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。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。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、选题的意义千万不要一来就闷头开跑， 一起加油呀~

Meta分析的操作是流程是模板化的，根据PRISMA Checklist要求一步一步逐渐操作就好啦！！Meta分析的挑战相对来说是比较简单的，Meta分析的流程是固定的，只要按照标准操作来，一定可以挑战成功！ 在具体实操之前，我先去PROSPERO上面进行注册，获得注册编号（QS：这个编号很重要哦，一些高分杂志投稿时基本都要提供这个编号，但不一定是必须的）。用自己的邮箱进行注册，依次完成里面的一些“提问”和40个“正式答题”，答题完毕并确认无误后，提交注册，审查时间为10天~3个月。注册完毕，安心等待就好啦，等待过程中就可以抓紧进行后面的步骤.文章不规范，拒稿两行泪，PRISMA是行业规范，必须要读！PRISMA2020条目清单主要包括了：标题、摘要、背景、方法、结果、讨论、其他信息等。实际上就是指导规范的写文章。文章的初步检索让我倍感信心，因为有一些文章有报道，但是没有文章做过相关的meta分析，而且初步来看，这9篇文章都是高分文献，说明我关于心衰的选题方向没有问题（偷着笑了，嘻嘻）工欲善其事、必先利其器，找了2篇顶刊文献进行观摩、学习，思路清晰，操作简单。 注释：任何类型的Meta都不存在难度，所以Meta分析的发文量每年都很巨大，但是Meta的选题确是核心，一般的Meta分析可能在3分左右，但是一些特殊类型的Meta可以发高分文章（有哪些呢？卖个关子，我后面继续发起挑战）。大家一起学起来、动起来，师弟师妹们可以多花些时间思考高分meta，明天我们就检索、下载、筛选文献啦！

文章题目：Causal relationship between gut microbiota and tuberculosis: a bidirectional two-sample Mendelian randomization analysis中文标题：肠道菌群与结核病的因果关系：双向双样本孟德尔随机化分析论文亮点:本研究通过双向两样本孟德尔随机化（MR）分析，探讨了肠道微生物群与结核病（TB）之间的因果关系。研究利用MiBioGen联盟的肠道微生物群基因组关联研究（GWAS）数据，以及UK Biobank和FinnGen联盟的结核病GWAS数据，分析了195个细菌分类群与结核病及其特定表型（呼吸道结核病RTB和肺外结核病EPTB）之间的关联。研究发现，特定肠道微生物群与结核病风险之间存在单向因果关系，其中肠道微生物群对结核病有因果效应。研究结果为肠道微生物群作为结核病预防、诊断和治疗工具的潜在应用提供了科学依据。此外，研究还强调了特定肠道微生物群在不同类型结核病发展和进展中的潜在作用。尽管存在一些局限性，如潜在的混杂因素和IV选择的不够严格控制，但研究利用公开可用的GWAS数据，减少了混杂因素的干扰，确保了因果推断的可靠性。

第2天主要任务：数据库的认识NHANES数据库听名字就知道和我们的MIMIC、eICU 一样是一个公开数据库，但是这个数据库的比较特别的点在于数据获取相对来说比较的简单，也就是说能非常方便的就下载到原始数据，这对我们这些“临床牛马”来说是非常利好的。之前也尝试过搞MIMIC，数据量太大了，本地安装数据库装了很久都没装上，NHANES就没有这个烦恼，可以疯狂冲锋冲锋 利用公开数据库发文章，最重要的就是要知道数据库的数据组成，他有那些数据，才能知道我可以利用些什么样子的数据进行idea构思。NHANES是关于营养调查的健康和营养的信息，是一个横断面的调查。从网站上我们可以看到，数据内容是非常丰富的。里面有不同的年份，比如“2013-2014”，我们叫一个周期，因为NHANES每2年上传一次相关数据。每一个周期里面有很多数据，但是我们主要利用的是（Data, Documentation, Codebooks），里面是包括了人口统计学、饮食数据、体格检查、实验室数据、问卷调查和Limited Access Data，我们最常用的是前5个，Limited Access Data数据需要申请，需要的批准候才行。 点击进去后就可以看到Doc File和Data File，我们可以通过Doc File刊这个数据集的一些基本介绍，点击Data File就能下载数据，然后利用R或者SPPS就能打开这个XPT的数据集文件因为后面也会用得到NHANES里面的数据， 所以我花了一些时间把所有的周期的所有数据全部下载完了哈哈哈，这个工作量还是很大的好啦，今天的分享就到这里啦！

医学生都来学！挑战5天Meta分析速成记，Day 1！做了很多孟德尔随机化相关的挑战，关注我们，跟着我们学习的人，都取得了不小的成绩，发表了属于自己的SCI。随着孟德尔随机化投稿难度加大，我们开始一些新的类型挑战，提高大家论文接收率！今天开始新的挑战！医学生学起来，尤其是还没有文章的。 第1天：收集信息。检索关键词：“Meta”,发文量、发表的杂志影响因子和分区都还不错,Human Vaccines & Immunotherapeutics（Q1,4.8）,Journal of Environmental Sciences(Q1,6.9)，仔细留意一下，把sort by调整成：publication date，最近出版的就是类似于Gene这样的分区可以的3-5分文章。说明Meta分析还是很有市场，都冲起来！总文章362662篇，每年都在增加，相当于每年都有4-5万篇的见刊量今年才见刊1万篇，还有30000篇的空间给大家发挥。就我看来和实际投稿，Meta分析的投稿难度是低于孟德尔随机化。尤其综述可以毕业的学校，Meta分析的性价比就比较高了，本科生有一篇二区以上Meta基本保研get。由于临床研究生时间紧迫，在有限的时间里阅读了大量的文献，却没有时间写一份质量上乘又会得到关注的综述性文章。现在跟着我的思路写起来吧除了检索信息，我还下载了10+近期Meta的范文，先精读，今天挑战就算开始啦！ ❤注释：挑战时间为非工作、考试/原定学习计划时间，所有步骤都是现想（大家可以模仿我的思路），非已有课题主打从0开始！好了，第一天的挑战就这样愉快地结束了！明天我们将进入更加精彩的环节！敬请期待哦！🎉