3.4/Q2,Charls指标推荐:AIP!

文章题目:Atherogenic index of plasma and obesity-related risk of stroke in middle-aged and older Chinese adults: a national prospective cohort study DOI:10.1186/s13098-024-01481-y 中文标题:中国中老年人血浆动脉粥样硬化指数与肥胖相关卒中风险:全国前瞻性队列研究 发表杂志:Diabetol Metab Syndr…

5.1/Q1!哈尔滨医科大学运用NHANES研究表明:咖啡的摄入宜早不宜晚!

文章题目:The association between the amount and timing of coffee consumption with chronic kidney disease in diabetic patients DOI:10.1039/d4fo02777a 中文标题:咖啡摄入量和时间与糖尿病患者慢性肾脏病之间的关系 发表杂志:Food Funct 影响因子:1区,IF=5.1 发表时间:2024年10月 今天给大家分享一篇在 2024年10月发表在《Food Funct》(1区,IF=5.1)的文章。本文这项研究旨在利用国家健康和营养检查调查 (NHANES)…

3.5/Q2,Charls最新文章解读!

文章题目:Association Between Cognitive Frailty and Depression: A Prospective Cohort Study of Adults Aged 45 Years and Older in China DOI:10.2147/CIA.S484352 中文标题:认知脆弱与抑郁症之间的关联:一项针对中国 45 岁及以上成年人的前瞻性队列研究 发表杂志:Clin Interv Aging 影响因子:2区,IF=3.5…

NHANES指标推荐:HRR!

文章题目:Hemoglobin-to-red blood cell distribution width ratio is negatively associated with stroke: a cross-sectional study from NHANES DOI:10.1038/s41598-024-79520-x 中文标题:血红蛋白与红细胞分布宽度比与中风呈负相关:NHANES 的一项横断面研究 发表杂志:Sci Rep 影响因子:1区,IF=3.8 发表时间:2024年11月 今天给大家分享一篇在 2024年11月发表在《Sci Rep》(1区,IF=3.8)的文章。本研究旨在探讨血红蛋白与红细胞分布宽度比 (HRR) 与中风之间的关联。 研究方法:这项横断面研究是在拥有 2005-2018 年国家健康和营养检查调查 (NHANES) 中血红蛋白-红细胞分布宽度比 (HRR) 和中风完整数据的成年人中进行的。HRR 的计算方法是将血红蛋白 (HGB) 以克/分升 (g/dL) 为单位除以红细胞分布宽度 (RDW)。采用加权多变量逻辑回归和广义加性模型来研究 HRR 与中风之间的独立和非线性关系。使用两部分线性回归模型评估阈值效应。此外,还进行了亚组分析和相互作用检验。…

4.4/Q1,FAERS数据库最新文章解读!

文章题目:A pharmacovigilance study of the association between proton pump inhibitors and tumor adverse events based on the FDA adverse event reporting system database DOI:10.3389/fphar.2024.1524903 中文标题:基于FDA不良事件报告系统数据库的质子泵抑制剂与肿瘤不良事件关联性药物警戒研究…

医学生速看:挑战5天一篇Meta分析,第5天,圆满收官!

Day 5主要任务:完成写作,拟投稿 我们今天主要完成了introduction、discussion、利益冲突、作者贡献等模板化内容写作,还进行了语言的润色挑战了这么多次,其实Discussion的部分是最难写的不过框架写作法的理念让我们可以快速成文,嘿嘿我们还有工具能够快速找到参考文献、高效润色满满的成就感!1篇SCI,轻松拿下!我可以,师弟师妹们,你也可以!简单回顾一下整篇文章的成文流程: 初步检索→确定选题→文献筛选→数据分析与图表制作→框架写作法写作 以上步骤基本就是一篇Meta分析的基础流程啦!有idea的师弟师妹们可以对照着我这几天分享的Meta研究思路完成一篇自己的meta分析论文哦!只要有好的idea、按照PRISMA checklist一步一步来一定能够顺利完成一篇高质量的Meta分析论文! PROSPERO 的注册一般需要2周左右,等拿到编号就去投稿顺便还能再修改修改 学无止境,多多获取信息、并且将其与本行业的研究联系起来说不定就是一篇顶刊呢不断学习、不断进步,一起加油!

冲刺一区!挑战7天一篇GBD,day6-7!

进度汇报: 近两日的重点任务是完成全文的撰写以及投稿的准备工作 这两天的挑战核心在于写作的完成与投稿流程–翻译、润色、选刊 写作本身,其实是整个过程中相对简单的环节 一旦选题确定,我就在写材料的内容 这部分内容基本是一样的 内容的构建与MR差别不大 唯一的差异可能在于GWAS(全基因组关联研究)数据的来源 利用GBD数据库进行数据挖掘的方法学同样具有一定的相似性 我们的观点是方法学的内容永远是最简单的 在两天的时间内,我将完成初稿的撰写、文献的整合以及模板化内容的创作 时间绰绰有余 我就专注于“框架写作法”进行初稿的写作 就是对文章进行润色、投稿,并按照目标杂志准备投稿 然后给大boss看看 写文章、做科研都离不开时间的积累 在上班期间可以挤出一些小时间完善这部分的工作完全OK 简单总结一下本次GBD的挑战: 从GBD数据库下载某个疾病的相关数据 通过代码跑出相关图片、表格进行不同层面的可视化展示 “框架写作法”进行写作,2天时间戳戳有余 1天时间完成初稿、添加文献、模板化内容写作 1天时间进行润色、投稿 文章都是靠时间堆积出来的,科研都是靠时间堆积起来的 在上班期间可以挤出一些小时间完善这部分的工作完全OK…

2024全年医学人什么类型文章发的多?

首先在此祝大家2025新年愉快!🎊🎊 新的一年心想事成,paper必发!💪💪 不做实验就能发文章的类型是绝大多数医学科研入门者绕不开的选项,毕竟时间、投入、性价比都是货真价实的考虑维度,小编今天不作思路拆解,为大家汇总了一下几大不做实验的方向(类型)在2024年整个年度在Pubmed上线的篇数,大家可作参考 🙌毫无悬念,Meta分析断层领先,NHANES、GBD紧随其后,而MIMIC异军突起,SEER则长期稳步前行。 🔥如果你也想学习这些研究类型发文章@统计之光(医学SCI指导) 🤔这样的结果相信大家与小编的判断基本一样,那么,Meta分析是否出乎你的预料呢❓❓欢迎互动🤗🤗 本号长期更新医学SCI思维拆解、动态分享前沿发文技能,欢迎大家的支持 !

小医生科研日常🙇跟着新英格兰学预测模型

哈喽,各位医学er们,今天小光继续和大家分享我读过的临床研究文献——一篇2016年发表在NEJM上的预测模型文章。 该文思路非常清晰,如果你正在学习临床预测模型,这篇是很好的学习典范!👇👇 文章题目:sFlt-1:PLGF比值对妊娠妇女子痫前期的预测价值。 研究的人群是妊娠期妇女,结局是发生子痫前期、子痫或HELLP综合征,预测因子是sFlt-1:PLGF比值。 下面我们从文章图表详细看看这篇文章。 图一:Flowchart 流程图这篇文章的第一张图是flowchart流程图。SCI非常看重流程图,因为你需要告诉审稿人,现在的分析数据是怎么来的,去掉了那些数据,用了那些数据,这样做不会带来偏倚等等。 一共入组了1273名妇女,最后进入分析的是1050人。接下来,作者将数据分成了2部分,一部分500人,用来建模development cohort,另外的一部分550人来做内部验证validation cohort。可以看出接下来的文章将会围绕建模和验证两部分来写。 表一:研究人群描述 在流程图之后,接着就是Table 1研究人群描述。在这里,作者非常好地保持了分析思路的一致性,分别展示了建模人群和验证人群的基线资料,以结局事件的发生与否分别展示了基线情况。 这个表很完整地告诉了读者建模和验证人群基线的一致程度。这种呈现方式很值得学习。🌟 图二:X的分布情况 表二图三:ROC曲线和结果 以上就是文章的全部图表和主要结论啦。 在小光看来,这篇文章的一个亮点在于创新性地提出了两个指标的比值,而非某单一指标来作为研究因素。 总结来说,全文思路清晰,值得下载来精读,尤其是想要学习临床预测模型的小伙伴,就更不要错过啦。 最后,想在2025学习临床研究,发表一篇SCI的医生/医学生们,别再闭门造车啦,找个专业老师带你学更高效!比如统计之光的临床研究——一对一指导,全程陪跑,效率直接拉满! 对于临床数据或者有条件收集数据的,来统计之光,老师手把手指导,让你更加科学地利用数据,不浪费自己苦苦收集的数据。 如果你不想收集数据,那可以选择挖掘临床公共数据库!这也是很多没背景、没资源的医生/医学生常常选择的发文方式! 宝藏数据库有:📌MIMIC数据库,适合全科📌SEER数据库挖掘,适合癌症📌NHANES数据库挖掘,适合全科📌MIMIC数据库挖掘,适合重症研究

1 9 10 11 12 13 217