
挑战7天一篇GBD数据库论文,Day2~3!

进度汇报:
自从确定了目标期刊后,我的任务主要集中在选题

熟悉我们的师弟师妹们都知道,我们一直给大家传递的理念是选题立意比实操更重要,Idea比流程化的操作更重要,没有好的立意和选题,文章质量肯定欠佳。
第一我有信心能顺利的完成后面所有的Table 和Figure,有信心通过“框架写作法”高效、光速的进行写作成稿
第二,不管是MR还是NHANES还是GBD,方法学都是一样的。也就是说,我只要准备了相关的代码,从GBD数据库中下载了相关的数据,直接进去跑就可以啦。你可能会想:这不就是和我们MR、NHANES思路一样嘛?
对的,实际上所有的公开数据库都是一样的。
获取数据、清洗数据是最复杂、费时费力的,而跑代码就是“易如反掌”
所以这两天我用了充分的时间进行选题。本来想选“Heart Failure”,这种选题肯定被人做了,避免撞车的情况,我换了个在数据库里面有这个病但是比较小众的病。
随后我去精读了几篇基于GBD数据库的高分文献,发现大部分的GBD文章的文章模式是类似的。正如肠道菌群、中介、药靶MR等,无非就是换了个疾病而已。
确实有些人就能发顶刊BMJ也能拿下。基本在Q1、Q2左右,分还蛮不错的。
通过文献的精读,大概整理了类似文章的结构
–全球及地区水平负担
–国家水平负担
–全球负担地图
–不同性别和年龄的疾病负担对比
–全球和地区水平的疾病负担与SDI相关性
–国家水平的负担与SDI相关性
–负担的危险因素分析


当然也有一些其他的文章模式,
我们后面一步步挑战
好的,今天的分享就到这里了!