Author: wang

今天给大家分享一篇在 2024年6月发表在《Clinical Nutrition》（1区，IF=6.6）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2011–2018年的数据，探讨了膳食中活微生物摄入量与肌少症风险之间的关系。暴露：本研究的暴露变量是膳食中活微生物的摄入量，将活微生物摄入量分为三个等级：低、中、高。这一分类基于参与者通过饮食摄入的活微生物的数量。活微生物主要来自发酵食品，它们被认为可以通过与肠道黏膜表面的相互作用来调节免疫系统，增强肠道功能，从而可能对抗肌肉质量和功能的丧失。结局：研究的主要结局是肌少症的风险，肌少症是一种随着年龄增长而出现的肌肉减少症状，通常表现为肌肉质量和力量的下降。本研究使用了美国国立卫生研究院（NIH）的定义来确定肌少症，即根据骨骼肌肉量与体重指数的比值来诊断（男性<0.789，女性<0.512）。肌少症与多种不良健康结果相关，包括生存率降低、跌倒风险增加、代谢问题和认知功能减退等。

大家好今天我们来挑战七天完成一篇药物靶向MR，希望对你有帮助

今日进展：继昨天确定了目标期刊和文献后我对选定的主题进行了深入的评估，判断其可行性选题是任何一个研究中最重要的一步选对了就是事半功倍选错了就是一切努力都可能白费只要确定主题有研究价值我们就能信心满满地攻克所有方法学难题毕竟，“所有方法学都一定会被掌握”而且“框架写作法”会快射上手成稿 接着，我下载并精读了几篇基于GBD趋势性分析的高分经典文献发现结果展示部分大同小异主要区别在于研究的疾病不同写作风格和结构也有共通之处，那么，我该重点分析哪些具体内容呢？ 通过阅读目标期刊的相关文献，我明确了需要完成的内容：–发病率和年均百分比变化(AAPCs)–患病率和AAPCs–DALYs率和AAPCs–全球发病率地图–新病例数量变化–发病率、患病率和DALYs率的趋势分析–发病率与社会人口指数(SDI)的关系 挑战还在继续，欢迎大家一起围观留言学习，保持住这股冲劲，一起加油加油！

挑战的第二天，我们的主要任务是深入了解NHANES数据库的结构并进行数据提取。无论是NHANES、MIMIC还是eICU，掌握数据库的存储结构是利用这些公开数据库的第一步。 NHANES数据库的特点：1. 数据获取简单：在“数据为王”的时代，NHANES数据库的这一特点显得尤为重要。一旦了解了数据结构，数据清洗也会变得更加容易。2. 数据周期性：NHANES数据库每两年进行一次调查并上传数据，每个周期包括人口统计学、饮食数据、体格检查、实验室数据、问卷调查和Limited Access Data。其中，Limited Access Data需要申请使用，但前五个板块的数据已经足够我们发表相关的SCI文章。3. 数据文件：每个周期的数据集都包含Doc File和Data File。Doc File提供了数据集的基本介绍，如每一列指标的含义、测量方法及数据中的编码说明。Data File则是实际的数据文件，可以通过R或SPSS等工具打开。数据提取示例：以我关注的TyG指标为例，TyG是一个复合指标，计算公式为\[ \text{TyG} = \ln(\text{TG (mg/dL)} \times \text{FBG (mg/dL)} / 2) \]。我需要从实验室数据中下载TG（甘油三酯）和FBG（空腹血糖）数据，然后通过上述公式进行计算。 数据提取策略：1. 下载Doc…

今天给大家分享一篇在 2024年1月发表在《Environ Health》（1区，IF=5.3）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2007–2016年的数据，探讨了镉（Cd）和铅（Pb）对糖尿病肾病（DKD）之间的关系。暴露：本研究的暴露变量是参与者体内的铅（Pb）和镉（Cd）水平，这些数据是通过血液和尿液样本中的测量得到的。具体来说，研究考察了血铅（BPb）、血镉（BCd）、尿铅（UPb）和尿镉（UCd）的水平。铅和镉主要来自环境污染源，如工业排放、烟草烟雾和污染的饮食。在糖尿病患者中，这些重金属的积累可能因代谢变化而增加其对肾脏的毒性作用。结局：研究的主要结局是糖尿病肾病（DKD），这是一种糖尿病并发症，表现为肾功能衰退，通常通过尿白蛋白排泄率和/或估算肾小球滤过率（eGFR）来诊断。