⭕️标题：Adding salt to foods and risk of incident depression and anxiety ⭕️期刊：BMC Medicine，IF=7.1，中科院1区 ⭕️研究背景：饮食是心理健康结果的已知决定因素。然而，关于盐消费与抑郁症和焦虑症风险的流行病学证据仍然非常有限。本研究旨在纵向检查在食物中添加盐与抑郁症和焦虑症发病之间的关联。 ⭕️研究方法（详见图2）：本研究使用了来自英国生物银行（UK Biobank）的444,787名成年人的数据，这些人在基线时均未被诊断出抑郁症或焦虑症。使用四点李克特量表在基线时通过触摸屏问卷测量添加盐到食物中的频率。结果是根据国际疾病分类第十版（ICD-10）代码定义的抑郁症（F32-F33）和焦虑症（F40-F48）的发病。使用Cox比例风险模型调查添加盐到食物中的频率与抑郁症和焦虑症发病之间的关联。 ⭕️研究结果：在平均14.5年的随访期间，记录了16,319例抑郁症和18,959例焦虑症的发病。添加盐到食物中的频率越高，抑郁症和焦虑症的风险就越高。与从不/很少添加盐到食物的组相比，有时、通常和总是添加盐的组的调整后抑郁症发病风险比（HR）分别为1.07（95% CI: 1.02–1.12）、1.18（95% CI: 1.10–1.26）和1.29（95% CI: 1.18–1.41）（P趋势<0.001）。报告总是添加盐到食物的参与者与从不/很少添加盐的参与者相比，发展焦虑症的风险高出1.17倍（95% CI: 1.07–1.28）。…
说起疾病负担，GBD数据库无疑是最好的选择，它是一个全球性的综合数据库，用于评估和分析全球及各地区的疾病、伤害和风险因素的健康影响。 该数据库汇集了来自全球195个国家和地区的数据，覆盖了包括心血管疾病、癌症、呼吸系统疾病、交通事故等多种疾病和伤害，以及行为风险、环境风险、代谢风险等多种风险因素。 今天小光分享一篇运用GBD数据库发表在《EClinicalMedicine》上的文献。 数据来源 研究使用了来自GBD 2021的数据来分析1990年至2021年早产（preterm birth）的全球、区域和国家层面的负担，包括年龄标准化发病率（ASIR）、年龄标准化死亡率（ASMR）和DALYs等指标。 Joinpoint回归分析结果 早产发生率及变化 文章采用了Joinpoint回归分析，它是一种分段回归方法，可以识别时间序列数据中的趋势变化点（称为连接点Joinpoint）。 其核心思想是根据数据的时间特征建立分段回归，通过若干连接点将研究时间分割成不同区间，并对每个区间进行趋势拟合和优化，以更详细地评价全局时间范围内不同区间特性的变化特征。 Joinpoint模型的主要结果指标包括年度变化百分比（APC）和平均年度变化百分比（AAPC）及95%CI。APC为因变量平均每年变化的百分比，而AAPC则提供了整个研究期间的平均变化趋势。 图1：1990年至2021年全球和5个SDI地区早产发生率的变化 全球每年早产发生率从1990年的23,000,790.05例下降到2021年的21,553,770.76例，变化率为-6.29%。此外，ASIR从1990年的358.94下降到2021年的348.41，EAPC为-0.27，AAPC为-0.09。 早产死亡率及变化 2021年全球年死亡率比1990年低42.86%，但仍高达739,670.71例。全球ASMR从1990年的20.27下降至2021年的11.94，EAPC为**-1.67**，AAPC为**-1.68**，下降趋势在2012-2021年加快。女性年死亡率低于男性。此外，女性ASMR的EAPC下降幅度大于男性。 ASMR下降幅度最大的是中高SDI区域，其次是高SDI区域，低SDI地区的ASMR最高。 图2：1990年至2021年全球和5个SDI国家/地区早产年龄标准化死亡率的变化 早产的DALY和变化 全球DALY从1990年的12,434,9683.84下降至2021年的8,033,5171.21，下降了35.4%。1990年至2021年，全球年龄标准化DALY呈下降趋势。 DALY变化的分解分析 分解分析可以探究影响全球、区域和国家层面特定时间段内DALY变化的具体原因。研究通过分解分析探讨了潜在因素对DALY流行病学的影响。 将早产导致的DALY变化分解为老龄化、人口和流行病学变化，量化这些因素对总体DALY的影响。 分解分析表明，在全球范围内，111.97%的DALY变化归因于流行病学变化，其次是人口（-21.59%）和老龄化（9.62%）。 跨国健康不平等分析…
又是一年春节到，给导师拜年不知道怎么说？怕导师觉得舔、自己觉得尬？直接复制怕雷同？ 看过来姐妹们[图片] 过年给导师拜年的万能话术来了~真诚又不舔！导师看完一定对你有个好印象哦~~ 拜年不能太早，否则太跳脱，容易让导师觉得你很闲。也不能太晚，万一导师先给你拜了年，你的局面就会陷入被动。务必在除夕那天晚上把这年拜了！ ⭐比较推荐的拜年方式：除夕晚上群里小拜，春节零点私聊大拜🥰，轻松被你拿捏住了。 除夕小拜 话语可以简单，但表情包一定要丰富，营造出欢乐祥和的气氛。参考话术 be like： “岁末将至，辞旧迎新。🎉感谢魏老师的谆谆教诲，师兄师姐和师弟师妹们的互帮互助。新的一年祝大家：🌟良辰吉日时有，锦瑟年华坐拥。多喜乐，长安宁！💻数据多多，曲线完美，paper发发发📚🎆” 导师看到，应该能心领神会，知道大家是在抖机灵发红包。群里的温馨气氛在抢红包当中被推向高潮。 等0点的钟声敲响了 你要再私聊大拜一次。用词要诚恳，祝福要发自内心，把你这一年最想对他说的话一股脑儿都表达出来！具体怎么发呢？建议参考以下公式： 感谢教诲+表明决心+祝福展望 开头感谢导师的教诲，吹一下没有导师就没有你。中间表明决心，说你明年会更加努力地工作。结尾祝福展望，说说吉祥话。 模板参考 尊敬的X老师：光阴似箭，日月如梭！我在我们XX课题组的大家庭又度过了一年！衷心感谢X老师这一年来对我的关照与教诲。遥想年初时，我对科研方向尚且懵懂。但X老师对我学术路上的言传身教让我成长，尤其是7月您与我的几次畅谈，让我领悟了科研的奥秘。在您的耐心指点下，我的论文才得以顺利地发表。我深感荣幸，心怀感恩！明年我一定会以饱满的精神状态更加努力地工作，不辜负老师的殷切期望！值此兔年到来之际，祝X老师新年快乐，身体健康，阖家幸福，万事如意！ 学生XXX敬上。 注意事项1️⃣ “遥想年初时”后面要写得自己弱鸡一点，增强对比反差，凸显自己的进步；2️⃣ “尤其是”后面要进行细节描述，让你的成长更加强实，导师也会更有成就感。 文艺版尊敬的X老师：何其有幸，得师如您！感谢您一直以来对我的辛勤培育与付出，这一路上我经历过许多困难与问题，是您一次次地为我照亮前路，千言万语也难言师恩深重，我唯有奋力前行，才能不负您的期望。新年之际，祝亲爱的X老师欢愉且胜意，万事皆可期！新年快乐！ 学生XXX敬上。 亲切版尊敬的X老师：承蒙老师的关照，让我在过去一年有了很大的进步【展开说说】。值此2024新春，感恩老师的谆谆教诲，祝老师新年快乐，工作顺心，身体健康，万事如意！ 学生XXX敬上。…
⭕️期刊：Cardiovascular Diabetology，IF=8.5分，中科院1区Top ⭕️研究背景：代谢综合征（MetS）是一种由多种代谢异常（如高血压、中心性肥胖、糖代谢受损和血脂异常）共同存在的临床综合征，显著增加心血管疾病（CVD）和死亡风险。胰岛素抵抗（IR）是MetS的核心病理生理因素之一，也是CVD的重要驱动因素。既往研究显示，估计葡萄糖处置率（eGDR）作为IR的可靠标志物，与CVD预后相关。然而，eGDR与MetS及其对临床结局的预测作用尚不清楚。 ⭕️研究方法（详见图2）：研究利用美国国家健康与营养调查（NHANES，2001-2018）的数据，采用横断面设计评估eGDR与MetS患病率的关系，并采用队列设计进行死亡率随访。共纳入16,437名参与者。通过加权逻辑回归模型分析eGDR与MetS的关系，通过加权Cox比例风险模型评估eGDR与全因死亡率和CVD死亡率的关联。此外，应用限制性立方样条（RCS）分析评估eGDR、MetS与死亡率之间的非线性关系，并使用C统计量评估eGDR与其他IR指标（如TyG指数和HOMA-IR）对死亡率的预测性能。 ⭕️研究结果 eGDR与MetS患病率：eGDR与MetS患病率呈显著负相关（p < 0.001），且这种关系在不同亚组中均一致。RCS分析显示eGDR与MetS患病率之间存在非线性关系，eGDR降低时MetS患病率急剧增加。 eGDR与死亡率：在MetS患者中，eGDR每增加1个标准差，全因死亡率和CVD死亡率分别降低11%和18%（p < 0.05）。RCS分析显示eGDR与死亡率之间呈线性关系。在无MetS的个体中，eGDR仅与CVD死亡率相关。 预测性能：eGDR相比TyG指数和HOMA-IR，显著提高了全因死亡率的预测能力（p = 0.007），但在CVD死亡率预测中未见显著优势。 ⭕️文章总结：本研究基于NHANES数据，探讨了估计葡萄糖处置率（eGDR）与代谢综合征（MetS）患病率及死亡率的关系。结果显示，eGDR与MetS患病率呈显著负相关，且与MetS患者的全因死亡率和CVD死亡率呈线性负相关。eGDR在预测全因死亡率方面优于其他IR指标（如TyG和HOMA-IR）。研究强调了eGDR在MetS人群中的临床风险评估中的潜在价值，提示其可作为识别高风险个体的有力工具。
Meta分析是一种系统性的研究方法，旨在综合和分析多个独立研究的结果，以获得更准确和可靠的结论。 通过整合已有的研究，Meta分析可以帮助我们了解某个特定主题的效果或关联性，并提供更全面的证据支持。 一般在研一，导师都会让我们去学习写一篇Meta分析。Meta分析相对简单，很适合医学科研入门的时候学，整个流程下来，像文献检索、文献筛选、统计分析、SCI写作，SCI选刊投稿等基础科研能力，都能得到锻炼！ 部分Meta分析SCI的写作模板 《Meta分析SCI写作模板》 第一部分：前言部分 前言的介绍是非常重要的，前言部分一般是先对某些疾病或研究领域做一个介绍，包括其人的生活影响，现阶段的研究概况，以及研究的不足之处。目标是确立研究的必要性，数据和方法这一环要起承转合、很重要、很有意义，并且是有争议的，然后引出我们文章的目的。 前面部分介绍不同的描述有不同的写法，但是最后点名后续我们的内容，引出我们的目的一般是大同小异，下面就给大家介绍几种写法： 模板示例：1️⃣ Considering the impact of the xxx risk potentially resulting from xxx, a number of studies have…
MIMIC数据库（Medical Information Mart for Intensive Care）是一个开源的重症监护数据库，它包含了丰富的患者数据，其中也包括与血液系统相关的数据。 今天小编给大家总价以下①怎么找到血液系统数据②有哪些血液系统数据 ⭕如何找到血液系统相关数据 MIMIC数据库中的血液系统数据主要来源于以下几个表格： CHARTEVENTS：该表格记录了患者生命体征的数据，如心率、血压、体温等，同时也包括一些血液相关的指标，如血氧饱和度（SpO2）等。 LABEVENTS：该表格记录了患者的实验室检查数据，其中包含了大量的血液检查项目，如白细胞计数（WBC）、红细胞计数（RBC）、血红蛋白（Hb）、血小板计数（PLT）以及各种生化指标等。 BLOOD_DIFFERENTIAL：该表格专门记录了白细胞分类计数的数据，包括中性粒细胞、淋巴细胞、单核细胞等各种白细胞亚型的计数。 ⭕MIMIC有哪些血液系统相关数据，请看图1 今天要分享的学员就是血液疾病方向挖掘MIMIC数据库成功发表文章的 ✔接收期刊：Scientific Reports 📉IF=3.8；中科院2区SCI 📍发文方法：临床研究挖掘MIMIC数据库
规培大概是每一个医学生的噩梦。 虽然规培制度总是被人吐槽，自己也深陷其中，但是今天咱不吐槽，而是谈谈如何在规培时学习到更多！ 俗话说屁股决定脑袋，有些话从上级领导口中说出来，因为师生关系所坐的板凳不同，总带有PUA的嫌疑，但其实不妨碍老师的劝说有一些可取的内容。 不管怎样，选择医学道路，踏上规培征程，总要想办法让自己多学一点。 希望这篇经验对大家有所帮助： 1️⃣ 学透常见病每次领导说：“要珍惜规培，规培期间你们有大把的学习机会。”虽然听到这些话会翻白眼，但平心而论，规培医院的资源、病人、医生确实比非教学医院要好很多。领导说的话其实也不无道理。 所以我们在规培期间就抓紧时间把自己以后执业时可能遇到的常见病、多发病，不管大小轻重全部理顺。 例如： 每隔一段时间，可以从诊断、鉴别诊断、用药、复查、疗效判断、手术指征、手术禁忌症、手术难点、潜在并发症等方面，把常见病多发病的诊疗流程理顺，形成自己的“临床路径”，以后才能游刃有余。 2️⃣ 收集罕见病例很多罕见病，一个医生一辈子只会遇见一次，但一次就终生铭记。 虽然case report和图片文章对职称和升学没有太大帮助，但遇上了罕见病，可以抓住机会写成文章，英文不行，咱们还有中文期刊。 不要因为怕麻烦而只收“常规”“优质”的病人，如果没有思考整理，虽然病人收得多、收得快，但对医生成长也是没有意义的。 3️⃣ 先看病人，再看对应知识纯看书相信大部分人效率不会很高，有的知识看过很多遍也会忘。你在规培时收什么病人，就看对应章节，真的是很棒的学习方法。 所以，不管再忙，每天都抽出时间看看课本，哪怕在微信搜索里面搜一下，看看指南、科普文章都好。虽然是现学现卖，但事半功倍。 4️⃣ 抓住老师问问题理论和临床有一定差距，学会了各种指南与临床路径并不能让你高枕无忧。 规培时遇到问题及时询问医生，好的医生会综合各方面条件给出最佳、最实际可行的方案，而不是照本宣科。 例如： 提示： 可以做一个Question To…
MIMIC数据库（Medical Information Mart for Intensive Care）是一个开源的重症监护数据库，它包含了丰富的患者数据，其中也包括与血液系统相关的数据。 今天小编给大家总价以下①怎么找到血液系统数据②有哪些血液系统数据 ⭕如何找到血液系统相关数据 MIMIC数据库中的血液系统数据主要来源于以下几个表格： CHARTEVENTS：该表格记录了患者生命体征的数据，如心率、血压、体温等，同时也包括一些血液相关的指标，如血氧饱和度（SpO2）等。 LABEVENTS：该表格记录了患者的实验室检查数据，其中包含了大量的血液检查项目，如白细胞计数（WBC）、红细胞计数（RBC）、血红蛋白（Hb）、血小板计数（PLT）以及各种生化指标等。 BLOOD_DIFFERENTIAL：该表格专门记录了白细胞分类计数的数据，包括中性粒细胞、淋巴细胞、单核细胞等各种白细胞亚型的计数。 ⭕MIMIC有哪些血液系统相关数据，请看图1 今天要分享的学员就是血液疾病方向挖掘MIMIC数据库成功发表文章的 ✔接收期刊：Scientific Reports 📉IF=3.8；中科院2区SCI 📍发文方法：临床研究挖掘MIMIC数据库
近两年很火的临床预测模型，听着很高大上，是不是以为很难？其实不然，用我的学习步骤，你肯定能学会，和我一起2025猛猛冲临床科研！ 临床医学专硕如何进行自己的学术规划？ 根据国家卫健委制定的培养计划，临床医学专业型硕士研究生需要在研究生期间完成大约33个月的住院医师规范化培训轮转计划，在学期间取得执业医师资格证、住培结业考试合格，并完成学位论文答辩评审，才能毕业并取得学位。因此，我们这类专硕根本就不可能整天泡在实验室去做漫长的基础研究，去掉一两年都不一定能有结果的课题。 所以对于专硕的同学，建议以临床研究为主，尽量结合自身导师团队的临床工作特点，尽可能早地设计课题，并进行一定地数据收集和统计学习。这个过程虽繁琐，但只要设计得当，选择正确的统计方法，很大机会可以完成一篇高质量的研究型论文。这类研究论文紧密联系临床，具有很高的实际意义和借鉴价值，近年来临床相关学术期刊越来越高影响因子也说明了这个趋势。 具体怎么去学？可以参考我之前的学习步骤👇 1️⃣ 了解临床研究基本知识临床医学研究类型种类繁多，且容易被混淆。因此，准确地找到与研究目的匹配的临床研究类型，并根据研究类型准确设计医学试验并搜集数据，就必须清楚了解每一种研究类型的定义以及不同研究类型之间的区别。 2️⃣ 掌握临床数据库基本知识对于一些还没有太多自己数据、没有太多临床经验年轻医生来说，想要做临床研究，最大的阻碍就是数据来源问题，这一点完全可以通过公共数据库来解决。 常用的公共数据库主要有： 3️⃣ 寻找合适数据进行下载数据库这么多，那如何寻找适合自己的数据呢？就需要掌握各个数据库具体有在哪些数据，适合哪些疾病研究了，这里我主要以最常用的三大数据库为例： ① NHANES：NHANES的独特之处在于结合了面谈、体检和实验室检查。面谈数据包括人口统计、社会经济、饮食和健康相关问题，可用于确定主要疾病的患病率和疾病的危险因素。这些信息将用于评估营养状况及其与促进健康和预防疾病的关系，这也是我们利用此数据库进行研究的方向。 ② SEER：SEER数据库内记录了不同癌症病种患者人口学特征、临床病理资料和生存资料，如性别、年龄、组织学类型、分期、生存时间、状态、死亡等等，病灶样本数量大，统计学效能强。数据库中的肿瘤可分为9类：乳腺、结肠&直肠、其他消化系统、女性生殖、淋巴&血癌、男性生殖、呼吸系统等，其尚未涵盖的类型，比校适合以上这些科室。 3️⃣ MIMIC：MIMIC数据库收集了麻省总医院重症监护室（ICU）患者数据多年来的临床数据，包括医疗记录、实验室结果、生理监测数据等。数据包含了患者的基本信息、临床诊断、用药信息、实验室检测结果、生理监测数据、预后等多类型的医学信息。 MIMIC数据库几乎涵盖了所有科室的重症数据，所以适合做一些重症研究，例如： 提示： 数据库太多，这里不能一一列示完全，如果大家不知道自己的方向适合哪个数据库，可以互动区🍎留言你的科室，我这边给你看看数据～ 3.1 学习数据库的基本操作流程上述数据库的数据下载，基本都是注册账号、申请权限、下载数据这么几个步骤，很简单。我主页都分享过详细步骤👇 4️⃣ 学习预测模型构建方法临床预测模型，是一种通过纳入多个变量预测结果发生情况的统计学模型，可对患者的疾病发生、严重程度分层、风险和转归等临床情况进行预测，帮助医生更准确地评估患者的疾病风险和预后，提高临床决策的准确性。九步完成构建：…
NHANES数据库作为一个大型流行病学调查数据库，包含了丰富的妇科数据。 👇以下是一些可以从NHANES数据库中获取的妇科数据示例： 孕妇营养与妊娠并发症：NHANES数据库记录了美国孕妇的孕期营养摄入情况，以及与妊娠并发症的关系。这些数据有助于科研人员探究营养摄入对妊娠并发症的影响，并为预防提供科学依据。 分娩方式与影响因素：NHANES数据库中包含了不同年龄段美国孕妇的分娩方式选择及其影响因素的数据。这些数据可用于分析分娩方式的选择趋势、影响因素以及优化分娩过程的方法。 产后抑郁与社会支持：NHANES数据库记录了美国产妇产后抑郁的情况，以及与社会支持、生活压力的关系。这些数据对于研究产后抑郁的发病机制、预防策略以及社会支持在其中的作用具有重要意义。 孕期体重增长与母婴健康：NHANES数据库中包含了孕妇孕期体重增长的数据，以及与母婴结局的相关性。这些数据可用于指导孕妇合理控制体重，以降低母婴健康风险。 高龄孕妇妊娠风险：NHANES数据库还记录了高龄孕妇的妊娠风险因素，为孕期保健和风险防控提供策略。 此外，NHANES数据库还涉及一些与妇科相关的其他疾病研究，例如： 子宫内膜异位症 宫颈癌、乳腺癌 绝经、不孕症 细菌性阴道病 HPV感染 子宫平滑肌瘤 今天要分享的学员就是妇产科方向挖掘NHANES数据库成功发表文章 ✔接收期刊：PLoS One 📉IF=2.9；中科院3区SCI 📍发文方法：Meta分析