9.4/Q1!Charls最新文章解读!

文章题目:Bidirectional transitions of sarcopenia states in older adults: The longitudinal evidence from CHARLS DOI:10.1002/jcsm.13541 中文标题:老年人肌肉减少症状态的双向转变:来自CHARLS的纵向证据 发表杂志:J Cachexia Sarcopenia Muscle 影响因子:1区,IF=9.4 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《J Cachexia Sarcopenia Muscle》(1区,IF=9.4)的文章。本研究旨在探讨肌肉减少症状态的潜在转变模式。 研究方法:该研究利用了具有全国代表性的调查——中国健康与养老纵向研究(CHARLS)的三波数据,并纳入了2011年至2015年期间根据亚洲肌肉减少症工作组2019标准(AWGS2019)至少有两次肌肉减少症状态评估的60岁及以上的社区居住个体。使用多阶段马尔可夫(MSM)模型研究了非肌肉减少症、可能的肌肉减少症、肌肉减少症和死亡之间的估计转变强度和概率。…

NHANES指标推荐:PLR!

文章题目:Association between platelet to lymphocyte ratio and depression and symptom severity among adults in the United States: A cross-sectional study DOI:10.1016/j.heliyon.2023.e20127 中文标题:美国成年人血小板与淋巴细胞比率与抑郁症及症状严重程度之间的关联:一项横断面研究 发表杂志:Heliyon 影响因子:1区,IF=3.4 发表时间:2023年9月…

高分严选,挑战7天一篇NHANES,Day 3-4!

进度汇报:数据下载+数据清洗。 Day2的时候我把所有的数据都下载好了, 现在就是数据清洗啦, 任何一个公开数据库最费时费力的就是数据清洗了 我打算用R来获取相关的数据。 获取的数据可以用来构建一个自己的数据库, 我换个指标,即换个指标、换个研究人群, 就又能有一篇新的文章。 在提取变量之前我们需要确定需要提取什么数据, 处理你重点关注的指标(X),和关注的疾病(抑郁,Y), 还有一些协变量(Z), 具体需要哪些协变量可以根据既往的文献中获得。 我就提取了:年龄、性别、种族、教育程度、婚姻状况、贫困收入比率、体重指数(BMI)、肾小球滤过率(eGFR)、睡眠持续时间、饮酒、吸烟状况、心血管疾病、高血压、糖尿病、高脂血症和抗抑郁药使用。 所以说,数据提取是公开数据库中最费时费力的, 但是有代码的话,也还好,毕竟一二区的文章也不是大风刮来的 使用代码提啊提,终于用了2天的时间搞完了 因为比如说高血压看起来只有是和否,但实际上定义有很多:目前正在口服降压药或血压大于140/90mmHg,其中血压值是由受过培训的人员连续测量三个血压读数,并计算这三个读数的血压平均值。那么也就意味着,需要提取更多的数据来综合组成这个协变量。 工程还是很浩大滴 只要数据清晰了,后面的一切都好说,没什么复杂和困难的, 重点就是选题(选择指标和idea)+数据提取 这就是我花了很多的时间进行初步检索确定目标期刊、选题的意义 千万不要一来就闷头开跑, 一起加油呀~明天见

医学科研能力变强,需要跨过的3座大山⛰️

医学生科研变优秀,必须要跨越的三座大山!(详细版看图片) 首先是掌握文献、理解课题 其次是独立分析和解决问题的能力 最后是建立对研究领域的整体视野和研究品味,能够辨别哪些问题值得研究。 相信大家不管是在读研究生/博士生,还是医院医生,深入了解医学行业后,已经对科研的重要性有所认知,医生的核心竞争力必然是科研,如果科研是短板,职业天花板会很有限。 当然,大家也无需焦虑,山也是慢慢形成山的,慢慢来比较快。 另外,每个人的职业规划不同,并不是每个医学生都要在科研道路上走到底,成为某领域专家。 前期我们无需给自己太大压力,先让自己入门,科研成果够用就行。 那么如何快速入门?这是一个科研小白很困扰的问题 真心建议大家学习Meta分析,因为Meta分析可以简单理解为文献的二次分析,难度相对较低,适合科研0基础学,至少不会因为太难而劝退。 其次你将锻炼到很多重要的科研基础能力,包括文献检索、文献筛选、医学统计分析、SCI写作、SCI选刊投稿流程…… 当你真正从0到1发表一篇Meta分析SCI后,就能迅速对医学科研学术语言有一个清晰的认知。 🎯 研一阶段:理解课题 大部分医学生在本科阶段从未接触过科研,研一是打开科研大门的第一步,进入一个陌生的领域,必定需要一个漫长的适应过程。 谁适应得快,谁的成长就快! 研一最重要的任务就是学会理解课题。接受导师的课题后,自己要主动查阅相关文献。 建议文献阅读的顺序为:中文综述 👉 英文综述 👉 高分文章+硕博论文 综述可以帮助我们了解研究内容的现状,高分文章中的新观念及技术可以做借鉴,在硕博论文中可以找到相关实验的具体步骤。 带着问题读文献,深刻理解课题的意义:1️⃣ 研究的目的是什么?2️⃣…

不断接收!科研应该是系统的、成熟的、轻松的、有明确路径的事~

课程内容今年以数据库挖掘为主,nhanes、gbd、charls等以及正在更新的热点课程为主~现在的情况是Gbd写一篇中一篇(不撞题情况),NHANES基本5分左右问题不大,MR投稿选刊需要多费心思(最近中的不少)接收+1! 2024.12.20师妹师弟部分课题组反馈 光速科研-第十六期开始倒计时~又一批师妹师弟将拥有光速攥写任意类型SCI论文的能力,在咱们这里,发几篇SCI成了常态~每月至少推出一门新课~直到把所有的科研类型全覆盖,再开发软件~

这才叫攻略嘛😭学生信不看这个亏大了!

什么是医学生信? 医学生物信息学是一个跨学科的领域,涉及医学、生物学、计算机科学等多个学科,旨在利用生物信息学的方法和工具,挖掘生物医学数据中的有用信息,为疾病诊断、治疗和预防提供新的思路和方法。 对于刚刚入门的小白来说,可能会觉得医学生信分析是一个复杂而繁琐的过程,时常挣扎在“曲折道路我走不完,前途光明我看不见”的痛苦之中。 但其实,当我们了解了医学生信分析的基本流程、掌握了基础的生信知识技能,轻松入门便可不再是幻想! 入门8步骤: 一、如何获取数据? 1. 公共数据库 数据特点:数据质量较高且经过严格审核。 2. 实验室生成数据 这些数据通常是通过高通量测序技术获得的,如RNA-Seq、ChIP-Seq、ATAC-Seq等。 数据特点:具有高度的特异性和实时性,但代价较高,耗时长。 3. 合作数据 通过与其他实验室或研究机构合作获得,能够弥补公共数据库和实验室生成数据的不足,为研究者提供更为全面和深入的数据支持。 数据特点:具有独特性和专属性。 4. 其他数据来源 研究项目:一些大型研究项目和合作计划也提供了丰富的生物信息数据,如Human Microbiome Project (HMP) 和1000 Genomes…

应季NHANES期刊推荐,6分+,本月发的多!

NHANES一定试试这个期刊,这个月发了小十篇!《Ecotoxicology and Environmental Safety》6.2分 本期解读的文章就来自于本刊,恭喜宁波李惠利医院团队!一起看看吧! ⭕️研究背景:溴化阻燃剂(BFRs)是一类持久性、生物累积性和有毒的有机污染物,广泛应用于各种工业和商业材料中。这些化学物质不仅在环境中普遍存在,而且对人体健康构成威胁。研究表明,BFRs暴露与血小板(PLT)水平升高有关,这可能增加血栓形成和心血管疾病的风险。尽管某些BFRs已被禁用或限制使用,但由于其持久性和累积性,人类仍将持续暴露于这些化学物质中。因此,研究BFRs对血小板水平的影响及其潜在的健康风险具有重要意义。 ⭕️研究方法 1. 数据来源与筛选: 2. 变量测量: 3. 协变量选择: 4. 描述性统计: 5. 相关性分析: 6. 加权线性回归分析: 7. 响应关系样条分析: 8. 亚组分析: 9. 加权加和位点数和回归(WQS)分析:…

4.1/Q2,Charls最新文章解读!

文章题目:Association between chronic pain and cognitive frailty among middle-aged and elderly individuals: evidence from the China Health and Retirement Longitudinal Study DOI:10.3389/fnagi.2024.1491120 中文标题:慢性疼痛与中老年人认知能力下降的关系:来自中国健康与养老纵向研究的证据 发表杂志:Front Aging…

NHANES指标推荐:AIP!

文章题目:Association between atherogenic index of plasma and post-stroke depression: a cross-sectional study DOI:10.1080/20008066.2024.2429266 中文标题:血浆动脉粥样硬化指数与卒中后抑郁症的关系:一项横断面研究 发表杂志:Eur J Psychotraumatol 影响因子:1区,IF=4.2 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《Eur J Psychotraumatol》(1区,IF=4.2)的文章。本研究旨在探讨血浆动脉粥样硬化指数(AIP)与卒中后抑郁症(PSD)之间的潜在关系,为PSD患者的预防和预后管理提供参考。 研究方法:采用横断面研究,研究对象为2005年至2018年全国健康与营养检查调查的参与者。纳入标准要求提供完整的AIP、卒中史和抑郁状况数据。采用加权逻辑回归模型和限制性三次样条(RCS)检验AIP与PSD之间的关联。通过亚组分析和交互作用分析,评估不同亚组之间AIP和PSD相关的稳定性。 Table&Figure 结果解读:最终纳入的32364名参与者中,482人被诊断患有PSD。在加权多因素logistic回归调整模型3中,作为连续变量的AIP与PSD风险呈正相关〔比值比(OR)=1.85,95%可信区间(CI):1.18,2.91;P…

1 27 28 29 30 31 218