文章题目：WeChat usage and preservation of cognitive functions in middle-aged and older Chinese adults: indications from a nationally representative survey, 2018-2020 DOI：10.1186/s12889-024-19210-5 中文标题：中国中老年人微信使用和认知功能保存：2018-2020年全国代表性调查的迹象 发表杂志：BMC Public Health…
DAY2目标:检索文献+筛选范文+精读范文 经过初步的文献检索，我对自己的研究选题充满了信心。目前，我选择的疾病领域虽然检索到一篇文章，仔细阅读发现是做脂质体组学的，那我筛选的疾病还能继续做，初步选题，迅速启动我的这一波挑战。 为了确保研究的顺利进行，我精心挑选了三篇最新发表的的文章，分区及影响因子可观，精读这一步很重要哦，既可以了解一篇文章的行文框架，也可以对自己要做的挑战有明确体系框架的掌握。阅读完这三篇后我大致了解了一篇代谢组学孟德尔的文章构成，需要哪些数据，需要哪些图表～ 之前的挑战也提到了在学术写作中，遵循行业规范是至关重要的。因此，我特别关注了STROBE-MR声明，这是一项旨在提高研究报告质量和透明度的国际指南。该声明涵盖了六个主要部分：“题目与摘要”（条目1）、“引言”（条目2-3）、“方法”（条目4-9）、“结果”（条目10-13）、“讨论”（条目14-17）以及“其他信息”（条目18-20）。这些条目为我们提供了撰写高质量学术论文的指导和规范。 注❤：师弟师妹们积极参与学习，明天，我们开始数据分析（代谢组学代码和疾病MR分子）～欢迎大家关注！一起发表sci！
Day 4-Day5：完成核心表格和图片 这两天主要任务是数据下载+数据分析（作图+做表） 大家可能也听说了最近数据下载不太顺利 老是加载很慢、甚至是下载失败 使用GBD数据库进行分析的人越来越多了 网站访问量骤增、超过了网站的访问能力 甚至有一些人使用爬虫 其实本质上和我们之前MR的时候出现502的情况是一样的 这个问题暂时属于无解状态 那我们目前能做的就是错峰下载 按照年份分段下载后再将数据进行拼接 这样一定程度上会减轻数据下载压力 也因为我们都知道GBD数据库最大的特点就是 数据是标准化的 和NHANES相比不需要太多的数据清洗 下载好了就直接可以使用 一般就是分析发病率、患病率、DALYs 从这３个指标进行疾病负担分析 当然还有一些其他可以通过计算得到的指标 这些符合指标或者分析方法一定程度都可以和NHANES类比 根据想使用的方法利用我们的基础代码包进行分析 适当的调整代码 就能很快速的跑出自己的结果 不需要想肠道菌群MR一样需要很高的配置…
今天给大家分享一篇在 2022年5月发表在《Front Endocrinol》（2区，IF=3.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）III的数据，探讨胰岛素抵抗 (IR) 与亚临床心肌损伤 (SC-MI) 之间的关联。
我们机构推出的GBD数据库两个月时间已帮助投稿20+一区、二区SCI论文（全网第一家） 第一个版本全网引起了轰动，全面版课程已上线两个月(只内部开放，链接不上架，后续上架到光速科研线上师门热点课程板块) #光速科研线上师门，免费学习~ 同时持续更新优质课程，确保线上师门师妹师弟有产出10+SCI的能力~ 2024.10.17师妹师弟部分答疑
文章题目：Association of triglyceride glucose index with stroke: from two large cohort studies and Mendelian randomization analysis DOI：10.1097/JS9.0000000000001795 中文标题：甘油三酯葡萄糖指数与中风的关联：来自两项大型队列研究和孟德尔随机分析 发表杂志：International Journal of Surgery 影响因子：1区，IF=12.5 发表时间：2024年9月 今天给大家分享一篇在…
文章题目：Global, regional, and national burden of acute myeloid leukemia, 1990-2021: a systematic analysis for the global burden of disease study 2021 DOI：10.1186/s40364-024-00649-y 中文标题：1990 年至 2021…
文章题目：Artificial Intelligence in Fracture Detection: A Systematic Review and Meta-Analysis DOI：10.1148/radiol.211785 中文标题：人工智能在骨折检测中的应用：系统评价与荟萃分析 发表杂志：Radiology 影响因子：1区，IF=12.1 发表时间：2022年7月 今天给大家分享一篇在 2022年7月发表在《Radiology》（1区，IF=12.1）的文章。 研究背景：骨折在急诊科常见，但放射影像中的骨折漏诊或延迟诊断是一个常见的诊断错误。随着放射科医师工作量的增加，及时获取专家意见变得不那么容易。人工智能（AI）在图像分类领域，尤其是骨折检测，被认为是简化流程、作为分诊或筛查服务、决策辅助或放射科医师第二阅读支持的关键领域。 研究目的：本系统评价和元分析的目的是比较AI和放射科医师在同行评审出版物和预印本仓库（即预印本文章）中发表的关于放射影像骨折检测的诊断表现。研究旨在评估AI技术作为未来临床实践中的诊断辅助工具的潜力。 研究方法： 检索方法：本文通过多个电子数据库进行文献检索，包括Ovid Medline、Ovid Embase、EBSCO Cumulative Index…