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…
Day 4-5任务：数据提取+制作图片+写作材料与方法+写作结果 1.数据提取：根据我们在不同网站筛选的文献总结出最后需要的文章，孟德尔联合meta其实筛选的数据还是比较简单的，主要是需要OR、95%CI和Pvalue，还有包括文章的年份、作者等，其他信息可以根据自己的需求再进一步纳入提取。 2.制作图片：准备好了数据，meta分析的展示主要可以通过森林图和漏斗图等，绘制软件我是用review manager，文献可以一步步通过软件纳入（注释：有专门RevMan的使用说明，可以跟着一步步来哦），我们纳入的文章数量还是蛮多的，漏斗图的效果也是不错的。进一步还需要对纳入文章进行质量评价。 3.写作材料与方法：材料与方法的写作对于我们难度不大，学习了写作方法，根据前面找到范文内容，很快就可以完善自己的这模块写作。 4.写作结果：结果这块根据自己前期对文章的设计和已经产生的结果进行综合分析，加上范文的加持，一篇result很快就完成了。记得完成后检查一下全文数据，避免低级错误哦。
今天给大家分享一篇在 2024年10月发表在《J Hematol Oncol》（1区，IF=29.5）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) 1990-2021年的数据，旨在评估青少年和青年 (AYA) 癌症的全球负担和趋势，重点关注社会经济差异，为全球癌症控制策略提供信息。
Day 2-3任务：PROSPERO注册+PRISMA Checklist学习+文献检索、筛选+数据提取 PROSPERO注册：在PROSPERO网页上面进行注册，获得注册编号（注释：这个编号很重要哦，一些高分杂志投稿时基本都要提供这个编号，所以有条件的都去注册一下）。用自己的邮箱就可以进行注册，依次完成里面的一些“提问”和40个“正式答题”，网上也有很多注册教程，可以跟着一步步注册下来，答题完毕并确认无误后，提交注册，审查时间为10天-3个月。注册完毕，安心等待就好啦，等待过程中就可以抓紧进行后面的步骤. PRISMA Checklist学习：Meta分析的操作流程是模板化的，孟德尔联合meta分析的流程本质是一样的，PRISMA2020条目清单主要包括了：标题、摘要、背景、方法、结果、讨论、其他信息等。实际上就是指导规范的写文章。也是根据PRISMA Checklist要求一步一步逐渐操作就好啦，和孟德尔STROBE-MR声明差不多，可以跟着他们的要求一步步下来～ 文献检索、筛选：首先把检索式设计好，一般不同的文献检索网站检索式也有所差异，所以需要个体化设计好不同网站的检索式，然后整理好检索式， 制定检索策略：根据万能选题思路PICOS原则制定检索策略。 P（Population）：研究对象，即患者或人群； I（Intervention）：干预措施，对研究人群采用的治疗干预措施或观察指标； C（Comparison）：对照措施，有无对比，与什么对比，对比指标是什么 O（Outcome）：结局指标，如生存情况、复发率、缓解率等； S（Study design）：研究类型，是队列研究、病例对照研究还是横断面研究 一般在文中正文展示或者supplement里面展示。我初步筛选了比较众所周知的几个网站：pubmed、web of science和cochrane三个网站。 数据提取：把文献进行初步筛选，筛选步骤可以按照PRISMA流程一步步下来，做好记录哦，这样方便绘制figure1的PRISMA流程图～ 注释：任何类型的Meta都不存在难度，所以Meta分析的发文量每年都很巨大，但是Meta的选题确是核心，一般的Meta分析可能在3分左右，但是一些特殊类型的Meta可以发高分文章（有哪些呢？卖个关子，我后面继续发起挑战）。 大家一起学起来、动起来，师弟师妹们可以多花些时间思考高分meta，明天我们就检索、下载、筛选文献啦！
挑战火热数据库，7天一篇CHARLS! 全新的挑战，全新的旅程！ 前面多期关于MR、GBD、NHANES等挑战反响空前 最近一直在整理CHARLS相关的资料 我们即将开始挖掘新的数据库 中国人自己的database–CHARLS数据库 和之前的代谢MR、蛋白组学MR、NHANES一样 我们给提前做了一些数据清洗的准备工作 我们也开始一期新的挑战 期待师弟师妹们能挖掘出新的paper CHARLS数据库最近有多火呢 我们进行了最简单的检索 发现发文质量普遍较高 而且还没有老外来抢挖我们的数据 这是因为就目前而言这个数据库的挖掘程度还不够 相比较于NHANES来说普及程度还比较“弱” 那对我们来说就是极好的机会 让我们一起高效完成一篇CHARLS数据库SCI Day1任务：确定目标文献和目标期刊 大家可能对CHARLS还不是很熟悉 我们进行一个简单的介绍 CHARLS（中国健康与养老追踪调查） 旨在收集一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据， 用以分析我国人口老龄化问题，推动老龄化问题的跨学科研究。 这是实际上和NHANES的调查比较类似，但是又有不同…
由东晋发起的《光速科研SCI写作投稿训练营-30天成稿第一篇｜光速攥写任意类型Sci系统方法论｜GBD数据库挖掘全面版2.0｜孟德尔随机化｜Nhanes｜Meta分析｜case report｜Letter速成班》 第14期还有2天就要开课啦!!! 即将重磅更新charls数据库挖掘光速方案，助力师妹师弟冲击IF10+，前13期好评如潮，平均成稿2-3篇~ 适用对象：所有年级（本科、硕士、博士）、所有阶段（医生、护士、基础、预防、公卫医学科研人员）的医学相关人员
此前我们完成了若干篇关于meta的挑战，这一次挑战想在meta分析基础上进一步创新一些，这一次想要挑战孟德尔联合meta分析的文章，有想学习的师弟师妹跟我们一起完成这波挑战吧～ Day1任务:收集信息+明确选题+明确目标期刊+精读范文 第1天：收集信息。 检索关键词：“(meta) AND (mendelian randomization)”,发文量、发表的杂志影响因子和分区都还不错,目前发表此类文章量也越来越多，但比单纯meta数量还是少很多。 明确选题：我对基础代谢这个主题比较有兴趣，所以我拟定的关键词：“((meta) AND (mendelian randomization)) AND (BMR)”。 明确目标期刊：观察了目前孟德尔联合meta的发文期刊，目标期刊为European Journal of Epidemiology（7.7，Q1）或者International Journal of Molecular Sciences（5.6，Q2） 精读范文：我精选了10余篇近期的孟德尔联合meta的范文，大概了解了这类型文章的结构组成和准备，进一步准备深入研读，拟定一下接下来几天工作安排和内容。那么我们的挑战就此拉开序幕啦！ 注：白天临床工作也比较忙，所以挑战基本在非工作时间进行，所以师弟师妹们有兴趣的也可以一起参与进来哦～