MIMIC数据库是啥❓ 它是一个公开的数据库，该数据库于2003年在美国国立卫生研究院的资助下，由美国麻省理工学院计算生理学实验室、美国哈佛医学院贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center，BIDMC)和飞利浦医疗公司共同建立。 👉重症相关的数据库，基本上想研究进ICU的疾病就是可以挖掘MIMIC数据库的。 数据库优点❗ ✔好建模：它就像一个医院系统一样，所以数据更好用于建模。对于建模感兴趣的急重症宝子更不能错过啦~ tips：一般来说MIMIC数据库基本上只能做回顾性研究和横断面的研究哦！ ✔范围广：90%的急诊重症疾病都可以做，急诊可以做很多 今天的案例学员是脑梗方向，所以主要说脑梗，如果想看看MIMIC数据库的文章是研究什么内容可以参考一下👇 PMID: 35601742 PMID: 37386419 PMID: 38779217 PMID: 33103496 学员接收期刊：Scientific Reports 📉IF=3.8；中科院2区SCI 📍发文方法：挖掘脑梗方向】 🔖医学SCI一对一指导学习，符合学术规范，学到真技能
文章题目：Adverse childhood experiences and mental health disorder in China: A nationwide study from CHARLS DOI：10.1016/j.jad.2024.03.110 中文标题：中国不良童年经历与心理健康障碍：CHARLS全国调查 发表杂志：J Affect Disord 影响因子：1区，IF=4.9 发表时间：2024年6月 今天给大家分享一篇在2024年6月发表在《J Affect Disord》（1区，IF=4.9）的文章。本研究旨在利用中国健康与养老纵向研究(CHARLS)的数据探索不良童年经历(ACE)与精神健康障碍之间的关联。 研究方法：CHARLS是一项正在进行的全国性调查，调查对象为中国17,708名年龄≥45岁的居民。共提取了20项ACE指标。评估了未测量的混杂因素和潜在中介因素，并将效应量估计值表示为比值比(OR)和95%置信区间(CI)。…
文章题目：The association of manganese levels with red cell distribution width: A population-based study DOI：10.1371/journal.pone.0292569 中文标题：锰水平与红细胞分布宽度的关系：一项基于人群的研究 发表杂志：PLoS One 影响因子：1区，IF=2.9 发表时间：2024年8月 今天给大家分享一篇在2024年8月发表在《PLoS One》（1区，IF=2.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2011–2018年的数据，旨在探索美国普通人群中血液锰水平与RDW之间的相关性。 暴露：本研究的暴露变量是血液中的锰水平。 结局：研究的结局是红细胞分布宽度（RDW），这是一项常规的完整血细胞计数（CBC）指标，用于反映循环红细胞体积的异质性。RDW的升高通常表示存在异形红细胞症，与多种疾病状态相关，包括慢性系统性炎症、营养不良和微循环障碍。 Table&Figure 结果解读：分析共涉及15882名参与者，我们确定参与者的血锰水平与RDW之间存在独立的正相关关系（β=…
文章题目：The burden, trends, and projections of low back pain attributable to high body mass index globally: an analysis of the global burden of disease study…
文章题目：Insulin resistance assessed by estimated glucose disposal rate and risk of incident cardiovascular diseases among individuals without diabetes: findings from a nationwide, population based, prospective…
文章题目：Serum uric acid and prostate cancer: findings from the NHANES (2007-2020) DOI：10.3389/fonc.2024.1354235 中文标题：血清尿酸和前列腺癌：NHANES的发现（2007-2020年） 发表杂志：Front Oncol 影响因子：2区，IF=3.5 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《Front Oncol》（2区，IF=3.5）的文章。本研究旨在探讨血清尿酸(SUA)水平与前列腺癌(PCa)发病率之间的关联。 研究方法：纳入2007年至2020年美国国家健康和营养调查(NHANES)中9,776名年龄≥40岁参与者，其中503名患有PCa。采用加权单变量逻辑回归、多变量逻辑回归和平滑拟合曲线分析SUA与PCa发病率之间的关联。同时，使用拟合的平滑曲线探索潜在的非线性关系。如果观察到非线性，则使用递归算法进一步计算拐点。 Table&Figure 结果解读：采用3种模型分析SUA水平与PCa发病率的相关性，所有回归模型均显示SUA水平与PCa发病率呈负相关（模型1：OR=0.88，95%CI=0.80～0.97；模型2：OR=0.87，95%CI=0.80～0.96；模型3：OR=0.87，95%CI=0.78～0.96）。经趋势检验，随着SUA水平的升高，PCa发病风险呈下降趋势（3个模型的趋势P=0.037、0.015、0.016）。亚组分析发现，在年龄＞60岁、非西班牙裔白人、其他种族及合并高血压人群中，SUA与PCa呈显著负相关。此外，在非高血压参与者中，SUA与PCa之间的关联呈U形曲线，SUA的拐点为5.1 mg/dl。 结论：这项横断面研究表明，SUA水平与PCa风险呈负相关，尤其是在特定人口群体中。这些发现为了解SUA在PCa患者中的作用提供了新的视角，可能为预防和治疗PCa的新方法铺平了道路。然而，还需要进一步研究来验证这些发现。 大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！
文章题目：Current status and trends in thalassemia burden across South, East and Southeast Asia, 1990-2021 a systematic analysis for the global burden of disease study 2021…
进度汇报：完成Table和Figure 数据已经整理好啦，那现在就是做出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，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 Figure 1：研究人群——-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：限制性回归样条–X与Y的剂量效应关系 Table 3：亚组分析—敏感性分析 Figure 1：就是简要说明我们的筛选数据的流程，比如说2013-2014总计有10175例，根据我纳入条件（年龄大于20岁，同时具有抑郁评分和暴露某某血清学指标）进行纳入和排除，最终纳入1900人。 本质上就是数据的筛选和清洗流程，对数据处理的过程进行简单的可视化呈现。 Table 1：就是基线资料比较。比如我的结局是抑郁，那我就可以列分为depression组和non-depression组，对比两组之间的基线资料的差异，变量数据类型是连续变量或者分类变量，那就用t-检验或者卡方检验等。 Table…
已经保研的可以开始学啦，带文入组~调整图片、修改代码、解读代码、论文投稿前修订~两个月从科研小白变成科研天龙人~ 2024.12.21课题组线上师门部分反馈: 现在早期报名#光速科研SCI光速写作训练营 第十六期，自动加入线上师门，后续这个线上师门就不会免费了~从本科小白→科研论文高手，只差加入#光速科研线上师门第十六期，1.01日开课～