今天给大家分享一篇在 2024年2月发表在《Lancet Reg Health Eur》（1区，IF=13.6）的文章。本文这项研究利用了全球疾病、伤害和风险因素负担研究 (GBD) 2019年的数据，以及选定的可改变风险因素和社会人口统计指标来预测 2019 年至 2050 年期间欧洲脑出血的发病率和死亡率。研究方法：利用全球疾病、损伤和风险因素负担研究 (GBD 2019) 中确定的三种脑出血风险因素（高收缩压、高空腹血糖和高体重指数）来预测 2019 年至 2050 年之间的风险归因分数。然后使用时间序列模型（自回归积分移动平均线 [ARIMA]）预测不可归因于这些风险因素的疾病负担，并将社会人口指数 (SDI) 作为外部预测因子。根据赤池信息准则 (AIC)，为每个年龄-性别-国家组选择 ARIMA 模型的最佳参数。通过扩展所有地点-年份的风险因素和 SDI…

今天给大家分享一篇在 2023年9月发表在《Rev Cardiovasc Med》（3区，IF=1.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）1999–2004年的数据，探讨了血清肌酐/胱抑素C比值（Cr/CysC比值）与心血管疾病（CVD）发病率和死亡率之间的关联。暴露：本研究的暴露变量是血清肌酐/胱抑素C比值（Cr/CysC比值），该比值是通过血清肌酐和胱抑素C的测量值计算得出的，作为肌肉质量的替代指标。结局：研究的主要结局是心血管疾病发病率和死亡率。发病率是通过参与者自报的CVD诊断信息来确定的，涵盖了心力衰竭（HF）、冠心病（CHD）、心绞痛、心肌梗死（MI）和中风等疾病。死亡率是通过与国家死亡指数（National Death Index, NDI）匹配数据确定的，涵盖了因心脏病和脑血管疾病导致的死亡。

Day 4-5：方法学的复刻：完成核心Table和Figure这两天的任务主要是根据研究目的下载数据＋数据分析 前面有师弟再我们评论下面说：最近数据下载怎么这么慢？那是因为使用GBD的人逐渐多了起来和我们之前跑MR的时候一样，５０２的情况很多网站压力太大也就意味着我们再下载的时候会等待很久的时间特别是想要下载全球数据的时候如果是这样的话建议大家分段下载然后进行拼接比如下载９０年到２１年我每５年为一个周期进行下载虽然有些麻烦也只有通过这种方式一定程度上缓解压力了 但是下载的数据是标准化的不需要过于复杂的处理就能够直接使用一般我们需要下载发病率、患病率、DALYs从这３个指标进行疾病负担分析因为数据是标准化的所以不用清洗就能直接使用纳入到相关模型中进行展示 我们的基础代码包已经整理好了放进代码里面跑一边就能跑出自己的结果基本对设备的要求一般除非是进行前沿分析这个最好用配置好一些的电脑其他的实现还是比较容易的通过不断变换研究的视角和方法也就是换研究人群、换研究地区、换年龄范围、换危险因素就可以持续产出新的研究成果 今天的所有表格和图片就完成了明天就要开始写作啦！欢迎大家在评论区留下自己的经验和想法，我们下一篇进度汇报见！