今天给大家分享一篇在 2024年5月发表在《Front Nutr》（2区，IF=4.0）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2001–2018年的数据，探讨晚期肺癌炎症指数 (ALI)（炎症与营养状况相结合的综合指标）与类风湿关节炎 (RA) 患者全因死亡和心血管死亡之间的关系。暴露：本研究的暴露变量是高级肺癌炎症指数（ALI）。ALI是一个结合营养状态和炎症水平的综合指标，具体计算公式为：ALI = 血清白蛋白水平（g/dL） × 体质指数（BMI）/ 中性粒细胞与淋巴细胞的比值（NLR）。结局：研究的主要结局是全因死亡率和心血管死亡率。全因死亡率指的是在研究期间，由于任何原因导致的死亡。心血管死亡率则是指由于心血管相关疾病（如心脏病、中风等）导致的死亡。#光速科研
Day 6-7：写作＋投稿前准备结合我们之前的准备工作和跑出来的图片、表格写作是最简单的事情这个时候目标期刊的作用再一次体现出来针对目标期刊进行模仿写作模仿写作逻辑但是不能抄袭模仿是模仿、抄袭是抄袭一篇文章也就几千字只要我的写作逻辑符合目标期刊我的核心结果也有意义那这篇文章就不会差到哪里去其实当我们确定了选题过后就开始写作了写作我们的材料和方法学部分和任何公开数据库一样的Ｍｅｔａ、ｎｈａｎｅｓ同样的因为所有的方法学都是类似的我首先利用“框架写作法”完成内容初稿写作然后根据目标期刊和实际情况进行修订然后进行文章的翻译、润色、投稿准备投稿前准备就是按照目标期刊的要求整理相关的材料然后就是等待老板审核内容以及根据他的意见进行修改目标期刊–选题–下载数据–分析数据–框架写作–投稿准备–等待老板返修–正式投稿这就是我们创作一篇SCI的全过程写文章\做科研需要靠时间来泡努力在上班\上学中抽出时间完成自己的任务代码多跑跑、文章多写写不要害怕写得一坨shit“论文是改出来的”总之，GBD文章的思路简单而且清晰方法学相对来说比较简单、复刻容易希望大家都能中稿高分文章有一些师弟师妹经常私信询问我GBD等相关数据库挖掘的情况我们拥有一整套行选题到投稿的高效、快速产出成果、发表文章的方案，欢迎私戳让我们一起努力，向前冲锋！
今天给大家分享一篇在 2024年2月发表在《Lancet Reg Health Eur》（1区，IF=13.6）的文章。本文这项研究利用了全球疾病、伤害和风险因素负担研究 (GBD) 2019年的数据，以及选定的可改变风险因素和社会人口统计指标来预测 2019 年至 2050 年期间欧洲脑出血的发病率和死亡率。研究方法：利用全球疾病、损伤和风险因素负担研究 (GBD 2019) 中确定的三种脑出血风险因素（高收缩压、高空腹血糖和高体重指数）来预测 2019 年至 2050 年之间的风险归因分数。然后使用时间序列模型（自回归积分移动平均线 [ARIMA]）预测不可归因于这些风险因素的疾病负担，并将社会人口指数 (SDI) 作为外部预测因子。根据赤池信息准则 (AIC)，为每个年龄-性别-国家组选择 ARIMA 模型的最佳参数。通过扩展所有地点-年份的风险因素和 SDI…
今天给大家分享一篇在 2023年9月发表在《Rev Cardiovasc Med》（3区，IF=1.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）1999–2004年的数据，探讨了血清肌酐/胱抑素C比值（Cr/CysC比值）与心血管疾病（CVD）发病率和死亡率之间的关联。暴露：本研究的暴露变量是血清肌酐/胱抑素C比值（Cr/CysC比值），该比值是通过血清肌酐和胱抑素C的测量值计算得出的，作为肌肉质量的替代指标。结局：研究的主要结局是心血管疾病发病率和死亡率。发病率是通过参与者自报的CVD诊断信息来确定的，涵盖了心力衰竭（HF）、冠心病（CHD）、心绞痛、心肌梗死（MI）和中风等疾病。死亡率是通过与国家死亡指数（National Death Index, NDI）匹配数据确定的，涵盖了因心脏病和脑血管疾病导致的死亡。
Day 4-5：方法学的复刻：完成核心Table和Figure这两天的任务主要是根据研究目的下载数据＋数据分析 前面有师弟再我们评论下面说：最近数据下载怎么这么慢？那是因为使用GBD的人逐渐多了起来和我们之前跑MR的时候一样，５０２的情况很多网站压力太大也就意味着我们再下载的时候会等待很久的时间特别是想要下载全球数据的时候如果是这样的话建议大家分段下载然后进行拼接比如下载９０年到２１年我每５年为一个周期进行下载虽然有些麻烦也只有通过这种方式一定程度上缓解压力了 但是下载的数据是标准化的不需要过于复杂的处理就能够直接使用一般我们需要下载发病率、患病率、DALYs从这３个指标进行疾病负担分析因为数据是标准化的所以不用清洗就能直接使用纳入到相关模型中进行展示 我们的基础代码包已经整理好了放进代码里面跑一边就能跑出自己的结果基本对设备的要求一般除非是进行前沿分析这个最好用配置好一些的电脑其他的实现还是比较容易的通过不断变换研究的视角和方法也就是换研究人群、换研究地区、换年龄范围、换危险因素就可以持续产出新的研究成果 今天的所有表格和图片就完成了明天就要开始写作啦！欢迎大家在评论区留下自己的经验和想法，我们下一篇进度汇报见！
今天给大家分享一篇在 2024年2月发表在《Lancet Reg Health Eur》（1区，IF=13.6）的文章。本文这项研究利用了全球疾病、伤害和风险因素负担研究 (GBD) 2019年的数据，以及选定的可改变风险因素和社会人口统计指标来预测 2019 年至 2050 年期间欧洲脑出血的发病率和死亡率。研究方法：利用全球疾病、损伤和风险因素负担研究 (GBD 2019) 中确定的三种脑出血风险因素（高收缩压、高空腹血糖和高体重指数）来预测 2019 年至 2050 年之间的风险归因分数。然后使用时间序列模型（自回归积分移动平均线 [ARIMA]）预测不可归因于这些风险因素的疾病负担，并将社会人口指数 (SDI) 作为外部预测因子。根据赤池信息准则 (AIC)，为每个年龄-性别-国家组选择 ARIMA 模型的最佳参数。通过扩展所有地点-年份的风险因素和 SDI…
Day 2-3：充分评估选题可行性+代码等方法学评估今日的主要任务是在前面的基础上深入的评估可行性我们之前就一致强调选题的重要性一定要花大量时间去评估，不要是在做无用功主要是根据目标文献中的核心图片和Figure评估如果换了一个数据集过后能不能实现看起来是换了一个数据集，但是叶不要想的过于简单这一步需要十分的谨慎，一定要多看、多检索和我们做MIMIC、PIC、NHANES一样基本是选好了就能做、选不好就凉凉不要做浪费时间的事情方法学的内容是最简单的、也是最容易学会的那从哪里去学习核心的方法学其中对于目标文献的精读就显得尤其重要通过阅读目标文献我们发现主要的分析包括以下方面–描述–Joinpoint–地图–BAPC预测搞清楚了方法学也就知道自己应该重点关注什么也就能够跑出文章中的重要图片和表格也就是核心Rｅｓｕｌｔｓ后面再利用框架写作法进行写作就显得十分的容易和得心应手挑战继续！
今天给大家分享一篇在 2023年9月发表在《Rev Cardiovasc Med》（3区，IF=1.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）1999–2004年的数据，探讨了血清肌酐/胱抑素C比值（Cr/CysC比值）与心血管疾病（CVD）发病率和死亡率之间的关联。暴露：本研究的暴露变量是血清肌酐/胱抑素C比值（Cr/CysC比值），该比值是通过血清肌酐和胱抑素C的测量值计算得出的，作为肌肉质量的替代指标。结局：研究的主要结局是心血管疾病发病率和死亡率。发病率是通过参与者自报的CVD诊断信息来确定的，涵盖了心力衰竭（HF）、冠心病（CHD）、心绞痛、心肌梗死（MI）和中风等疾病。死亡率是通过与国家死亡指数（National Death Index, NDI）匹配数据确定的，涵盖了因心脏病和脑血管疾病导致的死亡。
Day1：寻找目标文献和目标期刊GBD数据库大有可为大家也都比较熟悉了四大刊及其子刊的常客虽然现在有“颓废”之势前期我们挑战成功了数期最近也更新了GBD数据库的第二部分–GBD数据库中的数据分析主要包括的分析内容包括：APC、分解分析、前沿分析ARIMA预测未来、BAPC预测未来、EAPC当然还有其他复杂的分析方法但是这些对于我们发文章已经足够了在我们看文献的过程中发现某个疾病适当的人+适当的描述+上述分析的一种或者几种就是一篇文章那我就再尝试挑战一期 有的师弟师妹很纠结说现在类似于GBD这种公开数据库不好发文章了其实公开数据库的挖掘无止境就好像说以前的SEER数据库一样都过去多少年了，依旧可以发文章MIMIC数据库一更新就涌现了很多文章GBD一样的道理只有不断的思考才会有idea，只有不断的思考才有突破这次挑战的是预测，主要就是使用ARIMA和BAPC进行未来预测这两种预测BAPC又使用更多一些主要的代码前期已经准备好了操作比较简单 第一天的主要任务是确定目标文献和确定目标期刊这就需要敏锐的科研的洞察力这就需要长时间的深度思考我去初略的检索了GBD and Bayesian age-period-cohort发现了很多和我的研究类似的文章最后终于确定给了方向同样的最终选择了一个相对来小众的疾病这样就不容易撞车“XXXX发病率的全球时间趋势和预测：2021 年年龄-时期-队列分析”经过检索和比较，最终将Q1 的Journal of global health杂志作为我的目标期刊选择的文献是 DOI: 10.7189/jogh.14.04105一篇关于HIV和其他性传播疾病的预测文章我们将使用更新后的2021年数据进行分析争取能挑战成功全力以赴，冲锋冲锋！我们下一篇进度汇报见！