1区6.6分CHARLS最新文章解读!

文章题目:High-density lipoprotein cholesterol level and risk of muscle strength decline and sarcopenia in older adults DOI:10.1016/j.clnu.2024.08.017 中文标题:老年人高密度脂蛋白胆固醇水平与肌肉力量下降及肌肉减少症风险 发表杂志:Clin Nutr 影响因子:1区,IF=6.6 发表时间:2024年10月 今天给大家分享一篇在 2024年10月发表在《Clin Nutr》(1区,IF=6.6)的文章。本研究旨在研究 HDL-C 水平与老年人患肌肉减少症和握力低下的风险之间的关联。 研究方法:参与者来自正在进行的中国健康与养老纵向研究 (CHARLS),该研究包括具有全国代表性的 ≥45 岁成年人样本,于 2011 年至 2020 年进行,每两至三年进行一次随访。本研究包括 4031 名年龄…

医学速看!挑战7天完成一篇NHANES,Day 5!

进度汇报:完成Table和Figure Figure 1:研究人群——-数据来源过程Table 1:基线资料表—–人群基本信息描述Table 2:回归分析—X与Y之间有无关系Figure 2:限制性回归样条–X与Y的剂量效应关系Table 3:亚组分析—敏感性分析 Figure 1:就是简要说明我们的筛选数据的流程,比如说2013-2014总计有10175例,根据我纳入条件(年龄大于20岁,同时具有抑郁评分和暴露某某血清学指标)进行纳入和排除,最终纳入1900人。本质上就是数据的筛选和清洗流程,对数据处理的过程进行简单的可视化呈现。 Table 1:就是基线资料比较。比如我的结局是抑郁,那我就可以列分为depression组和non-depression组,对比两组之间的基线资料的差异,变量数据类型是连续变量或者分类变量,那就用t-检验或者卡方检验等。 Table 2:回归分析。根据纳入协变量的多少构建3个不同的模型以评估暴露和结局之间的关系的是否稳健。Crude Model中不纳入协变量;Model I纳入人口统计学(性别、年龄、种族、婚姻、教育程度等);Model II纳入Model I中+疾病(糖尿病、高血压、高脂血症等)+生活方式(吸烟、饮酒、BMI等)。 Figure 2:RCS结果呈现。X和Y是相关的,那么他们是有什么样的剂量效应关系呢?直线?L型?N型?J型?这些都可以通过RCS曲线非常直观的看到,而且会检验线性和非线性关系,如果是非线性关系还会找到对应的拐点值。P for none-linear<0.05就说明是非线性的。RCS是这种类型文章的核心,一定要会看哦! Table 3:亚组分析。X与Y的关系会不会在不同的亚组中存在一定的差异呢?就举个例子,儿童的抑郁风险和成年人的抑郁风险肯定是不一样的,做亚组分析就是看X与Y在不同组别(性别,年龄,有某种疾病)关系是否依旧稳健存在,如果有差异,能否通过目前文献进行合理的解释。 这就是NHANES文章的主要结果啦,因为已经整理好了数据,后面的分析实际上是非常简单的,

4.4/Q1,FAERS数据库经典文章解读!

文章题目:Adverse drug events associated with linezolid administration: a real-world pharmacovigilance study from 2004 to 2023 using the FAERS database DOI:10.3389/fphar.2024.1338902 中文标题:与利奈唑胺给药相关的药物不良事件:使用 FAERS数据库进行的2004年至2023年真实世界药物警戒研究 发表杂志:Front Pharmacol 影响因子:1区,IF=4.4 发表时间:2024年2月…

NHANES指标推荐:AIP!

文章题目:Association between atherogenic index of plasma and post-stroke depression: a cross-sectional study DOI:10.1080/20008066.2024.2429266 中文标题:血浆动脉粥样硬化指数与卒中后抑郁症的关系:一项横断面研究 发表杂志:Eur J Psychotraumatol 影响因子:1区,IF=4.2 发表时间:2024年12月 今天给大家分享一篇在2024年12月发表在《Eur J Psychotraumatol》(1区,IF=4.2)的文章。本研究旨在探讨血浆动脉粥样硬化指数(AIP)与卒中后抑郁症(PSD)之间的潜在关系,为PSD患者的预防和预后管理提供参考。 研究方法:采用横断面研究,研究对象为2005年至2018年全国健康与营养检查调查的参与者。纳入标准要求提供完整的AIP、卒中史和抑郁状况数据。采用加权逻辑回归模型和限制性三次样条(RCS)检验AIP与PSD之间的关联。通过亚组分析和交互作用分析,评估不同亚组之间AIP和PSD相关的稳定性。 Table&Figure 结果解读:最终纳入的32364名参与者中,482人被诊断患有PSD。在加权多因素logistic回归调整模型3中,作为连续变量的AIP与PSD风险呈正相关〔比值比(OR)=1.85,95%可信区间(CI):1.18,2.91;P…

4.1/Q2,Charls最新文章解读!

文章题目:Association between chronic pain and cognitive frailty among middle-aged and elderly individuals: evidence from the China Health and Retirement Longitudinal Study DOI:10.3389/fnagi.2024.1491120 中文标题:慢性疼痛与中老年人认知能力下降的关系:来自中国健康与养老纵向研究的证据 发表杂志:Front Aging…

4.4/Q1,FAERS数据库最新文章解读!

文章题目:Comprehensive analysis of adverse events associated with onasemnogene abeparvovec (Zolgensma) in spinal muscular atrophy patients: insights from FAERS database DOI:10.3389/fphar.2024.1475884 中文标题:脊髓性肌萎缩症患者使用 onasemnogene abeparvovec (Zolgensma) 治疗相关不良事件的综合分析:来自 FAERS 数据库的见解 发表杂志:Front Pharmacol…

NHANES指标推荐:LC9!

文章题目:Association between Life’s Crucial 9 and overactive bladder: the mediating role of weight-adjusted-waist index DOI:10.3389/fnut.2024.1508062 中文标题:生命关键 9 与膀胱过度活动症之间的关系:体重调整腰围指数的中介作用 发表杂志:Front Nutr 影响因子:2区,IF=4.0 发表时间:2025年1月 今天给大家分享一篇在 2025年1月发表在《Front Nutr》(2区,IF=4.0)的文章。本研究调查了生命关键 9 (LC9) 与膀胱过度活动症 (OAB) 之间的关系,并评估了体重调整腰围指数 (WWI)是否会缓和这种关系。 研究方法:本研究的数据来自美国国家健康和营养调查 (NHANES)。我们使用亚组分析、限制性三次样条曲线 (RCS) 和多变量逻辑回归来探索 LC9 与 OAB 之间的关系。此外,还进行了中介分析,以调查 WWI 水平与 LC9 与 OAB 之间的关系之间的潜在关联。 Table&Figure…

2.7/Q2,Charls最新文章解读!

文章题目:Association of the Triglyceride-Glucose Index and Obesity Indicators with Multiple Chronic Diseases: A Longitudinal Cohort Study Based on CHARLS DOI:10.2147/JMDH.S496304 中文标题:血糖指数及肥胖指标与多种慢性疾病的关联性:基于CHARLS的纵向队列研究 发表杂志:J Multidiscip Healthc 影响因子:2区,IF=2.7…

医学生速看!挑战7天光速完成一篇NHANES,Day 3-4!

进度汇报:数据下载+数据清洗。 Day2的时候我把所有的数据都下载好了,现在就是数据清洗啦,任何一个公开数据库最费时费力的就是数据清洗了我打算用R来获取相关的数据。获取的数据可以用来构建一个自己的数据库,我换个指标,即换个指标、换个研究人群,就又能有一篇新的文章。 在提取变量之前我们需要确定需要提取什么数据,处理你重点关注的指标(X),和关注的疾病(抑郁,Y),还有一些协变量(Z),具体需要哪些协变量可以根据既往的文献中获得。我就提取了:年龄、性别、种族、教育程度、婚姻状况、贫困收入比率、体重指数(BMI)、肾小球滤过率(eGFR)、睡眠持续时间、饮酒、吸烟状况、心血管疾病、高血压、糖尿病、高脂血症和抗抑郁药使用。所以说,数据提取是公开数据库中最费时费力的,但是有代码的话,也还好,毕竟一二区的文章也不是大风刮来的 使用代码提啊提,终于用了2天的时间搞完了因为比如说高血压看起来只有是和否,但实际上定义有很多:目前正在口服降压药或血压大于140/90mmHg,其中血压值是由受过培训的人员连续测量三个血压读数,并计算这三个读数的血压平均值。那么也就意味着,需要提取更多的数据来综合组成这个协变量。工程还是很浩大滴 只要数据清晰了,后面的一切都好说,没什么复杂和困难的,重点就是选题(选择指标和idea)+数据提取这就是我花了很多的时间进行初步检索确定目标期刊、选题的意义千万不要一来就闷头开跑,