文章题目：Comparison of logistic regression and machine learning methods for predicting depression risks among disabled elderly individuals: results from the China Health and Retirement Longitudinal Study…
文章题目：Predictive effects of advanced lung cancer inflammation index and serum vitamin D on mortality in patients with asthma DOI：10.1186/s12937-024-01065-6 中文标题：晚期肺癌炎症指数及血清维生素D对哮喘患者死亡率的预测作用 发表杂志：Nutr J 影响因子：1区，IF=4.4 发表时间：2025年2月 今天给大家分享一篇在 2025年2月发表在《Nutr…
文章题目：Global, regional and national trends in incidence and mortality of pertussis from 1990 to 2021 and the comparison before and during COVID-19: A modelling analysis…
进度汇报：完成Table和Figure。 经过数据的整理，接下来的任务是制作Table和Figure。在开始具体操作之前，我再次翻阅了相关文献，以模仿文献的思路来进行操作。NHANES文章的常规流程通常包括以下几个步骤，当然，也会有一些文章采用了其他处理方法，比如机器学习，但本质上还是一样的思路，只不过在数据的选择和分析方法上会有一些差异。在刚开始的时候，我们可以先学会最简单的思路，之后再逐步学习和挑战其他方法。 Figure 1：研究人群的数据来源过程。这个图表简要说明了我们筛选数据的流程，比如在2013-2014年，总共有10175例数据，根据我的纳入条件进行筛选和排除，最终纳入1900人。这是数据筛选和清洗流程的可视化呈现。 Table 1：基线资料表。这个表格用于比较不同人群之间的基线资料差异，例如抑郁组和非抑郁组，以描述人群的基本信息。在这个表格中，我们会列出不同变量的连续或分类数据，并进行t-检验或卡方检验等统计分析。 Table 2：回归分析表。通过构建不同的回归模型，评估暴露和结局之间的关系是否稳健。这包括了三个不同的模型，分别是 Crude Model、Model I 和 Model II。在这些模型中，我们会纳入不同的协变量，例如人口统计学信息和疾病情况，以评估其对结果的影响。 Figure 2：限制性立方样条（RCS）结果图。通过RCS曲线的呈现，展示了X和Y之间的剂量效应关系。这种图表非常直观地展示了线性和非线性关系，并且通过检验P for non-linear是否小于0.05来判断是否存在非线性关系。 Table 3：亚组分析表。这个表格用于评估X与Y的关系是否在不同的亚组中存在差异。通过在不同的组别（如性别、年龄、特定疾病）中进行分析，我们可以观察到X与Y的关系是否依然稳健存在，以及在不同组别中是否存在差异。 这些Table和Figure是NHANES文章的主要结果展示方式。由于数据已经整理好，后续的分析工作实际上相对简单。选题和数据的整理才是最费时间的部分，也容易让人浮躁，但只要方向正确，就一定能够获得成果。 今天的挑战圆满成功，继续加油！
文章题目：Joint association of triglyceride glucose index (TyG) and a body shape index (ABSI) with stroke incidence: a nationwide prospective cohort study DOI：10.1186/s12933-024-02569-5 中文标题：甘油三酯葡萄糖指数 (TyG) 和体形指数 (ABSI) 与卒中发病率的联合关联：一项全国性前瞻性队列研究 发表杂志：Cardiovasc Diabetol…
文章题目：Joint association of the inflammatory marker and cardiovascular-kidney-metabolic syndrome stages with all-cause and cardiovascular disease mortality: a national prospective study DOI：10.1186/s12889-024-21131-2 中文标题：炎症标志物和心血管-肾脏-代谢综合征分期与全因和心血管疾病死亡率的联合关联：一项全国前瞻性研究 发表杂志：BMC Public Health…
文章题目：Age-stratified analysis of adverse event signals for clarithromycin: a disproportionality analysis using the FDA Adverse Event Reporting System DOI：10.1177/20420986241311231 中文标题：克拉霉素不良事件信号的年龄分层分析：使用 FDA 不良事件报告系统进行不成比例分析 发表杂志：Ther Adv Drug Saf 影响因子：2区，IF=3.4…
学过的都说好哈哈~ 光速科研～课程满意度100%，学员持续产出文章~好评不断咱们团队几乎全年无休，争分夺秒带大家解决科研上的问题，做GBD的配图，charls数据库的开发，多组学的开发，帮助师妹整理一区的思路，也收到了许多对咱们团队的祝福，我们会继续加油~2025.2.18师妹师弟部分反馈: 第十八期开放报名中名额有限，先到先得近期经常有咨询的师妹师弟问我们会不会跑路？我想说的是第一期的师妹师弟也有问这个问题的，选择相信我们光速科研团队的都发表SCI了，同时已经接收400+天的持续服务啦~我们会持续优化我们的课程体系，增加服务内容，让光速科研团队成为医学科研培训（服务）的正规军~持续为咱们的师妹师弟提供优质的科研服务~
期刊推荐虽迟但到！今天推荐一本专门研究神经疾病流行病学的SCI期刊——Neuroepidemiology ⭕总体评价 NEUROEPIDEMIOLOGY是一本相对成熟的期刊，从2015年获得第一个影响因子开始，影响因子基本上逐年稳定上涨，整体影响因子比较稳定，是一本不错的期刊。 ⭕接收文章范围 有关神经系统疾病的病因、决定因素、分布、管理和预防的新见解的文章。 ⭕接收文章类型 原始研究文章、Meta、评论、特别感兴趣的系统评价、信件和方案类型的方法论文。 ⭕审稿时间 期刊官网显示首次决定时间为21天 🎉今天要分享的学员就是做的Meta分析最终成功发表在这本期刊上 ✔接收期刊：Neuroepidemiology 📉IF=3.2；中科院3区SCI 📍发文方法：Meta分析
今天给大家介绍一篇比较中规中矩的临床预测模型类文章：列线图预测低级别子宫内膜间质肉瘤患者的预后。👇👇 A nomogram for predicting overall survival in patients with low-grade endometrial stromal sarcoma:A population-based analysis 该文章是SEER数据库+临床预测模型的结合文章，无需自己收集数据，纯纯“空手套白狼”。 该文发文虽然有些早，但是文章结构完整、逻辑清晰、使用的方法也很常见。到现在也是一篇不过时的值得借鉴的文章，尤其是对于刚开始学习临床预测模型的同学来说。 作者从SEER数据库获取病例资料，先用一张table展示患者的基本信息。 然后就是划分数据，使用多种方法筛选变量，建立最终的模型。 并且使用多种指标评价模型。 并且与现存的其他模型进行比较，凸显自己模型的优秀之处。 最后是根据列线图计算患者得分，并进行危险分层，做log-rank检验，绘制K-M生存曲线。 患者选择 从SEER数据库获取1172例患者…