文章题目:Associations of composite dietary antioxidant index with premature death and all-cause mortality: a cohort study DOI:10.1186/s12889-025-21748-x 中文标题:综合膳食抗氧化指数与过早死亡和全因死亡的关系:一项队列研究 发表杂志:BMC Public Health 影响因子:1区,IF=3.5 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《BMC Public Health》(1区,IF=3.5)的文章。本研究旨在探讨 CDAI 与过早死亡之间的关联。…
文章题目:The relationship between serum uric acid and accelerated aging in middle-aged and older adults: a prospective cohort study based on CHARLS DOI:10.1016/j.jnha.2025.100488 中文标题:血尿酸与中老年人加速衰老的关系:基于CHARLS的前瞻性队列研究 发表杂志:J Nutr…
文章题目:Association of serum creatinine-cystatin C ratio with all-cause, cardiovascular and cancer mortality in US adults: a nationwide cohort study DOI:10.1186/s12877-024-05546-5 中文标题:血清肌酐-胱抑素 C 比值与美国成年人全因、心血管和癌症死亡率的关系:一项全国性队列研究 发表杂志:BMC Geriatr 影响因子:2区,IF=3.4 发表时间:2024年11月…
至少省去摸索的一年时间,跟着线上师门光速入门科研、发表SCI~光速科研由北京协和博士团队领衔,以手把手带教、保姆式服务为准则,以帮助#光速科研线上师门 师妹师弟掌握光速攥写任意类型SCI为基础,同时不断产出热点课程,帮助师妹师弟发表更多SCI论文~光速科研线上师门 福利名额即将满额,先到先得~2025.3.01课题组反馈: 今晚(3.01日)第十八期第1节直播课~报名从速,提前准备~3月写文章,4月写第2~3篇~今年躺平或者发表更多论文~
进度汇报:自从确定了目标期刊后,我的任务主要集中在选题熟悉我们的师弟师妹们都知道我们一直给大家传递的理念是选题立意比实操更重要Idea比流程化的操作更重要没有好的立意和选题,文章质量肯定欠佳而且我有信心能顺利的完成后面所有的Table 和Figure我有信心通过“框架写作法”高效、光速的进行写作成稿 不管是MR还是NHANES还是GBD,方法学都是一样的也就是说,我只要准备了相关的代码从GBD数据库中下载了相关的数据,直接进去跑就可以啦这不就是和我们MR、NHANES思路一样嘛对的,实际上所有的公开数据库都是一样的获取数据、清洗数据是最复杂、费时费力的跑代码就是“易如反掌” 所以这两天我用了充分的时间进行选题本来想选“Heart Failure”,这种选题肯定被人做了避免撞车的情况,我换了个在数据库里面有这个病但是比较小众的病 随后我去精读了几篇基于GBD数据库的高分文献发现大部分的GBD文章的文章模式是类似的正如肠道菌群、中介、药靶MR等无非就是换了个疾病而已确实有些人就能发顶刊BMJ也能拿下基本在Q1、Q2左右,分还蛮不错的 通过文献的精读,大概整理了类似文章的结构–全球及地区水平疾病负担–国家水平疾病负担–全球疾病负担地图–不同性别和年龄的疾病负担对比–全球和地区水平的疾病负担与SDI相关性–国家水平的疾病负担与SDI相关性–疾病负担的危险因素分析 当然也有一些其他的文章模式,我们后面一步步挑战好的,今天的分享就到这里了!
进度汇报:完成图片和表格 数据已经清洗啦,现在要做的就是做出图片和表格。 在具体操作之前呢,肯定要去看文献啦! 明确需要跑出哪些结果, 模仿文献一步一步来就好啦! 经典NHANES文章有以下这些结果: Figure 1:流程图—–人群的数据来源过程 Table 1:基线资料表—–人群基本信息描述 Table 2:回归分析—–X与Y之间有无关系 Figure 2:RCS—-X与Y的剂量效应关系 Table 3:亚组分析—–敏感性分析 当然,我们也会看到有很多文章会有一些其他的处理, 比如加上了机器学习呀, 和孟德尔、Meta结合这种。 但本质上还是这个思路, 只不过在暴露的选择、分析方法上会有一些差异。 这就是NHANES文章的主要结果啦, 今日份挑战成功~大家的结果都跑出来了嘛!
为什么要做富集分析? 组学数据得到的差异基因或者物质非常多,面对海量数据我们无法做到挨个研究、逐一验证来把待研究现象的机制解析清楚。 通过富集分析我们可以把差异基因或者物质根据其功能进行归类,这样具有相似功能的基因或者物质就被放在一起,从而减少工作量,并可以实现功能和表型相关联。 生信常用4种富集分析方法 KEGG/GO富集分析在方法学上均属于过表达分析(Over Representation Analysis, ORA),是一种广泛使用的分析方法,用于确定已知的生物功能或过程是否在实验获得的差异表达基因(DEG) 列表中显著地过表达(或者富集)。 GO富集分析 基因本体(Gene Ontology, GO):从三个方面对基因的本质进行描述。 1. 细胞组分(cellular component, CC)基因产物所在的细胞内位置。如“细胞核”、“线粒体”。 2. 分子功能(molecular function, MF)描述分子的特定化学活性,如催化反应或结合分子的活性。例如“氧化还原酶活性”、“蛋白质结合”等。 3. 生物学过程(biological process, BP)描述基因参与的生物学过程,如细胞凋亡、DNA修复等。…
知名学术出版集团Springer Nature旗下刊物《神经外科评论》近期遭遇大量AI生成内容冲击,不得不大规模撤稿。据最新统计,该期刊已撤回129篇问题论文,其中以印度Saveetha大学相关稿件数量最多。值得注意的是,这所大学此前就因学术诚信问题被《Science》杂志点名批评。期刊出版负责人Sverre Klemp透露,针对AI生成内容的审查仍在持续,未来可能采取更严格的防范措施。 PART 01 撤稿理由 最新的撤稿声明指出:“主编决定撤回该文章。经过出版方的调查,发现包括本文在内的多篇评论文章在极短时间内提交,且存在明显迹象表明这些内容是由大型语言模型生成的,而作者并未对此进行说明。这些文章违反了期刊的编辑规定,因此被撤回。”根据撤稿观察网(Retraction Watch)的统计,被撤回的评论文章中,有87篇来自Saveetha大学的研究人员,其中35篇由Saveetha牙科学院和医院的两位研究者Hethesh Chellapandian和Sivakamavalli Jeyachandran撰写。 PART 02 作者的答复 Jeyachandran在邮件中表达了他对撤稿决定的不满。他认为,仅仅因为未公开使用LLM就撤回文章“令人困惑”。他表示:“撤稿通常是因为严重的学术不端行为,比如数据造假、抄袭或传播有害的错误信息,而不是因为流程上的疏忽。”Jeyachandran强调,被撤回的文章是评论性质,而非研究论文,且“没有数据造假、抄袭或违反期刊政策的情况。如果期刊仅仅因为未披露AI辅助就撤回文章,那么可接受与不可接受行为之间的界限将变得越来越模糊。” 《神经外科评论》的投稿指南中 包含了以下规定: 在撰写论文时,若使用了大型语言模型(LLM),必须在方法部分(若无方法部分,则在适当位置)进行明确说明。然而,若LLM或其他AI工具仅用于“辅助编辑和校对”,则无需特别声明。无论何种情况,作者需对最终版本的内容承担全部责任。 PART 03 印度Saveetha大学深陷学术风波 Saveetha大学及其牙科学院此前曾因引用堆Saveetha大学及其牙科学院曾因涉嫌引用堆砌行为而受到质疑。引用堆砌是指研究人员通过不必要的引用,包括自引,来人为提高学术指标。2023年调查报告发布后,该机构的撤稿数量显著上升。 注释:可以用作对正文的补充 2024年,Saveetha大学的研究人员被期刊撤回了至少80篇论文。到了2025年,《神经外科评论》的撤稿事件使得该校的撤稿总数攀升至90篇,而此时2025年才刚刚开始。同年1月,《定量科学研究》期刊发表的一篇论文指出,Saveetha大学被列为存在“可疑作者行为”的机构之一,其研究产出在2019年至2023年间翻了一番。 PART 04…
文章题目:Unveiling unexpected adverse events: post-marketing safety surveillance of gilteritinib and midostaurin from the FDA Adverse Event Reporting database DOI:10.1177/20420986241308089 中文标题:揭示意外不良事件:来自 FDA 不良事件报告数据库的吉利替尼和米哚妥林上市后安全性监测 发表杂志:Ther Adv Drug Saf 影响因子:2区,IF=3.4…