由东晋发起的《光速科研SCI写作投稿训练营-30天成稿第一篇｜光速攥写任意类型Sci系统方法论｜GBD数据库挖掘全面版2.0｜孟德尔随机化｜Nhanes｜Meta分析｜case report｜Letter速成班》 第15期还有7天就要开课啦，助力师妹师弟冲击IF10+，前14期好评如潮，平均成稿2-3篇~ 适用对象：所有年级（本科、硕士、博士）、所有阶段（医生、护士、基础、预防、公卫医学科研人员）的医学相关人员 成为真正的线上师门
一、文章内容解读 1.研究背景 研究主题：本研究旨在评估中国中老年普通人群中抑郁症状轨迹与新发高血压和心血管疾病（CVDs）之间的关系。 研究意义：抑郁症状与高血压和心血管疾病之间的关系尚不明确，本研究通过分析抑郁症状的长期轨迹，探讨其对心血管健康的影响，对于预防和管理心血管疾病具有重要意义。 2.研究方法 数据来源：数据来自中国健康和退休纵向研究（CHARLS），这是一个全国代表性的样本，包括45岁及以上的中国居民。 参与者信息：研究最终包括6071名参与者，排除了已有高血压和心血管疾病的个体。 指标计算：使用10项流行病学研究中心抑郁量表（CES-D-10）评估抑郁症状，得分范围从0到30，得分越高表示抑郁症状越严重。 统计分析和方法： 利用基于群体的轨迹模型（GBTM）识别具有相似抑郁症状轨迹的参与者子群。 使用多变量逻辑回归模型估计CES-D-10轨迹与新发高血压和CVDs之间的关联。 使用限制性立方样条（RCS）分析CES-D-10得分与高血压和CVDs之间的非线性关系。 使用bootstrap方法评估高血压在CES-D-10得分和CVDs之间的中介效应。 进行敏感性分析，包括使用有向无环图（DAG）选择最小充分协变量集，改变估计值（CIE）方法选择潜在混杂因素，以及E值测试评估未测量混杂因素的影响。 3.研究结果 3.1. 抑郁症状轨迹的识别 研究者通过使用基于群体的轨迹模型（GBTM），在2011年至2015年的数据中识别出四种不同的抑郁症状轨迹： 低稳定（Low-stable）：大多数参与者的CES-D-10得分维持在较低水平。 中度下降（Medium-decreasing）：参与者的CES-D-10得分从中等水平开始并逐渐下降。 中度上升（Medium-increasing）：参与者的CES-D-10得分从中等水平开始并逐渐上升。 高稳定（High-stable）：参与者的CES-D-10得分维持在较高水平。 这些轨迹在图1中有展示，该图显示了2011年至2015年CES-D-10得分的变化趋势。 3.2. 新发高血压和心血管疾病的风险…
文章题目：Association between atherogenic index of plasma control level and incident cardiovascular disease in middle-aged and elderly Chinese individuals with abnormal glucose metabolism DOI：10.1186/s12933-024-02144-y 中文标题：中老年糖代谢异常个体血浆动脉粥样硬化指数与心血管疾病发病率的关系 发表杂志：Cardiovasc…
文章题目：Association between acute tobacco exposure and fractional exhaled nitric oxide in patients with chronic obstructive pulmonary disease: National health and Nutrition Examination Survey (NHANES) 2007-2012…
文章题目：Global, regional, and national burden of gout, 1990-2020, and projections to 2050: a systematic analysis of the Global Burden of Disease Study 2021 DOI：10.1016/S2665-9913(24)00117-6 中文标题：1990…
Day 1：初步选题+目标期刊+目标文献 我上一期挑战成功了网状meta 有很多的小伙伴在私信我说能不能继续出一期挑战 完全没问题！ Meta分析经久不衰 而且经常在核心期刊甚至是顶刊上面看到meta的身影 随手以检索就是1万多篇 Meta分析对于师弟师妹们来说是非常奈斯的 对电脑配置要求不高 只是需要时间和精力干这个体力活儿 特别是想入门学科研的师弟师妹们来说 一篇meta分析、一篇网状meta分析可以成为自己科研的起点 常规的meta分析只能处理直接的比较 但是如果想说比较干预A和干预B的效果 但仅有比较A和C，B和C的研究，那应该怎么办呢？ 那这个时候就是需要网状meta了 不管是meta分析还是网状meta分析还是单臂meta分析 整个研究的思路是非常清晰的 但是一定要重视选题！ 这决定了做出来的meta分析的发文水平是3分还是10分还是顶刊！ 因为我自己本身一直是聚焦急性心肌梗死 关注课题的延续性和深度 所以还是针对AMI进行挑战 一些新的治疗方式正在被逐渐在AMI中应用…
由东晋发起的《光速科研SCI写作投稿训练营-30天成稿第一篇｜光速攥写任意类型Sci系统方法论｜GBD数据库挖掘全面版2.0｜孟德尔随机化｜Nhanes｜Meta分析｜case report｜Letter速成班|Charls数据库挖掘》 第15期还有7天就要开课啦，现已更新网状Meta手把手教学板块，助力师妹师弟冲击一区IF10+SCI，前14期好评如潮，平均成稿2-3篇~ 适用对象：所有年级（本科、硕士、博士）、所有阶段（医生、护士、基础、预防、公卫医学科研人员）的医学相关人员
由东晋发起的《光速科研SCI写作投稿训练营-30天成稿第一篇｜光速攥写任意类型Sci系统方法论｜GBD数据库挖掘全面版2.0｜孟德尔随机化｜Nhanes｜Meta分析｜case report｜Letter速成班》第15期还有7天就要开课啦，助力师妹师弟冲击IF10+，前14期好评如潮，平均成稿2-3篇~适用对象：所有年级（本科、硕士、博士）、所有阶段（医生、护士、基础、预防、公卫医学科研人员）的医学相关人员成为真正的线上师门: 2024.11.24课题组师妹师弟反馈:（第13期成稿第2-3篇中，第14期成稿第1篇中） 我们在做一套系统全面持续进化的科研入门课，为了让更多师妹师弟享受到咱们团队进化、课程更新的成果，早期报名加入训练营学习的自动加入#光速科研线上师门，后续免费学习热点课程~第十五期，倒计时7天啦少量名额，先到先得~
从本科小白→科研论文高手，只差加入 每月至少推出一门新课（热点课程）~直到把所有的科研类型全覆盖，再开发软件~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~ 2024.11.23课题组部分反馈:
一、文章内容解读 1.研究背景 研究主题：本研究旨在探讨血浆累积动脉粥样硬化指数（CumAIP）暴露与中老年人群中糖尿病前期发展之间的关联。 研究意义：动态变化的动脉粥样硬化程度对糖尿病前期发展的影响尚不明确，本研究有助于系统评估影响糖尿病前期进展和逆转的关键因素。 2.研究方法 数据来源：数据来自中国健康和退休纵向研究（CHARLS）的第一波和第三波，包括2,939名糖尿病前期参与者。 参与者信息：研究包括中年和老年个体，排除了缺乏基线血糖和糖化血红蛋白信息、已诊断糖尿病、低血糖或正常血糖的参与者。 指标计算：CumAIP通过第一波和第三波测量的平均AIP值与总暴露持续时间的比值来计算，即(AIP2012 + AIP2015)/2 * 时间（2012 – 2015）。 统计分析和方法：使用多变量Cox回归和限制性立方样条（RCS）回归分析CumAIP与糖尿病前期发展之间的关联。考虑了包括年龄、性别、教育、注册居住地、心血管疾病、中风、高血压、吸烟状态、饮酒状态、身高、收缩压、舒张压、LDL-C、HbA1c、UA、Cr、BUN和hs-CRP在内的多个协变量。 3.研究结果 3.1. 研究参与者的基本进展情况 在为期3年的中位随访期间，2,939名糖尿病前期参与者中，有15.21%的患者发展为糖尿病，22.12%的患者恢复到正常空腹血糖（NFG）。 3.2. CumAIP与糖尿病前期进展的关系 根据CumAIP的四分位数分组，从Q1到Q4，糖尿病前期进展到糖尿病的比例逐渐增加，分别为10.61%，13.62%，15.65%，和20.95%。这表明CumAIP水平越高，糖尿病前期进展为糖尿病的风险越大。 多变量调整后的Cox回归分析显示，高CumAIP暴露与糖尿病前期进展有显著的正相关性。在完全调整模型3中，CumAIP与进展到糖尿病的HR（风险比）为11.03（95% CI 3.76,…