今天给大家分享一篇在 2024年10月发表在《Chin Med J》（1区，IF=7.5）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) 1990-2019年的数据，旨在调查中国胃肠道和肝脏疾病（GILD）的趋势。
第十四期所有师妹师弟已选定研究方向（2/3nhanes/gbd，1/3meta/MR） 每个月都有师妹师弟转介绍科室的老师或者同学加入学习，这是最快乐的事情，继续认真服务，认真带科研，和咱们的师妹师弟形成良好的长期关系(持续提供价值)~ 为什么咱们的师妹师弟愿意转介绍？ 因为都能写出文章、投出文章，因为所有的数据都是整理好的，所有的代码都是验证过的（课题组还会帮忙跑出结果） 写作也是手把手一句一句的教~ 2024.11.03课题组师妹师弟反馈: 光速科研写作训练营–学完即可光速攥写任意类型的SCI论文~ 选题、跑代码（分析）、写作、润色、投稿选刊、返修，全流程，手把手教学~ 任意选择一个/两个方向(gbd/nhanes/charls/meta/mr…)，开始做，做好投稿之后，继续做已投稿方向，或者学习新的方向~ 因此我们设置的热点课不是都需要学习的，选符合自己研究领域的，能快速出文章的方向去做就行啦~ 14期目前可插班(11.07号截止~) 在课题组助教、代码助教指导下 完成直播课(目前已上完一节)学习~ 赶上进度~
今天给大家分享一篇在 2024年10月发表在《Nutrients》（1区，IF=4.8）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) 1990-2021年的数据，旨在分析全球范围内铁缺乏症（ID）的流行趋势并从1990年到2050年预测。
Day 5：完成文章中的Table和Figure 数据已经整理好了 那后面就是数据分析 做出Table和Figure 其实有了前面NHANES数据库处理的基础后 这种类型的文章内容基本是类似的 Figure 1：研究人群 Table 1：基线资料表 Table 2：回归分析 Figure 2：RCS Table 3：亚组分析 如果有问题的话 可以找一篇NHANES或者CHARLS的文献仔细品读 整篇文章的核心就是回归分析（到底有没有关系？） 和RCS曲线（如果有关系，是什么样的剂量效应关系？） 我们按照目标范文中的内容一步一步的做就好啦 通过这么久的实践来说 只要数据清洗好了个把小时就能得到所有的图片 大家也会发现数据库的结构和数据的清洗是最费时间的…
Day6-7任务：写作Introduction+写作Discussion+引文纳入+模块化部分的写作+润色+选刊 写作introduction 写作Discussion 引文纳入：我的引文是用Endnote20版本进行插入引文，步骤简单，一一纳入即可。 模块化部分的写作：模块化写作包括伦理、致谢、利益冲突声明、作者贡献、基金课题等，很多师弟师妹担心自己没有funding有没有关系，其实有可以写上去，没有也关系不大。 润色：文章已经是英文版本了，但是语言方面可能需要进一步润色，可以通过我们的润色指令进一步修饰一下语句。 选刊：选刊的方法有好几种，大家可以综合对比起来进行投稿。 以上步骤就是一篇孟德尔联合Meta分析的基础流程啦！大家可以对照着我这几天分享的研究思路去完成自己的论文哦！相信只要按照这个流程来操作，一定能够顺利完成一篇高质量的孟德尔联合Meta分析论文！ 因为注册PROSPERO的注册需要还需要一些时间，所以我暂时还没有投稿，大家之后确定选题后就可以抓紧注册。 这次挑战虽然结束了，但我们的挑战还没有停止。希望师弟师妹能够保持对科研的热情和好奇心，跟我们一起探索不同的方法和挑战，继续加油发SCI～
全是学了立马能用的真本事，学会了至少为接下来的科研节约85%的时间~ 选题、跑代码（分析）、写作、润色、投稿选刊、返修，全流程，手把手教学~光速科研~每个步骤都会手把手帮助师妹师弟，直到论文接收~ 今日可插班 在课题组助教、代码助教指导下 完成直播课学习~
Day 4-5任务：完成核心表格和图片 这两天主要任务是数据清洗（已经清洗好了）+数据分析（作图+做表） 数据库最难的、最费时间的就是数据清洗了 我们之前花了大量的时间进行数据清洗 现在来说也是非常方便的了 所以就是说 数据库是个宝 只要数据清晰，怎么挖都是paper 那问题来了，怎么确定我的文章中需要什么数据？ 这就回到Day 1的时候目标文献的确定 因为我们关注的都是CVD这个人群 所以很多的协变量基本不会发生太大的变化 只是自变量的X这个指标会不一样 阅读高质量文献的重要性这个时候及凸显出来了 协变量从既往的文献中获得： 文章中都详细的说明了每一种变量的定义 这也是我们在写文章的时候需要放的内容 对于变量的定义来说有一些是要按照常规 一些也可以自己定义 不管是那种方式，都一定要十分的清晰 单独的变量还是数据组成的复合变量 然后就是使用数据的提取和合并 这需要一些时间整理成可以直接分析的数据…