上周，BMJ旗下运动医学子刊British Journal of Sports Medicine发表了一篇最新的Meta分析文章，研究了高强度间歇训练（HIIT）与传统的中等强度持续训练（MICT）和/或非运动对照（CON）在改善成人代谢综合征（MetS）组分和其他心脏代谢健康结果方面的有效性。 老生常谈的话题凭什么能登上顶刊？本期一起来看看其中的玄奥之处，文章非常适合零基础想学Meta分析的学员进行复现。 ✅研究技术路线如图。 ✅文章的优势： 1、系统性和全面性： 该研究遵循了系统评价和荟萃分析的最佳实践，包括全面的文献搜索、严格的纳入和排除标准、以及对RCTs的元分析，确保了研究结果的系统性和全面性。 2、大样本量： 研究涵盖了23个随机对照研究，涉及1374名参与者，提供了相对较大的样本量，增强了结果的可靠性和外推性。 3、亚组分析： 通过亚组分析探讨了干预持续时间和HIIT量级对效果的影响，为不同条件下的HIIT应用提供了更细致的见解。 4、临床相关性： 研究结果直接关联到MetS患者的心脏代谢健康，对临床实践具有较高的指导价值。 ❎文章的劣势： 1、异质性问题： 部分结果呈现较高的异质性，可能反映了不同研究中HIIT方案的多样性，这可能影响结果的解释和应用。 2、研究质量不一： 一些研究可能存在较高的偏倚风险，这可能影响结果的可靠性。 3、发表偏倚： 尽管使用了漏斗图评估发表偏倚，但不能完全排除所有类型的发表偏倚。 4、干预频率限制： 所有纳入的研究都至少每周进行3天的HIIT，对于低于此频率的HIIT效果尚不清楚。…
一、文章内容解读 1.研究背景 研究主题：研究探讨甘油三酯葡萄糖（TyG）指数与骨关节炎（OA）之间的潜在关联。 研究意义：骨关节炎是一种导致老年人残疾和经济负担的常见病因。胰岛素抵抗（IR）与2型糖尿病、高血压、血脂异常和心血管疾病有关，且与OA有显著相关性。TyG指数作为IR的一个指标，可能与OA的发生有关，但之前未有研究探讨这两者之间的关系。 2.研究方法 数据来源：研究使用了2015-2020年美国国家健康和营养调查（NHANES）的数据。 参与者信息：共纳入了3,921名OA患者。 指标计算：TyG指数通过公式Ln[空腹甘油三酯（mg/dL）×空腹血糖（mg/dL）/2]计算得出。 统计分析和方法：使用加权多变量回归、亚组分析和阈值效应分析来计算TyG指数与OA之间的独立关联。分析了连续变量的分布属性，并计算了加权均值和标准误差，以及分类变量的加权频率百分比。使用卡方检验或Kruskal-Wallis H检验比较TyG指数四分位数组。采用多变量逻辑回归模型和加权广义可加模型（GAM）回归，使用惩罚样条技术评估TyG指数与OA之间的非线性关系。 3.研究结果 3.1. 研究样本基本情况 样本大小与特征：研究共纳入了25,514名参与者，其中男性占49.06%，女性占50.94%，平均年龄为48.05 ± 17.23岁，平均TyG指数为8.48 ± 0.65。 TyG指数分布：TyG指数的四分位数分别为≤ 8.02, 8.02–8.47, 8.48–8.93, 和 ≥ 8.93。…
收官之作，框架写作法完成Manuscript Day 6-7主要任务:文稿写作+选刊投稿 有很多师弟师妹们面临的最大问题就是 核心结果出来了不知道怎么写 特别是不知道怎么写“Discussion” 不知道讨论些什么 但是我要告诉师弟师妹们的是写作是最简单的 也单纯就是个体力活儿 一篇文章也就8000+字 就算“跪着”也给他写完了 但是如何高效同时又是高质量的写完呢 “没有任何一篇文章会仅仅因为写作的问题而拒绝” 有了核心结果，那就一定要高效的写完 借助我们的AIGC工具 这也是我总结的一种原创的颠覆性写作观念和实操 前面在数据处理的过程中就写了methods和results 所以这两天完成完成讨论、背景和模板化内容写作 借助AIGC工具写作是非常高效的 写作完成后根据目标杂志的要求 进行投稿整理 比如图片格式、文章结构等 只要前面我们的PROSPERO的注册号一拿到就立马投稿 高效+高质量+速度=发文机器 虽然可能赶不上“博士期间148篇文章的北大才子”…
一枚普通医学生，大五以后进入临床开始实习，专硕加入课题组边规培边搞科研；或者入职医院开启为期1年的试用期。 大家都会经历一段“学徒”期，这段期间难免杂事多，学会把工作做得有积累，对个人成长非常重要！ 1️⃣学会观察医院里大小事务的规则和程序 简单说就是“跑通做事的流程”。 临床的杂事，第一次做肯定会有很多错误，哪个环节出了哪些问题，怎么纠正，用记事本及时记录。第二次做时，上次犯的错误不再犯，并在上一次的基础上不断优化，逐渐形成自己的写病历流程和思考。 凡事都去追寻它背后的规律，渐渐地，你会有一个属于自己的“流程库”，随时能够调用，大小事务做起来得心应手，杂而不乱。 记得一位脱口秀演员曾经说过：“台上的所有临场应变，在台下都有反复练习的模板。” 能否把打杂阶段的杂事做得有利于自己成长，就看你能否从杂事中提炼“流程、方法论”。 2️⃣自己分内的事主动用心做（简单却又很难做到的道理：态度决定成败） 人只有主动负责某事的时候才会用心做事。 很多时候我们做的工作没有任何成长，觉得没有任何意义，跟自己的态度也有关系。态度决定高度，态度不正，总想着“水”过去，做什么都不会觉得有意义。 （我规培的时候和带教对着干，不用心管病人就是反例，啥也学不到） 3️⃣科研是医学生的硬通货，任何时候都不能放弃 临床和科研该如何平衡，这是医学生的世纪难题！ 依我看来，人的精力有限，大部分人确实没法平衡。但是，这不意味着就要放弃临床或者放弃科研，在不同的阶段，我们可以有不同的侧重。 我身边大佬们的步骤是先侧重科研👉再侧重临床👉最后回归科研。 临床医生这么忙，如何才能快速发表SCI ？ 现在大数据时代，有很多公开的临床数据库（像GBD、MIMIC、SEER、NHANES），无需你收集数据、无需你做实验，找一个好的选题，按照常规套路去分析，一心想要发表一篇SCI，并没有想象中那么难！ 1 学会观察医院里大小事务的规则和程序 简单来说就是“跑通做事的流程”。 所有的临床实习都会有属于自己的“流程”。比如规培时，上级医师会要你把病历写好，大病历、首次病程、首次主治查房、首次主任查房记录……遵守流程依次完成。 第一次做肯定会有很多错误，哪个环节出了哪里问题，怎么纠正，用记事本及时记录。 第二次做时，上次犯的错误不再犯，并在上一次的基础上不断优化，逐渐形成自己的事务流程和思路。…
很多研究者最近在说GBD热度下降了，其实呢，和孟德尔一样👉是要做的更精了，本周顶刊、一二区GBD还是发了不少，上海交大又发一篇中科院1区。 标题：Global burden associated with rare infectious diseases of poverty in 2021: findings from the Global Burden of Disease Study 2021 ⭕️研究背景：本研究聚焦于贫困相关的罕见传染病（rIDPs），这些疾病影响着全球数百万人，尤其是在贫困和边缘化地区。由于这些疾病在全球卫生议程中未能得到优先考虑，可能导致可持续发展进程受阻。研究旨在估计2021年rIDPs的疾病负担，为全球干预优先级设定和资源动员提供关键数据。 ⭕️研究方法（详见图2）：研究利用2021年全球疾病负担研究（GBD）的数据，报告了rIDPs的患病率、死亡率、残疾调整生命年（DALYs）、残疾年（YLDs）和生命损失年（YLLs）的数字和年龄标准化率，并附带95%不确定性区间（UIs）。通过joinpoint回归分析评估了1990年至2021年间的时间趋势，并使用贝叶斯年龄-时期-队列模型预测2050年的疾病负担。 ⭕️研究结果：2021年，全球有1.0376亿人口遭受rIDPs的影响，年龄标准化DALY率为每10万人口58.44（95% UI:…
之前，大家所认为的临床研究，基本上都是收集临床数据来建立自己的专科数据库，从专科数据库中统计分析出结果，然后发SCI，这是最理想的状态，也是最难达到的状态。 实际情况往往是：临床太忙，今天这个病例缺数据、明天那个病例搞错了、过段时间发现每个实习生收集的数据格式还不一样，看着乱糟糟的一堆，收着收着就想算了。 没有自己整理的专科数据库，难道就不能做临床研究了吗？当然不是。现在的我们身处大数据时代，网络上公开数据库的资源越来越多，只要稍微用点心，想要获取临床数据其实并不难。比如，我今天想给大家分享的4个美国临床公开数据库，白嫖就能下载数据，直接就能发表自己的SCI哦～ 1️⃣SEER数据库——癌症研究方向必看！ 2️⃣NCDB数据库——也是美国癌症相关数据库！ 3️⃣MIMIC数据库——重症研究方向必看！ 4️⃣NHANES数据库——全科医学都适用！ 综合来说，如果你是研究癌症方向的，那么推荐SEER数据库；如果你是研究重症方向的，那么推荐MIMIC数据库；如果以上都不是，那么也有保底的选择就是NHANES数据库！ NHANES数据库适用范围最广，讨论度也是最高的。都说选择一个商品，选销量高的大概率不会出错，那么选择一个数据库，何尝不是如此呢？对于新手小白而言，最快的成功路径也许就是跟风、跟热度、跟着大家一起做！ 之前，大家所认为的临床研究，基本上都是收集临床数据来建立自己的专科数据库，从专科数据库中统计分析出结果，然后发SCI，这是最理想的状态，也是最难达到的状态。 实际情况往往是：临床太忙，今天这个病例缺数据，明天那个病例搞错了，过段时间发现每个实习生收集的数据格式还不一样，看着乱糟糟的一堆，收着收着就想算了。 没有自己整理的专科数据库，难道就不能做临床研究了吗？当然不是。 现在的我们身处大数据时代，网络上公开数据库的资源越来越多，只要稍微用点心，想要获取临床数据其实并不难。例如，我今天想给大家分享的4个美国临床公开数据库，白嫖就能下载数据，直接就能发表自己的SCI啦~ 1 SEER数据库——癌症研究方向必看！ SEER是美国国家癌症研究所创建的一个公共数据库和研究资源，收集和储存了全美范围内的癌症发病率、生存率和治疗数据，以支持癌症研究和流行病学调查。 数据下载方式： 在SEER官网发起访问请求并注册，根据邮件提示完成注册和申请即可。申请成功以后便可以下载SEER*Stat以获取数据，全程没有任何费用。 如何利用SEER做研究？ 以一篇12.5的高分文章为例，《A nomogram to predict prognosis after…
📌0基础如何入门生信分析？需要多久？ 医学生学习生信分析也不是什么都学，学了不会用都是白费力，究竟学什么？纯小白的路线分享给大家，亲测有效： 🎯扫盲阶段 2天👉了解测序基本流程和原理 2天👉测序中的read、count、fpkm、tpm分别是什么 1天👉为什么要学习生信分析 🎯基础阶段 3天👉常用数据库GEO入门 3天👉常用数据库TCGA入门 3天👉生信常用R包及函数 🎯入门阶段 2天👉数据分析前的预处理 3天👉生信技能1：差异分析 3天👉生信技能2：功能聚类 3天👉生信技能3：PPI网络 🎯中级阶段 3天👉单因素COX回归分析 3天👉Lasso回归分析 📌医学生为什么学生信分析？ 大部分人了解到的生信分析，大概还停留在网上的“好发”，认为学习生信分析就是去“水”一篇文章。 实则不然，生信分析的长远效益往往被大家忽略了！ 举个例子，试想一下，当你的老板随手扔一个课题方向的时候，你想过如何拆解这个课题变成具体可落地的方案吗？ 首先得清楚分子怎么来的对吧？接下来信号通路选哪条？表型应该靠哪个？ 你能想到的办法无非是靠文献来一个个筛选，但是要看的文献那么多，而且这种“筛选法”写在文章里，多少有点不靠谱。 所以有点生信测序结果，很多文章都拿不出手。无论是基础文章中的分子、机制、表型的筛选，还是和临床研究结合，用高通量数据构建临床变量的预测模型。生信分析都是给科研增加论证维度的升级利器。…
今天要给大家推荐一本专注于肌肉骨骼问题临床和基础研究的开放获取SCI期刊——Journal of Orthopaedic Surgery and Research ⭕️接收文章方向：包括肌肉骨骼疾病的流行病学、诊断成像和康复等各个方面。特别关注临床骨科研究的增长，尤其是在创伤学、脊柱手术、关节置换、运动医学、肌肉骨骼肿瘤管理、手部显微外科、足踝手术、儿科骨科和骨科康复等领域。 ⭕️接收文章类型：包括原创研究、综述文章、病例报告、技术说明和评论。。 ⭕️版面费：OA期刊，需要版面费US2890 ⭕️审稿时间：根据官网数据，Journal of Orthopaedic Surgery and Research从提交到第一个决定需要4天，提交到接受为78天，也就是2个月，速度快。 今天的学员案例就是投递的这个期刊，一起来看看吧~ 接收期刊：Journal of Orthopaedic Surgery and Research 📉IF=2.8；中科院3区SCI 📍发文方法：网状Meta分析 🔬研究方向：【针灸&骨科方向】…
分享我7天完成一篇网状Meta SCI论文的全流程，希望对你的写作有所帮助~感谢大家的围观和支持，你的点赞收藏是我持续更新的动力🥰一起加油！