多组学首先在此祝大家2025新年愉快！
新的一年心想事成，paper必发！
不做实验就能发文章的类型是绝大多数医学科研入门者绕不开的选项，毕竟时间、投入、性价比都是货真价实的考虑维度，小编今天不作思路拆解，为大家汇总了一下几大不做实验的方向（类型）在2024年整个年度在Pubmed上线的篇数，大家可作参考 
毫无悬念，Meta分析断层领先，NHANES、GBD紧随其后，而MIMIC异军突起，SEER则长期稳步前行。 
如果你也想学习这些研究类型发文章 
这样的结果相信大家与小编的判断基本一样，那么，Meta分析是否出乎你的预料呢
欢迎互动
长期更新医学SCI思维拆解、动态分享前沿发文技能，欢迎大家的支持 !
一张图片胜过千言万语。在学术论文中，图表能够以精简凝练的方式高效呈现大量统计数据。在论文初审阶段，以及准备发表的阶段，期刊编辑和审稿人都会通过浏览论文的图表，大致了解研究内容和成果。所以简练清晰传递信息的图表在论文内容呈现中起到非常重要的积极作用。 网上很多Meta分析入门教程，但鲜少有关注Meta分析图表绘制的，今天我就用自己几篇SCI的经验给大家分享一些图表绘制的小TIPS： 
Meta分析涉及到的图主要有： ①纳入排除流程图 ②森林图 ③漏斗图 ④Meta回归和气泡图 一、纳入排除流程图 纳入排除流程图一般在结果中最先展示。图中描述了原始研究的纳入排除过程。PRISMA提供了流程图的模板，推荐使用该模板。 绘图建议 二、森林图 森林图是Meta分析结果中的经典图形，它由图形和数据列表两部分组成。其中：
数据列表部分包含各原始研究以及样本量、结局事件数、效应值等信息，原始研究的排列一般遵从一定的顺序，比如发表年代或文献的权重。效应值通常为均数差、OR、RR或HR等，并且要提供置信区间。 图形部分展示了各研究效应值及其95%CI区间，图中点的大小衡量各研究贡献的权重大小。图的底部为Meta分析的合并值。 二、森林图绘制建议 森林图绘制代码，可参考主页往期分享的笔记 三、漏斗图 漏斗图是结合相关的统计检验，在Meta分析中检查研究是否存在报告偏倚的可能性。漏斗图是一个简单的散点图，反映研究在一定样本量或精准性下单个研究的干预效应估计值。漏斗图最常见的是横轴为各研究效应估计值，纵轴为研究样本量。 绘图建议 四、Meta回归和气泡图 研究间的异质性有时可以归因于某些研究水平的影响因素，此时可用到Meta回归的方法。Meta回归得到的影响因素作用大小可以利用气泡图上显示。 绘图建议
进度汇报： 近两日的重点任务是完成全文的撰写以及投稿的准备工作 这两天的挑战核心在于写作的完成与投稿流程–翻译、润色、选刊 写作本身，其实是整个过程中相对简单的环节 一旦选题确定，我就在写材料的内容 这部分内容基本是一样的 内容的构建与MR差别不大 唯一的差异可能在于GWAS（全基因组关联研究）数据的来源 利用GBD数据库进行数据挖掘的方法学同样具有一定的相似性 我们的观点是方法学的内容永远是最简单的 在两天的时间内，我将完成初稿的撰写、文献的整合以及模板化内容的创作 时间绰绰有余 我就专注于“框架写作法”进行初稿的写作 就是对文章进行润色、投稿，并按照目标杂志准备投稿 然后给大boss看看 写文章、做科研都离不开时间的积累 在上班期间可以挤出一些小时间完善这部分的工作完全OK 简单总结一下本次GBD的挑战： 从GBD数据库下载某个疾病的相关数据 通过代码跑出相关图片、表格进行不同层面的可视化展示 “框架写作法”进行写作，2天时间戳戳有余 1天时间完成初稿、添加文献、模板化内容写作 1天时间进行润色、投稿 文章都是靠时间堆积出来的，科研都是靠时间堆积起来的 在上班期间可以挤出一些小时间完善这部分的工作完全OK…
首先在此祝大家2025新年愉快！ 新的一年心想事成，paper必发！ 不做实验就能发文章的类型是绝大多数医学科研入门者绕不开的选项，毕竟时间、投入、性价比都是货真价实的考虑维度，小编今天不作思路拆解，为大家汇总了一下几大不做实验的方向（类型）在2024年整个年度在Pubmed上线的篇数，大家可作参考 毫无悬念，Meta分析断层领先，NHANES、GBD紧随其后，而MIMIC异军突起，SEER则长期稳步前行。 如果你也想学习这些研究类型发文章@统计之光（医学SCI指导） 这样的结果相信大家与小编的判断基本一样，那么，Meta分析是否出乎你的预料呢欢迎互动 本号长期更新医学SCI思维拆解、动态分享前沿发文技能，欢迎大家的支持 !
跟着新英格兰学预测模型哈喽，各位医学er们，今天小光继续和大家分享我读过的临床研究文献——一篇2016年发表在NEJM上的预测模型文章。 该文思路非常清晰，如果你正在学习临床预测模型，这篇是很好的学习典范！
文章题目：sFlt-1:PLGF比值对妊娠妇女子痫前期的预测价值。 研究的人群是妊娠期妇女，结局是发生子痫前期、子痫或HELLP综合征，预测因子是sFlt-1:PLGF比值。 下面我们从文章图表详细看看这篇文章。 图一：Flowchart 流程图这篇文章的第一张图是flowchart流程图。SCI非常看重流程图，因为你需要告诉审稿人，现在的分析数据是怎么来的，去掉了那些数据，用了那些数据，这样做不会带来偏倚等等。 一共入组了1273名妇女，最后进入分析的是1050人。接下来，作者将数据分成了2部分，一部分500人，用来建模development cohort，另外的一部分550人来做内部验证validation cohort。可以看出接下来的文章将会围绕建模和验证两部分来写。 表一：研究人群描述 在流程图之后，接着就是Table 1研究人群描述。在这里，作者非常好地保持了分析思路的一致性，分别展示了建模人群和验证人群的基线资料，以结局事件的发生与否分别展示了基线情况。 这个表很完整地告诉了读者建模和验证人群基线的一致程度。这种呈现方式很值得学习。
图二：X的分布情况 表二图三：ROC曲线和结果 以上就是文章的全部图表和主要结论啦。 在小光看来，这篇文章的一个亮点在于创新性地提出了两个指标的比值，而非某单一指标来作为研究因素。 总结来说，全文思路清晰，值得下载来精读，尤其是想要学习临床预测模型的小伙伴，就更不要错过啦。 最后，想在2025学习临床研究，发表一篇SCI的医生/医学生们，别再闭门造车啦，找个专业老师带你学更高效！比如统计之光的临床研究——一对一指导，全程陪跑，效率直接拉满！ 对于临床数据或者有条件收集数据的，来统计之光，老师手把手指导，让你更加科学地利用数据，不浪费自己苦苦收集的数据。 如果你不想收集数据，那可以选择挖掘临床公共数据库！这也是很多没背景、没资源的医生/医学生常常选择的发文方式！ 宝藏数据库有：
MIMIC数据库，适合全科SEER数据库挖掘，适合癌症NHANES数据库挖掘，适合全科MIMIC数据库挖掘，适合重症研究
千万别浪费下班后的黄金3小时！人与人最大的差别不是智商，而是在于对于碎片时间的珍惜与利用。 抓住每天下班后的黄金三小时，默默的提升自己，悄悄惊艳所有人。 1. 技多不压身——学英语。 英语对于医生来说不能说不重要，也不能说很重要，但必要的时候，英语会成为你的标签，让你有更多的机会。而且对于医生来说读不开的书的话题——科研，有一定英语能力，也会比别人更加容易上手和理解。 推荐UP主：Auroraty宝藏医学英语、OSMOSISAuroraty宝藏医学英语在讲解英语词根词缀同时把解剖也顺道讲解了，而且她的英语发音特别好听，讲解超细致容易记忆，基本认真看了视频就能记下三分之一，反复多看几遍，再做一些笔记，把视频内容吃透，相信医学英语会有很大的提升！ Osmosis更新了丰富的临床教学视频和笔记，有大量动图和笔记精美又直观，学临床知识的同时学好医学英语。 2. 技多不压身——学统计。 学好医学统计是发表文章写论文的前提，面对临床数据知道如何处理、统计，并最终得出实验结论，转化成科研成果，整个过程几乎离不开医学统计，所以学点统计学对自己以后的职业生涯一定是非常有帮助的！ 3. 增长见识——听播客。 播客是我的通勤搭子。是我打破信息差，了解外面的世界，慢慢提升认知的重要工具，以下是我常听的： 怎么找到这些播客？苹果用户打开自带APP播客，搜索节目名称即可收听，每一个都是免费的。安卓用户安装下载【小宇宙】或者【喜马拉雅】，搜索节目名称也就可以收听啦~ 4. 长期提升——坚持阅读。坚持阅读半小时，不管阅读什么，专业书也好，人文、历史类也好。请让自己放下手机，静下心来，沉浸其中。读万卷书，行万里路。读书真的是我们了解这个世界最低成本的方式。 5. 刷刷视频，放松自己。 当然这里的视频并不是指短视频，而是指纪录片、TED、演讲比赛等。这类视频我们不必抱着一定要学到什么的功利心态，就闲暇时间放着当背景音，其实也是潜移默化地提升自己了~
今日进度：做出Table和Figure GBD数据提取可以在官方网站非常容易就提取 注意的是，目前数据已经更新到2021 需要下载最新的数据进行分析 可能是因为关注GBD的人越来越多 最近数据下载速度偏慢，而且容易崩，需要耐心等待 按照不同的要求下载不同的指标（发病率、患病率、DALYs等） 下载好了过后也不需要特别的清洗 通常不需要进行复杂的清洗工作 可以直接进入分析阶段 剩下的主要就是可视化分析和Jiontpoint软件使用 通过前面的文献阅读已经知晓相关思路 为后续的分析和写作打下基础 故一步一步操作就好了 师弟师妹们如果要做类似的研究（换个疾病） 如果我关注的疾病被别人写过了怎么办？ 这个问题很好解决，和之前的方式一样 –换地区：别人做Global，那我关注亚洲？非洲？发展中国家？ –换人群：别人做全部人群，我关注儿童？关注老年？ –换时间：因为2021年的数据已经更新了，所以可以换时间到2021 所以说文章是写不完的 科研是一个不断探索和发现新问题的过程 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 后面就要开始写作啦！
发表期刊：eClinicalMedicine（柳叶刀子刊），9.6分，中科院1区 研究背景：该研究聚焦于全球青少年和年轻成人（10-24岁）中心力衰竭（HF）的患病率及因病致残年数（YLDs）的变化趋势。通过分析1990年至2021年的数据，旨在揭示不同地区、性别和社会人口指数（SDI）组别之间的差异。此外，还探讨了这些变化对公共卫生政策的影响，并为未来的心力衰竭预防和治疗策略提供科学依据。 研究方法 1. 数据来源： 2. 断点回归分析（Joinpoint Regression Analysis）： 3. 平均年度百分比变化（AAPC）计算： 4. 分层分析： 5. 地区分析： 6. 预测分析： 研究结果： 研究结果显示，1990年至2021年期间，全球10-24岁人群中，心力衰竭的患病率和YLDs均呈现上升趋势，尤其是在低SDI和中SDI国家和地区，增幅更为明显。不同年龄段、性别和地区的增长速度也存在差异。这些结果提示，青少年和年轻成年人群中心力衰竭的负担正在加重，亟需制定针对性的公共卫生干预措施。 文章总结：该研究通过对1990年至2021年全球10-24岁人群中心力衰竭患病率和因病致残年数（YLDs）的趋势进行系统分析，揭示了全球范围内心力衰竭在这一年龄段中的显著增长。研究发现，无论是全球整体还是各性别、年龄组、社会人口指数（SDI）组别，心力衰竭的患病率和YLDs均呈现上升趋势，尤其是在低SDI和中SDI国家和地区，增幅更为明显。此外，不同地区的增长速度也存在差异，东亚地区的增长尤为迅速。这些结果提示，青少年和年轻成年人群中心力衰竭的负担正在加重，亟需制定针对性的公共卫生干预措施，特别是在资源有限的国家和地区。未来的研究应进一步探索导致这一趋势的具体原因，并为有效的预防和治疗策略提供科学依据。
照样嘎嘎自律猛猛冲
医学生入门科研最好的办法就是学习Meta分析。 很多人觉得学习Meta分析只是为了水一篇文章，其实不然。当我们科研基础薄弱的时候，你从头到尾学完Meta分析，能快速熟悉学术语言。而且像文献检索、文献筛选、统计分析、SCI写作、SCI投稿流程等科研基础能力都能在实践中训练。 科研基础相当重要，但是学校课程里，没有课是专门教你科研基础的！ Meta分析难度较低，正是打磨自己的科研基础，入门医学科研的绝佳工具！ 医学生们，2025入门Meta分析，学习的路径千万不能反了！！ 1 Meta分析选题——拓宽思路，发散思维！ 聚焦未解之谜 在确定Meta分析的选题时，首先要识别当前研究领域中的未解之谜或争议话题。查阅最新文献，了解研究热点和存在争议的领域，可以帮助你找到尚未充分探讨的研究问题。 例如，某种疾病的治疗效果存在多种研究结论，但尚未有综合性的Meta分析来统一这些结论，这就是一个绝佳的选题方向。 新兴领域探索 随着科学技术的不断进步，许多新兴领域和技术不断涌现。在这些新领域中，往往缺乏系统的研究总结。选择一个新兴的研究领域进行Meta分析，可以填补学术空白，增加研究的创新性。 例如，近年来人工智能在医学影像分析中的应用不断增长，但相关的Meta分析可能仍然稀缺。 多元角度切入 传统的Meta分析往往聚焦于单一变量或结局。通过多元角度切入，探讨多个变量或结局之间的相互关系，可以提高研究的复杂性和新颖性。 例如，探讨不同社会经济因素对某种疾病预后的影响，不仅能提供全面的见解，还能为政策制定提供依据。 更新过时研究 某些经典的Meta分析研究可能已经较为陈旧，未能涵盖近年的新研究成果。通过更新这些过时的研究，结合最新数据进行再分析，不仅能提供最新的科学证据，还能验证先前的结论是否依然有效。 例如，针对某种药物疗效的Meta分析，如果已有研究是在五年前进行的，那么结合最新的临床试验数据进行更新分析，将会更具说服力。 应用新方法和技术 Meta分析的方法和技术也在不断进步。应用最新的统计方法或机器学习技术进行Meta分析，可以显著提高研究的创新性和技术含量。 例如，使用贝叶斯Meta分析方法或网络Meta分析技术，不仅能处理复杂的数据结构，还能提供更直观和可靠的研究结论。 跨学科融合 跨学科研究是当前科学研究的趋势之一。通过融合不同学科的知识和方法，可以为Meta分析带来全新的视角。 例如，将公共卫生、社会科学和环境科学的数据结合起来，探讨环境污染对公众健康的综合影响，不仅能增加研究的创新性，还能吸引更广泛的学术和社会关注。…
今日进度：做出Table和Figure GBD数据提取可以在官方网站非常容易就提取 注意的是，目前数据已经更新到2021 需要下载最新的数据进行分析 可能是因为关注GBD的人越来越多 最近数据下载速度偏慢，而且容易崩，需要耐心等待 按照不同的要求下载不同的指标（发病率、患病率、DALYs等） 下载好了过后也不需要特别的清洗 通常不需要进行复杂的清洗工作 可以直接进入分析阶段 剩下的主要就是可视化分析和Jiontpoint软件使用 通过前面的文献阅读已经知晓相关思路 为后续的分析和写作打下基础 故一步一步操作就好了 师弟师妹们如果要做类似的研究（换个疾病） 如果我关注的疾病被别人写过了怎么办？ 这个问题很好解决，和之前的方式一样 –换地区：别人做Global，那我关注亚洲？非洲？发展中国家？ –换人群：别人做全部人群，我关注儿童？关注老年？ –换时间：因为2021年的数据已经更新了，所以可以换时间到2021 所以说文章是写不完的 科研是一个不断探索和发现新问题的过程 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 后面就要开始写作啦！