进度汇报：完成Table和Figure 数据已经整理好啦，那现在就是做出Table和Figure 在具体操作之前呢，肯定要再去看文献啦 模仿文献一步一步来就好啦 常规NHANES文章就是需要下面这些，当然 我们也会看到有很多文章会有一些其他的处理，比如加上了机器学习呀 本质上还是这个思路，只不过在暴露的选择、分析方法会有一些差异 万事开头难，我们就先学会这种最简单的思路， 后面我们慢慢学习和挑战别的 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…
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， 一起加油呀~明天见
医学生科研变优秀，必须要跨越的三座大山！（详细版看图片） 首先是掌握文献、理解课题 其次是独立分析和解决问题的能力 最后是建立对研究领域的整体视野和研究品味，能够辨别哪些问题值得研究。 相信大家不管是在读研究生/博士生，还是医院医生，深入了解医学行业后，已经对科研的重要性有所认知，医生的核心竞争力必然是科研，如果科研是短板，职业天花板会很有限。 当然，大家也无需焦虑，山也是慢慢形成山的，慢慢来比较快。 另外，每个人的职业规划不同，并不是每个医学生都要在科研道路上走到底，成为某领域专家。 前期我们无需给自己太大压力，先让自己入门，科研成果够用就行。 那么如何快速入门？这是一个科研小白很困扰的问题 真心建议大家学习Meta分析，因为Meta分析可以简单理解为文献的二次分析，难度相对较低，适合科研0基础学，至少不会因为太难而劝退。 其次你将锻炼到很多重要的科研基础能力，包括文献检索、文献筛选、医学统计分析、SCI写作、SCI选刊投稿流程…… 当你真正从0到1发表一篇Meta分析SCI后，就能迅速对医学科研学术语言有一个清晰的认知。 🎯 研一阶段：理解课题 大部分医学生在本科阶段从未接触过科研，研一是打开科研大门的第一步，进入一个陌生的领域，必定需要一个漫长的适应过程。 谁适应得快，谁的成长就快！ 研一最重要的任务就是学会理解课题。接受导师的课题后，自己要主动查阅相关文献。 建议文献阅读的顺序为：中文综述 👉 英文综述 👉 高分文章+硕博论文 综述可以帮助我们了解研究内容的现状，高分文章中的新观念及技术可以做借鉴，在硕博论文中可以找到相关实验的具体步骤。 带着问题读文献，深刻理解课题的意义：1️⃣ 研究的目的是什么？2️⃣…
什么是医学生信？ 医学生物信息学是一个跨学科的领域，涉及医学、生物学、计算机科学等多个学科，旨在利用生物信息学的方法和工具，挖掘生物医学数据中的有用信息，为疾病诊断、治疗和预防提供新的思路和方法。 对于刚刚入门的小白来说，可能会觉得医学生信分析是一个复杂而繁琐的过程，时常挣扎在“曲折道路我走不完，前途光明我看不见”的痛苦之中。 但其实，当我们了解了医学生信分析的基本流程、掌握了基础的生信知识技能，轻松入门便可不再是幻想！ 入门8步骤： 一、如何获取数据？ 1. 公共数据库 数据特点：数据质量较高且经过严格审核。 2. 实验室生成数据 这些数据通常是通过高通量测序技术获得的，如RNA-Seq、ChIP-Seq、ATAC-Seq等。 数据特点：具有高度的特异性和实时性，但代价较高，耗时长。 3. 合作数据 通过与其他实验室或研究机构合作获得，能够弥补公共数据库和实验室生成数据的不足，为研究者提供更为全面和深入的数据支持。 数据特点：具有独特性和专属性。 4. 其他数据来源 研究项目：一些大型研究项目和合作计划也提供了丰富的生物信息数据，如Human Microbiome Project (HMP) 和1000 Genomes…
NHANES一定试试这个期刊，这个月发了小十篇！《Ecotoxicology and Environmental Safety》6.2分 本期解读的文章就来自于本刊，恭喜宁波李惠利医院团队！一起看看吧！ ⭕️研究背景：溴化阻燃剂（BFRs）是一类持久性、生物累积性和有毒的有机污染物，广泛应用于各种工业和商业材料中。这些化学物质不仅在环境中普遍存在，而且对人体健康构成威胁。研究表明，BFRs暴露与血小板（PLT）水平升高有关，这可能增加血栓形成和心血管疾病的风险。尽管某些BFRs已被禁用或限制使用，但由于其持久性和累积性，人类仍将持续暴露于这些化学物质中。因此，研究BFRs对血小板水平的影响及其潜在的健康风险具有重要意义。 ⭕️研究方法 1. 数据来源与筛选： 2. 变量测量： 3. 协变量选择： 4. 描述性统计： 5. 相关性分析： 6. 加权线性回归分析： 7. 响应关系样条分析： 8. 亚组分析： 9. 加权加和位点数和回归（WQS）分析：…
新挑战继续进行~ 第2天主要任务：数据库的认识 NHANES数据库听名字就知道和我们的MIMIC、eICU 一样是一个公开数据库， 但是这个数据库的比较特别的点在于数据获取相对来说比较的简单， 也就是说能非常方便的就下载到原始数据， 这对我们这些“临床牛马”来说是非常利好的。 之前也尝试过搞MIMIC，数据量太大了， 本地安装数据库装了很久都没装上， NHANES就没有这个烦恼，可以疯狂冲锋冲锋 利用公开数据库发文章，最重要的就是要知道数据库的数据组成， 他有那些数据，才能知道我可以利用些什么样子的数据进行idea构思。 NHANES是关于营养调查的健康和营养的信息，是一个横断面的调查。 从网站上我们可以看到，数据内容是非常丰富的。 里面有不同的年份，比如“2013-2014”，我们叫一个周期， 因为NHANES每2年上传一次相关数据。 每一个周期里面有很多数据，但是我们主要利用的是（Data, Documentation, Codebooks）， 里面是包括了人口统计学、饮食数据、体格检查、实验室数据、问卷调查和Limited Access Data， 我们最常用的是前5个， Limited Access…
很多医学生问Meta分析要怎么学？结合自己从小白到6篇SCI的经验，总结了6个入门步骤，这就是我小白逆袭的路线！ 1️⃣真正理解Meta分析是什么？医学生为什么学？ Meta分析是一种统计方法，它本身没有“高低贵贱”之分，网上所谓Meta分析烂大街，说的是选题不好、纳入文献质量差的低质Meta。但凡你去看一下顶刊上的Meta，就知道“Meta分析质量差”的言论不攻自破。 学习Meta分析不仅仅是帮助你快速发表一篇SCI，你要掌握的是整个科研过程，为你将来科研工作筑基。 2️⃣学习Meta分析范文，知Meta分析全貌 在不影响理解的前提下，把看不懂的地方先标记，随后再去找资料。将文献通读几遍后，你大概能理清楚Meta分析的整体流程。（见封面图） 3️⃣通过经典教材理解细节 通过学习范文，可以对Meta分析有整体的认识，但还有很多疑点，这时候我们可以看经典教材。 1 、《Cochrane handbook》 2 、《Meta分析导论》 3、 《实用循证医学方法学·第二版》 4️⃣还原Meta分析范文 从头到尾把一篇Meta分析文献还原出来，把文献检索、文献筛选、提取数据、质量评价、森林图、亚组分析、发表偏倚检验等内容都做一遍。 5️⃣撰写Meta分析报告 6️⃣更省心高效的学习方式：找个老师一对一指导你！ 如果你学习能力很强，自律性也高，可以按照前面的方法自学。这也是我自学的路径，当时身边没有什么学习资源，没有人可以请教。所有事情都要自己去琢磨。 这样学习有利也有弊，好处是学得比较深刻，坏处就是学习周期太长，很容易放弃，效率太低。 时间成本就是蕞大的成本呀！ 一次性讲清楚Meta分析 很多人问Meta分析要怎么学？结合自己从小白到6篇SCI的经验，总结了6个入门步骤，这就是我小白逆袭的路线！ 1.…
哈喽，这里是小光，继续带着大家读值得读的临床研究文献。 最近我读了一篇横断面研究文章，题为《Sleep and CKD in Chinese Adults: A Cross-Sectional Study》。 虽然文章一开始看起来平淡无奇，但仔细阅读后发现其中有很多值得学习和借鉴的地方。 横断面研究具有研究周期短、数据收集方便等优势，非常适合科研初学者入手。但由于其研究证据级别较低，难以发表高分期刊。那么这篇文章为什么能够发表在高分期刊呢？ 这篇文章研究的内容是在中国成年人中探讨睡眠和慢性肾病之间的关系，通过PICOS原则可以初步了解研究的大概内容。如果你也有横断面数据需要分析，那么阅读本文将会给你提供一些启示。 横断面研究不一定非要单独开展，也可以利用队列研究中的横断面数据。 在收集数据时，暴露因素尽可能从多维度进行评估，这样在分析时会比较充分。 结局变量若为是否患病，不仅可以从患病状态来进行分析，还可以定义患病前高危人群，以及从生化指标的角度来进行分析。 使用趋势性检验，将连续性变量转换为分类变量，更容易出阳性结果。 做些补充分析放在论文的附表里，使文章更有说服力。 感兴趣的同学可以下载原文来阅读！！值得精读！！ 最后，如果你想高效发表一篇医学SCI，不做实验，不收集数据，墙裂建议你了解了解挖掘临床公共数据库，用别人的数据发自己的文章，真的是一个性价比很高的发文方式。 像SEER、NHANES、MIMIC、GBD这些数据库，有海量数据可供选择，总有一个适合你的科室！ 最近我读了一篇横断面研究文章，题为《Sleep and CKD in…
国家数字图书馆 国家数字图书馆，是一个强大的国字号应用，是由国家总书库、书目中心古籍保护中心联合推出的线上图书应用。 作为国字号应用，资源丰富，运行稳定是它的招牌，里面有海量文字类书籍、音频类书籍、视频等丰富的资源。 中国大学MOOC 在医学与保健栏，包含基础医学、临床医学、公共卫生、口腔医学、药学、护理学、老年医学、儿科学、妇产科学等课程资源。 学习强国 打开学习强国网站有一个【学习慕课】入口，找到【医学】。 🏆这些课程都是联合各大医学院和医学教育机构共同打造，质量有保障，且免费没有广告。包含基础医学、临床医学、儿科学、医学统计等课程，类型丰富！ 医学人自己的慕课——人卫慕课 看到人卫这两个字，应该就知道这个网站的分量了。包含临床、护理、基础医学、中医……分类更加细致，专业性更加适用于医学专业的学生！ 国家自然大数据知识管理服务门户 如何查询和下载别人的国自然科学基金项目？ 这个靠谱的网站——国家自然大数据知识管理服务门户，一定要收好，该网站提供科学基金资助项目、结题项目、项目成果的检索和统计、项目结题报告全文和项目成果全文的浏览、相关知识发现和学术关系检索等，方便易用！ 🟢 国家数字图书馆 说到电子图书下载网站，你会想到什么？ 不出意外，我猜你一定会说Zlibrary，这个网站大家都在推荐也确实很好用，但是由于版权问题，它经常被封杀，出现无法访问的情况。 今天给大家推荐一个永远不会被封杀、国家出品的神器——国家数字图书馆。 国家数字图书馆，是一个强大的国字号应用，是由国家总书库、书目中心古籍保护中心联合推出的线上图书应用。 作为国字号应用，资源丰富，运行稳定是它的招牌，里面有海量文字类书籍、音频类书籍、视频等丰富的资源。 🟢 中国大学MOOC 中国大学MOOC（慕课）汇集中国知名高校的MOOC（慕课）课程。权威出品，没有广告海量免费学习网课，可以听网课提升自己的薄弱项目。 在医学与保健栏，包含基础医学、临床医学、公共卫生、口腔医学、药学、护理学、老年医学、儿科学、妇产科学等课程资源。 🟢…
Day 6-7 ：咱们要搞定写作和投稿 这是我们得最后冲刺阶段–写作！ 是不是很多小伙伴拿到结果后， 不知道怎么动笔，不知道怎么写作 尤其是那个“讨论”部分，简直是无从下手。 但其实吧，写作这事儿， 说简单也简单，就是个码字的活儿。 一篇文章，撑死了8000字，就算得熬夜也得把它码完。 关键是怎么写得又快又好呢？ 怎么写的快？–我们有AIGC的解决方法 怎么写得好？–模仿目标文献 所以有了核心结果，咱们就得赶紧写。 AIGC工具，这可是我独家总结的颠覆性写作秘籍。 数据处理的时候，方法部分和结果部分其实已经差不多了， 所以这两天咱们就专心搞定讨论、背景和那些套路化的内容。 其实写多了也就那样 主要还是结果有没有意义 写作完成之后，就得根据目标杂志的要求来整理投稿， 比如调整图片格式、文章结构啥的 满足期刊的形式要求嘛 咱们的PROSPERO注册号一下来，就立马进行投稿。 高效、高质量、速度快，这就是发文的秘诀。 有目标，最后都会变成成功的兴奋剂。…