当我查看 Wikipedia 中的biostatistics条目时，与生物识别技术的关系对我来说似乎并不那么明显，因为从历史上看，生物识别技术更关注通过一些感兴趣的表型来表征个体，在群体遗传学中有大量应用（例如Fisher 的工作），而该学科的一部分现在专注于生物识别系统（根据 Boulgouris 等人的说法，生物识别系统的目标是“基于每个人固有的某些身体或行为特征识别或识别个人”）, 2010)。反正还是有Biometrika和Biometrics之类的评论; 尽管我不定期阅读后者，但大多数文章都侧重于“生物统计学”理论或应用工作。这同样适用于生物统计学。我所说的“生物统计学”应用是指它与生物医学领域相关的应用或模型有关，从广义上讲（生物学、健康科学、遗传学等）。

根据生物统计学百科全书（2005 年，第 2 版），

(...) 从上面的例子可以清楚地看出，生物统计学是以问题为导向的。它专门针对生物医学科学中出现的问题。生物统计学的方法是统计学的方法——针对观察变化的概念和在面对来自各种来源的变化时从观察中提取信息的方法，特别是来自生物体，特别是研究中的人类反应的变化。生物统计活动涵盖广泛的科学探究，从人类的基本结构和功能，到人类与环境的相互作用，包括环境毒性和卫生问题、健康促进和教育、疾病预防和治疗、

总而言之，我认为生物统计学是一个超家族——统计学——的一部分，并且共享其大部分方法，但具有更集中的兴趣领域（因此，历史背景、特定设计和一般理论框架) 和专用的建模策略。

引用 Kiyosi Itô (ed.) 的“数学百科全书”：

在许多应用领域中，存在专门针对各自领域开发的统计方法系统，尽管它们基本上都基于相同的统计推断的一般原则，但每个都有自己的特殊技术和程序。已经发明了特定的名称，例如生物识别学、计量经济学、心理计量学、技术计量学、社会计量学等。

作为一个从没有提供生物统计学专业的大学的统计系学习课程并与生物统计学家一起从事临床试验并阅读过许多生物统计学家撰写的论文的人，我可以提供一个特殊的观点。我将生物统计学视为将标准统计技术的子集应用于临床研究的领域。与应用于物理科学和工程学科的统计学相比，生物统计学更侧重于分类变量和逻辑回归。生物统计学倾向于寻求二元问题的答案，例如：1）这个主题是健康的还是生病的？或 2) 这种药物的利大于弊？它通常使用离散的自变量，例如受试者在研究结束时是活着还是死亡。这不是铁的区别，

我将从既不是统计学家也不是生物统计学家的角度来回答这个问题。相反，我存在于“流行病学方法”这个模糊的灰色地带。

正如其他海报所提到的，生物统计学是一门特别关注统计学的学科，因为它们适用于生物学问题——包括医学中出现的问题。虽然这看起来有点语义化，但它确实导致了一些事情，我认为它本身就是一个独特的实体，尽管这些都不是严格排他的：

• 对主题专业知识的依赖。无论是通过与主题专家的合作，还是只是长时间地研究同一个问题，生物统计学都涉及将统计方法与特定应用问题相结合。
• 一组常见且相当受限的研究设计。虽然异国情调的研究设计越来越容易被接受，但总的来说，该领​​域仍以队列、病例对照和临床试验设计为主。重点通常是估计分类暴露（给定药物，而不是给定药物......）和分类结果（死亡，没有死亡）。
• 普遍存在的缺失/错误分类/不良数据。
• 较少强调分类和预测。正如@Alexis 所提到的，因果推理和探索反事实的愿望对于生物统计学来说非常重要。虽然并非完全正确，但可以很好地预测但没有病因解释的东西并不那么有趣。例如，这在一定程度上限制了机器学习方法的渗透。