第2天的主要任务：提取数据前的准备 提取数据前需要准备的有： 熟悉NHANES数据库 阅读10-20篇类似文章 明确文章需要的协变量 制作Excel表格 经过前几期的挑战， 大家对NAHNES数据库已经有了一定的了解， 这个数据库优点就在于可操作性强， 可以快速验证自己的选题， 疯狂冲锋冲锋～ 在确定协变量之前需要大量的看文献， 了解别人的协变量是怎么写的， 哪些可以借鉴，哪些需要根据自己的选题调整。 在明确好协变量后， 需要整理一份独有的Excel表格， 将X、Y以及协变量的详细内容都列进入， 比如变量名、NHANES里的变量信息； 分类变量还是连续变量； 涉及的周期等等。 任何事情做到心中有数才能事半功倍！ 只要思路清晰了，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） 这就是我花了很多的时间进行初步检索的意义 千万不要一来就闷头开跑，…
浙大医学院等研究者近日在8.5分公共数据库神刊《Cardiovascular Diabetology》发了篇研究，小编拆解给大家食用！ ⭕️研究设计 ⭕️关键结果 eGDR越高，衰弱进展越慢：与eGDR最低组（T1）相比，最高组（T3）的FI年增幅显著降低（CHARLS：β=-0.294；HRS：β=-0.378）。每增加1个标准差eGDR，FI进展减缓0.14-0.17分（P<0.001）。 糖尿病与非糖尿病人群一致：无论是否患糖尿病，eGDR与衰弱进展的负相关均显著（尤其CHARLS队列）。 排除基线衰弱后结果仍稳健：提示eGDR可能延缓从健康到衰弱的转变。 💡数据选择亮点 👉双队列验证增强普适性 同时纳入 中国CHARLS 和 美国HRS 两大前瞻性队列，覆盖东西方不同种族、文化背景的中老年人群，减少单一队列的地域偏倚，验证结果的跨人群一致性。 延伸思考：队列选择时需关注“外部效度”，避免结论仅适用于特定人群。 👉大样本长期随访数据 总样本量近1.5万人，平均随访4-8年，提供充足统计效力（Power）捕捉衰弱进展的细微变化，降低II类错误风险。 关键点：长期追踪数据更适合研究“进展性结局”（如衰弱指数累积）。 👉基线数据清洗严谨 排除基线已存在严重衰弱或关键变量缺失的个体，减少“疾病-暴露”反向因果干扰（如衰弱可能影响血糖控制）。 💡统计分析亮点 混合效应模型处理重复测量 采用线性混合效应模型（LMM），同时纳入固定效应（eGDR、年龄、性别等）和随机效应（个体间差异），更精准捕捉eGDR对衰弱进展的 纵向影响。 对比传统方法：优于单纯线性回归（忽略个体内多次测量相关性）。…
都说走过最长的路就是套路，在生信研究里大家一起走过的路也就各种套路的集合。 生信研究的套路可以相互组合叠加从而发展出更新更全面的新套路。 我们平时如何能创新套路呢？ 教大家一个实用的心法，带着以下六个方面的问题在生信文献库中学习调研： 表型报道：在想要研究的疾病中有哪些表型报道？ 相关基因：在表型的基因列表中有哪些基因？ 套路汇总：在本疾病中有哪些相关的生信文章发表？ 数据集信息汇总：在本疾病的研究中有哪些可以使用的数据集？ 高分热点：本疾病有哪些高分文章发表？研究的热点在哪里？ 思路借鉴：其他疾病有哪些高分热点文章？这个思路是否适用于自己的研究？ 在学习调研的过程中，要标注所有知识点的文献来源，便于回溯以及在标书或者文章中引用。 此外，还要注重整理，标记好文章的的影响因子和套路类型，便于自己能力的提升。 一、生信研究的关键问题 1️⃣ 理解本质：我们做生信研究，究竟在研究什么？2️⃣ 课题拆解：如何拆解我的科研假设？3️⃣ 提炼重点：课题设计的重点、逻辑链条和创新点是什么？4️⃣ 高效验证：如何性价比最高的验证你的生信结论？ 二、生信研究的套路主要依靠以下三步提炼 ✅ 建立文献筛选模型：梳理提炼文献——找规律、作总结、筛选模型提炼关键词✅ 批量做加法：根据关键词下载大量文献，建立对SCI文章的审美✅ 专业做减法：提炼总结共性规律和个性化差异，构建知识树 三、生信研究中的套路 四种基本套路a.…
NHANES数据库真的是常挖常新～， 最近在临床轮转时get了新的idea， 刚好NHANES数据库里有这些指标和疾病， 小编打算发起一个新的挑战～ 想做的师弟师妹们也可以跟着一起做起来。 挑战5天完成一篇NHANES数据库SCI！ 今天的主要任务就是初步检索+确定目标期刊和文献。 想必大家对NHANES数据库已经有所了解， 这个数据库涉及的指标和疾病特别广， 各个科室都可涵盖， 可以满足不同群体的需求， 想到的idea都可以拿到这个数据库来验证。 大家一起学习，一起加油～ 不同类型文章的操作步骤都类似， 首先得检索你的idea是否已经被他人做过， 这特别特别特别重要！！！ 我对“NHANES”进行了检索， 截至目前已经发文5800多篇了，势头很猛！ 然后我检索了“NHANES and 发现的新指标”， 还没有人写过，抓紧时间冲锋！ 那就这么决定啦～ 在看文献的过程中发现了一篇相同领域的经典文章， 它所投的期刊的影响因子、发文量、首次回复时间都很不错，…
到底完成一篇Meta分析需要多久？我们来看看👁 一、选题（2周至1个月） 一个好的选题应该具备明确性、具体性，并与研究者的兴趣和专业背景相符合，且在该领域存在研究空白或有待深入探究的问题。 二、文献检索（1周至5天） 文献检索的目标是收集与研究主题和问题相关的所有可用文献。研究者需要使用多种途径和资源，如学术数据库（PubMed、Web of Science等）。 三、初筛（2周至2个月） 初筛的目的是筛选出那些与研究问题和目标最相关的文献。通过阅读文献的标题和摘要，以及根据预定的纳入和排除标准进行初步判断，可以快速排除那些明显与研究主题无关或不符合纳入标准的文献。 四、复筛（2周至2个月） 需要仔细阅读和评估初筛过程中被标记为“可能纳入”的文献。通过全文阅读和深入分析，确认文献是否符合最终的纳入标准，并获取需要的数据进行综合分析。 五、数据提取（1个月至10天） 数据提取涉及从纳入的研究中提取关键信息和数据，以用于后续的综合分析和结果汇总。 六、数据分析（2周至11天） 常见的数据分析方法包括计算效应量和合并效应量，还可以进行异质性分析和敏感性分析。数据分析的结果通常以图表和汇总表的形式进行呈现，如森林图、漏斗图和总体效应量估计表等。 七、写作（数周至数月） 写作过程包括撰写引言、方法、结果和讨论等部分，并确保论文结构清晰、逻辑严谨、语言准确。 以上时间估算仅供参考，实际所需时间可能因经验、研究复杂性、文献数量的多少等因素有所不同。 像今天分享的0基础学员学员报名统计之光一对一指导7个月之后就把文章发到SCI👇 ✔接收期刊：Current Oncology 📉IF=2.8；中科院4区期刊 📍发文方法：网状Meta分析
Deepseek嗑饭指南：SCI论文速成秘籍 1. 标题部分 2. 摘要部分 3. 关键词（Keywords） 4. 引言（Introduction） 5. 材料与方法（Materials and Methods） 6. 研究成果（Results） 7. 分析讨论（Discussion）
今天小编在外开会🐮🐴，最新文章解读后天发！ 好奇问了deepseek一个问题，答得不错，分享给大家。👇 摘录之一： 医生在临床与科研间的角色切换，本质上是人类面对生命有限性的抗争。临床工作直面具象的生命终结（如晚期患者），科研则试图通过抽象知识延缓这种终结。 摘录之二： 医学教育不仅要培养”解决问题的专家”，更要塑造”提出问题的哲人”。当医生能同时触摸患者脉搏与知识前沿时，医学才能真正实现希波克拉底誓言中”技艺”（techne）与”智慧”（sophia）的统一。
各位医学er们，最近，我读到了一篇很有意思的影响因素类文章，分享给大家！ 说是影响因素分析，但实质是预测模型的构建与验证，不过有趣的点就在于这篇文章有预先根据理论和现有证据去选择了两个重要变量（也就是作者们最关心的两个变量），其他的则与预测模型研究流程基本一致。 ✅文章题目是：Effects of Job Crafting and Leisure Crafting on Nurses’Burnout：A Machine Learning-Based Prediction Analysis 工作重塑和休闲重塑对护士职业倦怠的影响：基于机器学习的预测分析 ✅发表在JNM（中科院护理1区） ✅作者是我们国内的研究团队 文章写得特别棒，思路也比较清晰，强烈推荐大家下载原文（OA文献）。 读完真的特别佩服作者们的智慧！ 预测模型本质以数据为驱动，机器学习更是如此，但在这篇文章中，作者以一种独特的方式切入预测模型。我个人将它总结为“理论驱动+数据驱动”相结合（仅个人感受）。 另外，这篇文章的因变量是职业倦怠，用的是问卷测量，虽不是临床诊断金标准，但也不失为一种选题技巧，且作者还检验了共同方法偏差。 最后，还想给大家说的是，预测模型还有很多可以挖掘的地方！对于医学生来说是一个不错的发文方式！自己没有数据还也可以挖掘公共数据库。 宝藏公共数据库有： 🚩GBD数据库，适合全科…
甘油三酯-葡萄糖指数（TyG指数）是一个重要的生物医学指标，可能结合多种疾病在科研文章中进行探讨。以下是一些可能结合TyG指数发表文章的疾病类型： ⭕非酒精性脂肪性肝病（NAFLD）或代谢功能障碍相关脂肪性肝病（MASLD）： 海南医科大学的研究团队在《Cardiovasc Diabetol》杂志上发表的研究文章探讨了TyG指数及其衍生指标与NAFLD或MASLD患者的全因死亡率之间的关系。研究结果显示，TyG相关指数与NAFLD/MASLD人群全因死亡率呈非线性正相关，因此TyG相关指标可能是这些疾病人群临床随访管理的有用替代生物标志物。 ⭕心力衰竭（HF）： 汕头大学医学院第二附属医院心血管内科陈有仁主任医师团队在《Cardiovascular Diabetology》上发表的研究论文报道了TyG指数累积暴露与心力衰竭发病风险之间的关系。研究结果显示，累积TyG越高的参与者发生HF的风险越高，这一简单的指标可能有助于早期识别HF的高风险个体，并强调了长期监测TyG指数在临床实践中的重要性。 ⭕非致死性心脑血管疾病： 《中华内科杂志》上发表的一项前瞻性队列研究探索了TyG指数与北京社区人群非致死性心脑血管疾病风险之间的潜在关系。研究提出，TyG指数可能是预测社区人群非致死性心脑血管疾病风险的有用标志物，有助于实现对心脑血管疾病高风险人群的早期预防及分层管理。 ⭕心血管疾病 ⭕糖尿病 ⭕肥胖 ⭕高血压 ⭕血脂异常和代谢综合征等 今天分享的学员就是从TyG指数入手进行数据收集整理，最后在统计之光一对一指导下，学员把文章发到SCI👇 ✔接收期刊：World Journal of Gastroenterology 📉IF=4.3；中科院3区期刊 📍发文方法：收集科室数据做临床研究 甘油三酯-葡萄糖指数（TyG指数）是一个重要的生物医学指标，可能结合多种疾病进行发文选题。 角度分享 🔺 非酒精性脂肪性肝病（NAFLD）或代谢功能障碍相关脂肪性肝病（MASLD）：海南医科大学的研究团队在《Cardiovascular…
外网偶然刷到大神分享的文献阅读和检索方法，简直刷新了三观，整理下来中文版分享给大家~ ❌其实很多人读文献第一步就错了。许多学长和网络上的帖子会告诉你，读文献的第一步应该是打开知网或者某数据库，然后开始搜索相关关键词，筛选其中质量好的文献，开始阅读。 其实这种做法并不完全适合零基础的同学。因为当你对一个领域还没有了解时，仅通过泛泛搜索的关键词，其实是很难找到精准文献的。实际上，在正式开始大批量阅读文献之前，你需要做的最重要的一件事，就是去找到本领域质量最高的、奠基性的综述文献。 想要全面准确地了解研究领域、把握领域内目前最新的进展，综述永远是最好的选择。 1️⃣学会从顶刊中找领域内高质量综述 2️⃣学会找研究领域的顶刊，并持续关注顶刊最新的文献 3️⃣从综述中归纳现状、热点、方法，以及最重要的积累关键词 4️⃣学会找领域大牛。 5️⃣找到大牛后，读一读大神的工作，你会很快明白这个领域的前沿在哪里。 如何找到高质量综述？ 好的综述一般就分布在你所在研究领域的顶级期刊里，只要找到这些顶刊，基本上最重要的文献你就都能找到了！以Nature为例，访问期刊官网： 除了传统的四大顶刊，还可以去哪里找领域顶刊呢？只需要打开Web of Science，找到Journal Citation Reports： 找到这些顶级期刊之后，你就可以利用前述方法找到这些期刊发表过的综述了。 这些综述，你需要像学习教材一样，仔细细细地反复阅读。总结重点内容，按照下列框架整理自己的学习笔记： 最重要的是，你还需要做好以下两件事，做好了你的文献阅读能力才能从小白，初步进阶到入门。 如何阅读这些综述？——带着目标去阅读。 那怎么高效浏览、下载综述里的所有引文呢？