
七天写完多变量孟德尔sci挑战:第2天!

挑战第2天:



今天的进展如图所示:首先,我利用黑科技快速阅读相关文献 → 然后深入了解材料和方法部分所需的主要数据分析内容 → 接着,我细读文献中的表格和图像 → 最后,根据以上信息,我开始准备编写代码(参见图五)。

7天内完成多变量孟德尔随机化SCI论文的任务并非遥不可及,因为我遵循一套固定的思路:确定一个或一组明确的疾病,然后筛选出阳性的暴露因素(这是我在第一轮挑战中所做的)。
需要注意的是:多变量孟德尔随机化中的多变量分析实际上类似于回顾性分析中的多因素分析。重要的是只能对同类因素进行多因素分析。阅读更多相关文献会让这一点变得清晰,可以通过PubMed检索“Multivariable Mendelian Randomization”进行学习。
例如,同一类别的因素可以是体重类(BMI、手臂体脂率、臀围、腰围等)、生活方式类(久坐、规律运动、早起、吸烟、饮酒)或同类型疾病(各种精神疾病等)……
这正是多因素孟德尔随机化的关键所在,也是中介孟德尔随机化分析的基础。
❤️注释:尽管最近非常忙碌,我希望大家能跟随我的思路,慢慢来,但务必要开始行动。
继续欢迎大家的关注和支持!