文章题目：Association between life’s crucial 9 and kidney stones: a population-based study DOI：10.3389/fmed.2025.1558628 中文标题：生命的关键 9 与肾结石之间的关联：一项基于人群的研究 发表杂志：Front Med 影响因子：1区，IF=3.1 发表时间：2025年3月 今天给大家分享一篇在2025年3月发表在《Front Med》（1区，IF=3.1）的文章。我们旨在阐明Life’s Crucial 9 （LC9） 评分与美国成年人肾结石患病率之间的关联。 研究方法：使用2007 年至 2014 年全国健康与营养检查调查 （NHANES） 的数据，该横断面分析侧重于患有肾结石发作或复发的成年参与者。将 LC9 分数分为四个四分位数进行分析。采用加权多变量 logistic 回归、限制三次样条函数…
文章题目：Cholesterol, high-density lipoprotein, and glucose index versus triglyceride-glucose index in predicting cardiovascular disease risk: a cohort study DOI：10.1186/s12933-025-02675-y 中文标题：胆固醇、高密度脂蛋白和葡萄糖指数与甘油三酯-葡萄糖指数预测心血管疾病风险：一项队列研究 发表杂志：Cardiovasc Diabetol 影响因子：1区，IF=8.5 发表时间：2025年3月 今天给大家分享一篇在2025年3月发表在《Cardiovasc Diabetol》（1区，IF=8.5）的文章。本研究旨在评估CHG 指数与公认的甘油三酯-葡萄糖…
文章题目：Modified triglyceride-glucose indices as novel predictors of metabolic dysfunction-associated fatty liver disease in US adolescents: a nationally representative study from NHANES 2017-2020 DOI：10.1186/s12876-025-03915-x 中文标题：改良甘油三酯-葡萄糖指数作为美国青少年代谢功能障碍相关脂肪肝疾病的新预测因子：NHANES 2017-2020 的一项具有全国代表性的研究…
文章题目：Global, regional, and national burden and trends of rheumatoid arthritis among the elderly population: an analysis based on the 2021 Global Burden of Disease study…
从一个零基础没读过英文文献的小白到今天参与自己论文的修稿、投稿，只需要30天时间~数据库挖掘论文不需要临床上的数据，学会了之后发文非常快（固定思路）光速科研～每个步骤都会手把手帮助师弟师妹，直到论文接收～光速科研#光速科研线上师门#SCI光速写作训练营2025.5.4课题组反馈: 7个月五篇SCI接收～
医学生都来学，挑战5天完成一篇NHANES预测模型，Day 4！ Day4任务：跑出结果+完成中文稿前期花了3天时间已经将数据都整理好啦，现在的任务就是跑出图片和表格～在第2天我们已经大量阅读了相关的文献啦，模仿文献一步一步来就好了，常规NHANES预测模型的文章需要下面这些Table和Figure， 我进行了提取和总结Figure 1：流程图—数据来源过程及分析步骤Table 1：基线特征—训练集和验证集的基线特征Table 2：回归分析—单变量和多变量回归分析 Figure 2：LASSO 回归–选择风险因素Figure 3：Nomogram–列线图的构建 Figure 4-6：预测模型的验证–ROC曲线、校准曲线、DCA曲线 这就是NHANES预测模型文章的主要结果啦， 跑完数据后，我又根据我们的写作法把初稿整完啦，今天又是熬夜肝文章的一天～因为前期已经整理好了数据，后面的分析实际上是非常简单的，选题和整理数据才是最费时间的，静下来，一步步踏实完成。今日份挑战成功～
有人自学生信分析坚持下来了吗？？? 大家有没有试过自学生信，并且真的坚持到最后发一篇SCI啊？我自己每次都会心血来潮自学生信，但是很多次都是热乎劲儿一过就没有下文了，主要是入门困难，很难坚持。 不过今年不太一样了，碰到一个小契机，跟着大佬学，发现生信分析还是得有人带着学，自己学总是学不到点上…… 直接上我的学习清单： 一代测序/二代测序/基因芯片分别是什么？ reads、count、fpkm、tpm是什么？ 拆解一篇文章彻底弄懂生信在做什么? 差异分析及结果解读，DESeq2/Limma如何选 GO富集与KEGG富集 PPI分子互作网络 单因素COX分析与生存曲线 机器学习之lasso回归 机器学习之SVM 预后模型与ROC曲线 WGCNA分析 免疫浸润分析 GSEA与GSVA分析 药物靶点及药物基因相关性 基于肿瘤干性的预后模型 基于免疫评分的预后模型 基于生信湿实验之qRT-PCR 基生信湿实验之Western blot —— 我觉的特别重要的一点：…
文章题目：Association between outdoor artificial light at night and metabolic diseases in middle-aged to older adults-the CHARLS survey DOI：10.3389/fpubh.2025.1515597 中文标题：夜间户外人工光与中老年人代谢性疾病的关联-CHARLS调查 发表杂志：Front Public Health 影响因子：1区，IF=3.0 发表时间：2025年3月 今天给大家分享一篇在 2025年3月发表在《Front…
文章题目：Association between triglyceride levels and rheumatoid arthritis prevalence in women: a cross-sectional study of NHANES (1999-2018) DOI：10.1186/s12905-025-03645-y 中文标题：女性甘油三酯水平与类风湿性关节炎患病率之间的关联：NHANES 横断面研究（1999-2018 年） 发表杂志：BMC Womens Health 影响因子：2区，IF=2.4 发表时间：2025年3月 今天给大家分享一篇在 2025年3月发表在《BMC Womens…
文章题目：Non-chemotherapy drugs inducing agranulocytosis: a disproportionality analysis based on the FAERS database DOI：10.3389/fphar.2025.1525307 中文标题：非化疗药物诱发粒细胞缺乏症：基于 FAERS 数据库的不成比例分析 发表杂志：Front Pharmacol 影响因子：1区，IF=4.4 发表时间：2025年3月 今天给大家分享一篇在 2025年3月发表在《Front Pharmacol》（1区，IF=4.4）的文章。本研究旨在通过分析 FAERS 数据库中的不良事件报告来系统地识别和描述 NCDIA。 研究方法：我们对 FAERS 数据库中 2004 年至 2024 年第一季度的 NCDIA 报告进行了回顾性分析。使用解剖治疗化学 (ATC) 分类系统对药物进行分类，不包括化疗药物（ATC 代码 L01）。采用报告比值比 (ROR) 方法来检测潜在的不良事件信号。阳性信号定义为至少有三份报告且 ROR 的 95% 置信区间 (CI) 下限大于 1 的病例。还进行了事件发生时间分析，以检查不同人口群体和药物的发病模式。 Table&Figure 结果解读：从FAERS 数据库中共发现 10,913 份 NCDIA 报告。不成比例分析显示，166 种与粒细胞缺乏症相关的非化疗药物存在显著信号，这些药物被系统地分为三个风险类别：已知（n = 111）、可能（n…