6.1/Q1,浙江医院用NHANES:膳食中摄入黄酮类化合物有助于延缓生物衰老过程

文章题目:Dietary flavonoids intake contributes to delay biological aging process: analysis from NHANES dataset DOI:10.1186/s12967-023-04321-1 中文标题:膳食中摄入黄酮类化合物有助于延缓生物衰老过程:NHANES 数据集分析 发表杂志:J Transl Med 影响因子:1区,IF=6.1 发表时间:2023年7月 背景:饮食可能会影响生物学衰老以及个体生物学年龄(BA)和实际年龄(CA)之间的差异(∆age)。类黄酮是一类广泛存在于植物、水果和蔬菜中的天然化合物,具有抗炎和抗氧化的特性。本研究旨在探讨类黄酮摄入量与心脏、肾脏、肝脏以及全身器官的∆age之间的相关性。 方法:我们从2007-2008年和2017-2018年的美国国家健康与营养检查调查(NHANES)中提取了3193名成人参与者的饮食类黄酮摄入数据。通过24小时膳食回忆法评估类黄酮摄入量,使用多元线性回归分析评估类黄酮摄入量与各个器官(心脏、肾脏、肝脏)及全身的∆age之间的关系。生物学年龄(BA)是基于循环生物标志物计算的,∆age通过生物学年龄与实际年龄的差值计算。 结果分析: 1.研究参与者的人口统计学特征 研究纳入了3913名参与者,类黄酮摄入量按三分位数分为Q1(最低)、Q2和Q3(最高)三组。Q3组的参与者类黄酮摄入量显著高于Q1组,且Q3组的参与者通常吸烟和重度饮酒的比例较低,慢性病(如高血压、糖尿病、慢性肾病)的患病率较低,但BMI较高。…

4.4/Q1,FAERS数据库最新文章解读!

文章题目:Safety profiles of sevoflurane in pediatric patients: a real-world pharmacovigilance assessment based on the FAERS database DOI:10.3389/fphar.2025.1548376 中文标题:七氟醚在儿科患者中的安全性:基于 FAERS 数据库的真实世界药物警戒评估 发表杂志:Front Pharmacol 影响因子:1区,IF=4.4 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《Front Pharmacol》(1区,IF=4.4)的文章。本研究旨在利用真实数据评估七氟醚在儿科人群中的安全性。 研究方法:数据取自美国食品药品管理局不良事件报告系统 (FAERS),时间范围从 2004 年第一季度到 2024 年第三季度。我们分析了七氟醚是 0-18 岁人群主要嫌疑对象的报告,采用不成比例分析来检测与七氟醚相关的不良事件。我们还比较了儿童和成年人群中与七氟醚相关的不良事件。…

3.0/Q2,Charls最新文章解读!

文章题目:Gender-specific dual effects of physical activity on depression and mortality: a nine-year cohort study in Chinese adults aged 45 and above  DOI:10.3389/fpubh.2025.1510044 中文标题:体力活动对抑郁和死亡率的性别双重影响:针对中国 45 岁及以上成年人的九年队列研究 发表杂志:Front Public…

NHANES指标推荐:NfL!

文章题目:Association of serum neurofilament light chain with cognitive impairment: findings from the National Health and Nutrition Examination Survey DOI:10.3389/fnagi.2025.1517663 中文标题:血清神经丝轻链与认知障碍的关系:国家健康和营养检查调查的结果 发表杂志:Front Aging Neurosci 影响因子:2区,IF=4.1 发表时间:2025年1月…

4.4/Q1,GBD数据库最新文章解读!

文章题目:Burden of diseases attributable to excess body weight in 204 countries and territories, 1990-2019 DOI:10.1186/s12937-025-01082-z 中文标题:1990 年至 2019 年 204 个国家和地区因体重过重造成的疾病负担 发表杂志:Nutr J 影响因子:1区,IF=4.4 发表时间:2025年1月 今天给大家分享一篇在 2025年2月发表在《Nutr J》(1区,IF=4.4)的文章。本研究旨在调查 1990 年至 2019 年全球、地区和国家因体重过重 (EBW) 导致的疾病负担,按年龄、性别、潜在原因和社会人口指数 (SDI) 分层。 研究方法:使用2019 年全球疾病负担 (GBD) 研究的比较风险评估方法,报告了 1990 年至 2019 年期间可归因于 EBW 的疾病负担。对于成年人,EBW 定义为体重指数 (BMI) 超过 25 kg/m 2,而对于 1 至 19 岁的儿童,EBW 则根据国际肥胖工作组制定的标准确定。以每 100,000 人的数量、比例和年龄标准化率报告负担,并附上相应的 95% 不确定区间 (UI)。…

《常见生信图汇总》,1分钟记住一个图❗

主打一个不学复杂的生信知识,能看懂文章花里胡哨的图。 6种常见生信图速记笔记: 生信是一个交叉学科,涉及到生物、化学、计算机科学、信息工程、数学、统计学等,听起来是如此的复杂和庞大 !!! 但是初学者也不要害怕,你需要明白的是,你不需要什么都会。 站在医学生的角度,你就把它当作一项加分技能来学习,就像英语,够用就行! 【生信套路】 →找介个数据集 →绘制技术路线图 →数据集评估(箱线图/PCA图/UMAP图/三线表) →差异表达分析(热图/火山图/韦恩图) →差异基因富集分析(差异基因联合log FC-柱状图/弦图/圈图/气泡图;单纯差异—气泡图/柱状图/网络图/三线表 →交互网络构建(PPI网络/hubgene网络)

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! 2025.3.20师妹师弟部分课题组反馈 光速科研-第十九期开始倒计时~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~

高分严选!挑战5天一篇Nhanes数据库,day4!

Day 4! 第4天任务:完成Table和Figure部分 前期花了3天时间将数据已经提取、清洗好啦 现在的任务就是做出Table和Figure~ 在具体操作之前呢,肯定要再去看文献啦 模仿文献一步一步来就好啦 常规NHANES文章就是需要下面这些Table和Figure, 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 本质上还是这个思路 只不过在暴露的选择、分析方法会有一些差异 万事开头难,我们就先学会这种最简单的思路 后面我们慢慢学习和挑战别的~ 我们进行了提取和总结 Figure 1:研究人群——-数据来源过程(流程图) 对数据处理的过程进行简单的可视化呈现 Table 1:基线资料表—–人群基本信息描述 对比两组之间的基线资料的差异 Table 2:回归分析—X与Y之间有无关系(3个模型) 根据纳入的协变量构建3个不同的模型以评估暴露和结局之间的关系的是否稳健 Figure…

超会做手术?那不赶紧化经验为SCI❗

如果你很会做手术,那今天整理了一些手术方向发Meta文章的切入点,快快把你的手术经验转化为实打实的科研成果❗ 临床和科研并驾齐驱,选择切入点的建议 临床需求优先:聚焦争议大、证据不足的问题(如“是否所有早期乳腺癌均需腋窝淋巴结清扫?”)。 数据可行性:确保有足够数量的同质化研究(如一般至少5篇RCT或观察性研究)。 创新性与价值:优先选择填补指南空白或影响临床实践决策的方向(如新型止血材料对减少二次手术率的效果)。 通过明确研究问题、系统检索文献、严格质量评价及合理分析,Meta分析可为手术决策提供更高级别的循证依据。 挖掘手术方向的Meta学员接收 ✔接收期刊:BMJ Open 📉IF=2.4;中科院3区期刊 📍发文方法:Meta分析 手术技术与相关研究 一、手术技术/方法的比较 ⚠ 微创手术 vs 传统开放手术 ⚠ 不同术式的效果对比 ⚠ 新技术/设备的应用评价 二、手术相关并发症的干预措施 ⚠ 预防策略的有效性 ⚠…

医学研一更适合做什么科研❓一篇笔记告诉你

现在医学科研有两大类人群,一类是一定要做实验的,一类是没有任何实验条件的。针对没有任何实验条件的人如何发文章? 在网上可以搜到一大堆方法,比如我封面列出的:医学综述、Meta分析、临床研究、生信分析…… 还有人问:这些方法哪种最好发,最容易发高分? 其实没人能回答这个问题,因为没有人可以保证某种方法一定可以发文章,只能回答:可以选到有临床意义的选题且分析结果比较理想。而且没有什么人做过的,才会好发。 任何一种发文方法就像小马过河,总有人说好发,有人说不好发。因为任何方法都会有人选不到题、分析结果不理想、被别人抢先发表、文章质量与自己期刊要求严重不匹配,直接被秒拒…… 自己不去探索,不去学习,就永远都是零基础,永远都不知道哪种方法适合自己,开始去做往往是最重要的。 我自己也是从0开始过来的,如果你不知道自己该学什么,真心建议医学科研入门首选Meta分析! 有人还会纠结,写综述呢还是写Meta分析? 可以很明确的告诉你,如果你是大佬,写综述没问题,如果你是学术渣渣,想要发表一篇还不错的综述,难度很大! 因为综述涉及对某一专题、领域的研究成果进行全面、系统的整理和分析,作者往往需要具备较强的研究能力和文献分析能力。 你想一个还未入门科研的人,短时间内对某个领域的理解能有多深呢? 当然你身边肯定有发表综述的师兄师姐,但对于大多数0基础小白来说,入门科研还是推荐选择难度更小的Meta分析! 这里还需要提醒:一定要了解清楚学校的毕业要求,看看已经毕业的师兄师姐的小论文都发的什么。有的学校可能发Meta分析不能用于毕业,那你有必要再学习临床研究和生信分析。 但无论是什么情况,只要你目前是科研小白,学Meta分析都是适合的,因为学完Meta分析的一整套流程,像文献检索、文献筛选、统计分析、SCI写作等科研技能你都能练习到,对于以后的科研是一个很好的打底! Meta分析入门学习指南 第一阶段:理论奠基 第二阶段:7步完成一篇Meta分析 明确 PICO 要素 PICO 要素 —— 人群 (Population)、干预…

1 34 35 36 37 38 307