今天继续发起一个新的挑战，挑战5天完成一篇NHANES数据库SCI！第1天主要任务:熟悉数据库+明确选题+确定目标期刊和目标文献关注我们的朋友知道我们挑战了很多期NHANESNHANES数据库是美国疾病控制与预防中心（CDC）主导的一个重要数据资源这个数据库通过抽样调查收集了美国全国范围内的健康与营养状况数据包括人口统计信息、饮食习惯、身体状况、实验室指标等NHANES的数据时间跨度大、样本量大、代表性强能够反映美国人口的健康趋势和变化这个数据库质量高、代表具有广泛性所以NHANES经常被用于发表高影响力的学术论文特别是在慢性病、营养状况和社会健康差异等领域。这个数据库数据量特别的大、涉及的相关指标很多所以可以适合各个不同的科室的朋友来挖掘所以近些年非常的火热，我也再次的来尝试，嘿嘿～阅读文献的过程中发现了一个新的指标HRR：hemoglobin-to-red blood cell distribution width ratioHRR：血红蛋白与红细胞分布宽度比我用“NHANES + HRR”进行了初步的检索发现用该指标发的文章很少，正是发文的好时机！我想探索这个新指标和心血管疾病之间的关系所以又去检索了“NHANES and Cardiovascular diseases”发文数目和文章的质量都还是不错的，那就这么定啦！然后检索了这个新指标和我关注的心血管疾病发现这两者之间的关系没有被写过，所以，就他啦～用这个指标发文的文章较少我就根据我关注的疾病Y选择了一个目标杂志在pubmed上检索然后就选择第一篇最新的文章作为目标文献啦～我的目标文献就是这篇啦（DOI: 10.1161/JAHA.123.033997）目标期刊就是J Am Heart Assoc随后去深入了解了这个杂志，不是水刊发文量和被引数都还可以，那就他啦欢迎大家围观见证，也欢迎大家在评论区留下自己的想法经验，我们下一篇进度汇报见！
今天给大家分享一篇在 2024年5月发表在《Eur J Med Res》（2区，IF=2.8）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，探讨踝臂指数（ABI）与非酒精性脂肪性肝病（NAFLD）患者心血管和全因死亡之间的关联。暴露：本研究的暴露变量是踝肱指数（ABI）。ABI是一种简单的非侵入性测量方法，通过测量踝动脉与肱动脉的收缩压比值来计算 。研究中的ABI被分类为三组：ABI ≤ 0.9（低值），0.9 < ABI ≤ 1.1（临界值），ABI > 1.1（正常值）。结局：研究的主要结局是非酒精性脂肪性肝病（NAFLD）患者的全因死亡率和心血管死亡率。
Day 6-7：框架写作发写作+投稿前的准备工作前面已经跑出了核心的图片和表哥那么就剩下写作了经常关注我们的师弟师妹们都知道“目标期刊”对于我们写作的重要性写作、翻译、润色、选刊是我们的主要任务写作首先是要“祛魅”一篇文章也就6000左右字，会写不出来？写作是SCI创作过程中最简单的核心的Results、Table、Figure已经有了还担心写作困难吗？一旦确定了选题、找到了目标文献就可以开始写作Methods部分类似于meta分析和nhanes数据库方法学一定程度的类似我首先利用“框架写作法”完成内容写作然后进行翻译、润色、投稿准备做完了这些 所有内容就给小老板审核我们的每天任务实际上就是一篇SCI论文成稿的步骤：选择期刊–选题–下载数据–分析数据–跑代码–写作–投稿准备写文章都是要靠时间积累就像计算机工程师都泡电脑一个道理在一些“垃圾时间”中努力抽出时间完成自己的任务总之，GBD文章的思路简单而且清晰争取都能中稿高分文章很多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研发迭代出了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，有需要的师弟师妹可以进裙交流最后，7天挑战成功收官！我们下一次挑战见！
今天给大家分享一篇在 2023 年 7 月发表在《British Journal of Anaesthesia》（Q1 区，IF= 9.1）的文章，本文采用了系统综述和元分析的方法，探讨了童年不良经历对成年期慢性疼痛和重度抑郁障碍（MDD）的影响。通过对电子数据库进行系统的文献检索，结合使用神经影像学研究数据，本文旨在评估童年不良经历与成年慢性疼痛、MDD或两者共病性的中枢神经变化之间的关联。研究的背景：本研究探讨了童年不良经历对成年期慢性疼痛和重度抑郁障碍(MDD)的影响。童年不良经历与增加的多种疾病共病性有关，这些疾病会对个体的身心健康产生终身影响。慢性疼痛常与情绪障碍如重度抑郁障碍(MDD)相关，两者都与童年不良经历有关。目前尚不清楚童年不良经历对神经处理的影响如何影响慢性疼痛、MDD或两者的易感性，以及是否存在共享机制。研究的目的： 本研究旨在通过系统综述和元分析，评估与童年不良经历相关的中枢神经变化的证据，这些变化与慢性疼痛、MDD或两者共病患者有关。研究方法：1.检索方法：研究者通过MEDLINE (OVID), Embase (OVID), the Cochrane Central Registry of Controlled Trials (CENTRAL) (the Cochrane Library),…
今天给大家分享一篇2023年2月发表在《Computers in Biology and Medicine》（1区，IF= 7.0）的文章。研究的背景：肺腺癌是肺癌中最常见的组织学类型，也是全球主要的癌症死亡原因之一。由于缺乏早期诊断和治疗效果不佳，治疗肺腺癌仍然是一个重大挑战。近年来，包括免疫检查点阻断在内的肿瘤免疫疗法的临床应用已经改变了肿瘤治疗的模式。研究的目的：本研究旨在探讨Rac/Cdc42鸟苷核苷酸交换因子6（ARHGEF6）在肺腺癌中的潜在生物学作用，并评估其作为预后和免疫学生物标志物的可能性。研究方法：1.利用多个生物信息学工具和统计方法分析ARHGEF6在肺腺癌中的mRNA和蛋白表达水平。2..通过cBioPortal数据库分析ARHGEF6的遗传变异特征。3.使用ROC分析评估ARHGEF6在肺腺癌诊断中的价值。4.通过体外实验验证ARHGEF6的生物学功能。5.分析ARHGEF6表达与免疫细胞浸润和免疫检查点的关联。6.进行基因-基因和蛋白-蛋白相互作用网络分析，以及差异表达基因（DEGs）的功能富集分析。
Day 4-5：跑出核心Table和FigureDay 4-5的任务实际就是做分析要跑出图片和表格首先需要下载数据GBD的数据因为最近使用数据库的人比较多了起来所以下载等待时间会大大延长但是下载数据的方式是非常简单的下载得到的数据源也是标准化的不需要特别的处理目前数据已经更新到2021根据自己的研究目标下载（发病率、患病率、DALYs）下载得到的数据就可以直接用来分析接下来就是可视化呈现、Jionpoint分析、年龄、时期和队列效应分析通过前面的准备工作已经整理好了这篇文献需要做哪些分析也提取了文章的框架结构为后续的写作做准备所以一步一步分析就好了有的师弟师妹会问：操作很简单，但是我该怎么选题？这个问题很好解决和我们做meta分析、NHANES挖掘的时候的选题是一样的“拉郎配”方法学的东西可以平移到任何一个数据库的挖掘换地区、换人群、换时间、换研究方法通过不断变换研究的视角和方法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！欢迎大家围观留下自己独到的想法和经验，我们下一篇进度汇报见！
今天给大家分享一篇在 2023 年 11 月发表在《Ageing Research Reviews》（1区，IF=12.5）的文章。研究的背景：随着世界人口老龄化的加剧，伴随老龄化而出现的认知功能下降问题越来越受到关注。运动作为一种非药物疗法，被认为可能对改善不同人群的认知功能具有积极作用。然而，很少有元分析评估了所有 FITT-VP 变量（运动频率、强度、每次运动持续时间、类型、总运动量或总干预长度以及进展）对健康人群按年龄划分的认知功能的影响。研究的目的： 本系统综述和元分析的目的是评估慢性运动干预对健康儿童、成人和老年人群认知功能的影响，并根据 FITT-VP 运动变量进行调节分析。研究方法：检索方法：研究遵循 PRISMA 指南，使用 PubMed 和 Web of Science 数据库从 2003 年 1 月至 2022…