Day 4-5任务：核心图表与数据表 这两天的任务就是跑代码 解决在跑代码的过程中可能出现的各种问题 进而将核心的结果（Table Figure）给跑出来 这就是我这篇文章的最核心的内容 我最开始安装包的时候 整整安装了2个多小时 老是有各种各样的报错 这确实是做机器学习需要克服的最大的困难 其实对电脑的要求还是有一些的 我是i5-13+3050 跑的时候还行 全部跑完大概用了半个小时 当然也可能和我的数据集比较小有关系 Nhanes才多少点儿数据 我们通过R跑出来的图片基本都可以直接放在文章里面 这个ggplot2等包已经非常高级了 我们只需要跑出来、整理好 取一个合适的标题和Legends 机器学习非常有意思的地方在于， 以前发过文章的数据还能加上机器学习再发一篇 “旧数据发新文章” 核心的Figure出来了，这篇文章基本也就结束嘞…
最近DeepSeek大火，已经有人利用这热度发表医学SCI了！！！ 标题：Comparative analysis of AI tools for disseminating CPR guidelines:Implications for cardiac arrest education 这篇文章比较的是不同AI模型在传播心肺复苏指南能力，探讨其对心脏骤停教育的影响。 该文在一天内接收，并于2.3 online！ 首先要注意，这是一篇letter类型的SCI。是一种简短、快速发表的学术文章，通常用于报告最新的研究进展、重要的实验结果或对某个研究问题的简要讨论。 一般字数要求400-500字左右，主要看期刊要求。速度快的话1-2h便可以接收，尤其是编辑对话题很感兴趣，慢的话可能半年都有可能。 Letter是可以被索引到的。 其次，至于它的质量其实没必要去纠结，作为letter文章也可以理解，重要的是它在告诉我们一个信号——利用AI模型发表医学SCI文章或许会成为下一个风口？！ 在deepseek之前，其实已经有不少利用AI模型（如chatgpt, new bing, gemini等等）的文章通过review,…
宝子们，今天和大家分享一篇浙大二院发表的一篇关于应激性高血糖比率（SHR）与重症脑血管病患者死亡风险的研究。 ⭕️统计路线 数据来源与样本选择：研究数据来自MIMIC-IV数据库，共纳入2,461名脑血管疾病患者。 变量测量：收集了患者的年龄、性别、合并症、实验室检查结果、生命体征、疾病严重程度评分等信息。 SHR计算：SHR的计算公式为：[(入院血糖（mg/dL）)/(28.7 * HbA1c（%）− 46.7)]。 统计分析： 描述性统计：对连续变量和分类变量进行描述。 生存分析：采用Kaplan-Meier生存分析评估不同SHR组的死亡发生率。 Cox比例风险回归模型：构建了三个模型，分别未调整、部分调整和完全调整混杂因素，分析SHR与死亡风险的关联。 限制性立方样条（RCS）分析：用于评估SHR与死亡风险之间的关系是否为非线性。 ROC曲线和C指数：评估SHR对死亡风险的预测能力，并计算了IDI和NRI来评估SHR加入现有模型后的预测改进。 关键结果 SHR与死亡风险的关联：SHR每增加一个标准差，院内死亡风险增加35%，ICU死亡风险增加37%。当SHR超过0.77-0.79时，死亡风险显著增加。 亚组分析：在非糖尿病患者中，SHR与死亡风险的关联更为显著。此外，女性患者中SHR的预测价值更为突出。 预测能力的提升：将SHR加入现有的风险评分模型（如APSIII、SAPSII、OASIS和SOFA），AUC值均有显著提升，表明SHR能够增强模型对临床结果的预测能力。 ⭕️简要结论 SHR是重症脑血管病患者院内死亡的独立风险因素，且与死亡风险呈线性关系。将SHR纳入现有预测模型可以提高模型的预测性能，有助于临床医生识别高风险患者，以便进行更密切的监测或早期干预。 ⭕️思维分享 指标选择的重要性：本研究中，SHR作为一个新兴的指标，相较于传统的血糖测量方法，更能准确反映急性应激性高血糖状态。这提示我们在科研中，选择合适的指标对于研究结果的准确性和可靠性至关重要。 混杂因素的调整：在统计分析中，研究者通过构建不同的模型，逐步调整混杂因素，确保了结果的稳健性。这强调了合理控制混杂因素对于揭示变量之间真实关系的重要性。 预测模型的优化：通过将SHR加入现有模型，研究者成功提高了模型的预测能力。这表明不断探索和引入新的预测指标，对于优化现有预测模型具有重要意义。
我们每天的工作和使命就是指导和敦促师妹师弟学习科研、搞定科研~咱们坚持的意义，是让每一个医学生无痛、光速掌握基本科研能力，能达到可以发表SCI论文的水平。并将这个能力迁移到今后的课题申请、标书攥写、科普创作上去。也是满意度100%，成稿率100%的原因~经过十七期(400+天)验证的适用于任何医学相关学科的系统性科研解决方案2025.2.12课题组答疑反馈 我们每月限额招募的目的是为了做好服务，跟好进度，全力以赴教会每一个师妹师弟光速攥写 SCI 论文。确保跟进每一个师妹师弟的进度的同时，还能提供额外的更多的服务。
文章题目：The association of triglyceride-glucose and triglyceride-glucose related indices with the risk of heart disease in a national DOI：10.1186/s12933-025-02621-y 中文标题：全国人群甘油三酯-葡萄糖及甘油三酯-葡萄糖相关指标与心脏病风险的关系 发表杂志：Cardiovasc Diabetol 影响因子：1区，IF=8.5 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《Cardiovasc Diabetol》（1区，IF=8.5）的文章。旨在调查中国人和糖尿病或非糖尿病患者中甘油三酯-葡萄糖（TyG）及其相关指标与心脏病之间的关系。…
文章题目：Association between Estimated Small Dense Low-Density Lipoprotein-cholesterol (sdLDL-C) and Atherosclerotic Cardiovascular Disease Risk DOI：10.36660/abc.20240265 中文标题：估计小密度低密度脂蛋白胆固醇 (sdLDL-C) 与动脉粥样硬化心血管疾病风险之间的关联 发表杂志：Arq Bras Cardiol 影响因子：3区，IF=2.0 发表时间：2025年1月 今天给大家分享一篇在 2025年1月发表在《Arq Bras Cardiol》（3区，IF=2.0）的文章。本文旨在评估估计的 sdLDL-C（EsdLDL-C）与动脉粥样硬化心血管疾病（ASCVD）风险之间的关联。 研究方法：这项横断面研究共纳入了 2010 年至 2020 年期间来自韩国国家健康和营养检查调查 (KNHANES) 数据库的 12,192 名参与者。EsdLDL-C 的计算方法为 EsdLDL-C= LDL-C…
文章题目：Global, regional, and national disease burden attributable to high systolic blood pressure in youth and young adults: 2021 Global Burden of Disease Study analysis DOI：10.1186/s12916-025-03918-1…
挑战7天光速完成一篇药物靶向MR，Day 6-7!完成挑战！进度汇报：全文框架写作法写作+投稿准备（翻译+润色+选刊）本次的主要内容是完成写作和进行投稿 经过多轮的挑战，我发现写作是最简单的无非就是对结果的核心内容的展示摸透了“框架写作法”，基本预留2天就可以了1天用来完成初稿，1天进行修改、润色、投稿前的准备就是有点费时间，不过在科室偶尔闲下来的这种时间可以用来做这部分工作总结一下药物靶向MR通过药物与靶点特异性结合靶点可以通过eQTL、pQTL方法获得该靶点的GWAS数据获得了GWAS数据就可以来和我关注的表型（具体的疾病等）做MR分析和公定位分析 第1天：设定目标第2-3天：深入明确选题可行性第4-5天：寻找靶基因+跑代码+出图片第6-7天：写作+投稿 总而言之、言而总之，思路简单+核心代码就能轻松实现10+分，当然，因为现在很多的基础实验发布了很多的eQTL、pQTL的数据这也就意味着，选择并清洗其中的数据都可以写出文章 最近有一些师弟师妹们对meta、nhanes、肠道菌群MR都比较感兴趣其实我们有一整套的方案，一套光速出成果、发文章的方案：从文献阅读→选题→数据分析→论文框架→论文写作→方法学（双样本MR、药把、中介、多变量、肠道菌菌群、Meta、NAHNES、GBD。。。）为了高分，冲锋，一起加油呀！！
文章题目：Associations between self-reported sleep duration and incident cardiovascular diseases in a nationwide prospective cohort study of Chinese middle-aged and older adults DOI：10.3389/fcvm.2024.1474426 中文标题：中国中老年人全国前瞻性队列研究中自我报告睡眠时间与心血管疾病发病率的关系 发表杂志：Front Cardiovasc…
文章题目：Weight-adjusted-waist index: an innovative indicator of breast cancer hazard DOI：10.1186/s12905-024-03507-z 中文标题：体重调整腰围指数：乳腺癌风险的创新指标 发表杂志：BMC Womens Health 影响因子：2区，IF=2.4 发表时间：2024年12月 今天给大家分享一篇在 2024年12月发表在《BMC Womens Health》（2区，IF=2.4）的文章。本研究的主要目标是检查美国成年女性体重调整腰围指数 (WWI) 与乳腺癌 (BC) 之间的关联。 研究方法： 对 2011 年至 2018 年从 10,193 名国家健康和营养检查调查 (NHANES) 参与者收集的信息进行横断面评估。用腰围除以体重的平方根来计算 WWI。通过描述性统计来评估数据，以根据 BC 分组和 WWI 分组呈现数据分布，使用受试者工作特征曲线 (ROC) 来评估肥胖指标的应用价值，使用逻辑回归来反映 WWI 和 BC 患病率之间的关联，使用受限三次样条 (RCS) 和亚组分析森林图来可视化和补充关系。 Table&Figure 结果解读：本研究共纳入10193名受试者，其WWI范围为8.38～14.41，其中259人确诊为BC，结果显示各组受试者的基线特征存在显著差异。WWI的曲线下面积（AUC）值（95%可信区间）（CI）为0.611（0.577～0.644），与腰围（WC）、体质指数（BMI）或腰围身高比（WHtR）相比，WWI是具有良好应用价值的BC指标。WWI与BC之间存在显著相关性，比值比（OR）为1.54，95%可信区间（CI）为（1.34，1.79），经逻辑回归分析后仍为1.19（1.00，1.42）。与 WWI 最低四分位数相比，最高四分位数患 BC 的概率高出 62%。RCS 的倒 U 形凸显了考虑关系的非线性性质的重要性，亚组分析反映了人群之间的差异，所有结果都表明 WWI 是 BC 风险的良好暗示指标。 结论：本研究揭示了BC 患病率与 WWI 之间存在有意义的关联，这种关联优于其他肥胖指标，尽管这种关联比最初得出的正相关关系更为复杂。在 WWI 时，BC 患病率存在一个转折点，约为 12 cm/√kg。尽管如此，将 WWI 保持在较低范围内对于预防和控制 BC 以及最大限度地降低疾病风险至关重要。 大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！