1.第一段–文章基本信息 文章题目：Hypertension and NAFLD risk: Insights from the NHANES 2017-2018 and Mendelian randomization analyses 中文标题：高血压和NAFLD 风险：来自 NHANES 2017-2018 和孟德尔随机化分析的见解 发表杂志：Chinese Medical Journal 影响因子：1区，IF= 7.5 发表时间：2024年2月 2.第二段–研究思路 本研究思路 本文通过结合美国国家健康与营养调查（NHANES）2017-2018数据和孟德尔随机化（Mendelian…
文章题目：Advanced lung cancer inflammation index and its predictive value for all-cause and cardiovascular mortality among osteoarthritis patients: a NHANES-based study from 2001 to 2018 中文标题：高级肺癌炎症指数及其对骨关节炎患者全因和心血管死亡率的预测价值：一项基于NHANES 的 2001 年至 2018 年研究…
1.第一段–文章基本信息 文章题目：Artificial Intelligence-Driven Biological Age Prediction Model Using Comprehensive Health Checkup Data: Development and Validation Study 中文标题：人工智能驱动的生物年龄预测模型：基于综合健康检查数据的发展与验证研究 发表杂志：JMIR Aging 影响因子：1区，IF= 5.0 发表时间：2025年4月 2.第二段–研究思路 本研究思路 本文旨在开发和验证一种基于人工智能的生物年龄预测模型，利用全面健康体检数据来预测生物年龄并评估其临床相关性。研究使用了韩国首尔国立大学医院江南中心的健康体检数据（H-PEACE队列）以及韩国基因组与流行病学研究（KoGES）的数据，纳入了27个临床因素，包括人口统计学特征、血液检查结果和人体测量学指标。研究采用多种机器学习算法（如线性回归、随机森林、梯度提升等）构建模型，并通过调整后的R²和均方误差（MSE）评估模型性能。结果显示，梯度提升模型表现最佳，其MSE为4.219，R²为0.967。通过SHAP分析，研究识别出肾功能指标、性别、糖化血红蛋水平、肝功能指标和人体测量学指标是生物年龄的重要预测因子。此外，研究还发现预测的生物年龄与代谢状态、体成分、脂肪肝、吸烟状态和肺功能等临床因素有显著关联。该研究为个性化健康管理提供了有价值的工具，并展示了生物年龄预测模型在临床实践中的潜在应用价值。…
第一段–文章基本信息 文章题目：Efficacy and safety of robot-assisted laparoscopic myomectomy versus laparoscopic myomectomy: a systematic evaluation and meta-analysis 中文标题：机器人辅助腹腔镜子宫肌瘤切除术与腹腔镜子宫肌瘤切除术的疗效和安全性：系统评价和荟萃分析 发表杂志：World J Surg Oncol 影响因子：1区，IF=2.5 发表时间：2023年6月 第二段–本文创新点和科研启发 本文创新点和科研启发…
第一段–文章基本信息 文章题目：Maternal smoking in pregnancy and blood pressure during childhood and adolescence: a meta-analysis 中文标题：孕期母亲吸烟和儿童期和青少年期血压的荟萃分析 发表杂志：Eur J Pediatr 影响因子：1区，IF=3.0 发表时间：2023年5月 第二段–本文创新点和科研启发 本文创新点和科研启发 孕期吸烟与儿童及青少年血压的显著关联：孕期吸烟显著增加了儿童和青少年期血压升高的风险。荟萃分析结果显示，孕期吸烟的儿童和青少年的收缩压（SBP）平均高出2.2 mmHg（95% CI：1.4-3.0…
第一段–文章基本信息 文章题目：Efficacy and Safety in Proton Therapy and Photon Therapy for Patients With Esophageal Cancer: A Meta-Analysis 中文标题：质子治疗和光子治疗食管癌患者的疗效和安全性：荟萃分析 发表杂志：JAMA Netw Open 影响因子：1区，IF=10.5 发表时间：2023年8月 第二段–本文创新点和科研启发 本文创新点和科研启发…
🔍什么是回顾性队列研究？简单来说，就是“翻旧账找规律”通过收集过去某段时间内不同暴露组人群的健康数据追踪他们后续的结局分析暴露因素和结局之间的关系 💡 超实用案例之前有个研究超火🔥研究者从某城市医保系统调出 10 年数据把人群分为 “常吃外卖组” 和 “自己做饭组”追踪他们的肥胖率结果发现，外卖组肥胖风险比自己做饭组高 40%！这就是典型的回顾性队列研究～ 科研小白也能懂 回顾性队列研究 保姆级解析 用「历史数据」追「过去的人」，找暴露因素与结局的关系。 为什么选回顾性队列研究？ 优势 劣势 1. 数据现成，省时省钱 1. 数据质量依赖原始记录 2. 适合长期伏期疾病研究 2. 无法主动控制混杂因素 3.…
MIMIC数据库 1、MIMIC数据库是什么？ MIMIC数据库是由麻省理工学院计算生理学实验室开发的重症监护医学数据库，收录了超过6万次住院的详细数据。该数据库包含人口统计学、生命体征、实验室检测数据等多维信息，是研究危重症患者的宝贵资源。 2、结合机器学习研究思路 ① 预后预测模型： 综合患者的生命体征、实验室检查、用药和治疗，对患者的不良预后发生风险（死亡、并发症等）进行预测。 例如：构建随机森林、XGBoost、支持向量机等机器学习模型对脓毒症相关急性肾损伤患者7、14、28天的全因死亡风险急性性预测，并结合本地医院数据进行外部验证。 Construction and validation of prognostic models in critically ill patients with sepsis-associated acute kidney injury: interpretable machine…
第一段–文章基本信息 文章题目： Impact of Baseline Disease Activity and Trial Duration on Efficacy of Biologics in Active Crohn’s Disease: Meta-analysis 中文标题：基线疾病活动和试验持续时间对活动性克罗恩病生物制剂疗效的影响：荟萃分析 发表杂志： Inflamm Bowel Dis 影响因子：1区，IF=4.5 发表时间：2023年12月 第二段–本文创新点和科研启发…
第一段–文章基本信息 文章题目： The efficacy of exogenous melatonin supplement in ameliorating irritable bowel syndrome severity: A meta-analysis of randomized controlled trials 中文标题：外源性褪黑激素补充剂改善肠易激综合征严重程度的疗效：随机对照试验的荟萃分析 发表杂志： J Formos Med Assoc 影响因子：1区，IF=2.6…