率的变化。采用差异中的差异（Difference-in-Differences）设计评估疫情对医疗服务利用的因果效应，并分析远程医疗替代方案的有效性。该研究对完善突发公共卫生事件下的脆弱人群医疗保障政策具有现实意义。
