随着大数据时代到来,越来越多学科领域正在与统计学相结合。近年来,公共卫生领域成为统计学热门研究领域。在国家大力倡导“智慧医疗”的背景下,利用统计推断方法解决公共卫生领域中疾病数据分析问题是目前研究的热点。在公共卫生领域的常见疾病中,甲状腺结节是人群中发病率较高的疾病之一。针对甲状腺结节良恶性鉴别问题,本文建立了一种风险评分模型。我们用信息价值(information value)来筛选指标变量,用证据权重(weight of evidence)进行重编码,最后基于logistic回归模型来实现风险评分。此模型应用于真实的甲状腺结节超声诊断数据集,鉴别准确率达96.5%。此模型的优点在于不仅能提升超声诊断的准确性,还能实现对患者病情的风险评估。在公共卫生领域的食品安全问题中,由食品安全引发的食源性疾病是全球重大公共卫生问题之一。中国沿海省份浙江省是受其影响较严重的地区之一。本文应用相关性分析、空间自相关分析、时空扫描分析等时空推断方法,对浙江省食源性疾病数据进行了多维度特征挖掘。研究结论可为浙江省食源性疾病预防和控制提供数据支持。针对食源性疾病暴发预警问题,本文在贝叶斯层次模型理论基础上,建立了一套BHM-ARxy模型。我们首先用泊松分布嵌套混合高斯分布来拟合数据分布,再用0,1,2阶自回归模型的组合来对不同状态下的均值参数建模,接着用马尔科夫链模拟状态参数的生成机制,最后给定各层子模型的先验分布,利用MCMC方法得到暴发概率的后验预测分布。此模型应用于浙江省食源性疾病的真实监测数据集,通过DIC准则和AUC指标评估,结果表明BHM-AR01模型综合表现最优。