今天给大家分享一篇在 2024 年 6 月发表在《International Journal of Surgery》（Q1，IF=12.5）的文章。本文这项研究利用了孟德尔随机化（Mendelian Randomization）结合贝叶斯共定位（Bayesian Colocalization）方法，探讨了免疫细胞表型与卵巢相关疾病之间的因果关系。暴露：731 种免疫细胞表型，这些表型包括了不同的免疫细胞亚群和相关标志物。结局：六种卵巢相关疾病，包括卵巢囊肿、卵巢功能障碍、早发性卵巢衰竭（POF）、多囊卵巢综合征（PCOS）、卵巢良性肿瘤和卵巢恶性肿瘤。
Day 6-7任务：框架写作法写作已经完成了核心的Table和Figure也就是完成了文章中的Methods和Results部分后面重要的就是写作，写作重点在于引言、讨论和一些模板化写作写作其实是最简单的部分因为“没有任何一篇文章会因为语言问题而拒绝你”使用我们的“框架写作法”写出一篇高质量的文章是轻而易举的事情 现在我在海拔4700的地方完成了本次挑战这是一次非常有意思的经历挑战都以能够写一篇该方向的SCI文章为目标以写出SCI论文结果为导向1天基本完成初稿然后再1天完成模板化板块写作、翻译、润色、投稿前准备我的习惯是只要确定了选题我就会去写Methods部分跑出结果就写Results部分这样就更加高效了所以把跑出来的图片和结果放进去，然后模仿我的目标文献就好啦 挑战7天完成一篇NHANES，挑战成功！
今天给大家分享一篇在 2024 年 5 月发表在《BMC Geriatrics》（2区，IF=3.4）的文章。本文这项研究利用了来自五个不同国家的纵向研究数据，包括中国健康和退休纵向研究（CHARLS）、英国老年纵向研究（ELSA）、健康和退休研究（HRS）、墨西哥健康和老龄化研究（MHAS）以及欧洲健康、老龄化和退休调查（SHARE）。这些数据涵盖了 23 个国家的老年人群体。暴露：研究主要探讨了数字排斥（即自我报告的不使用互联网）与老年人认知障碍之间的关系。结局：研究的结局是认知障碍，它通过三个维度来评估：定向、记忆和执行功能。
Day 5任务：完成文章中的Table和Figure数据已经提取清理好了花了4天左右的时间后面就是数据分析做出Table和Figure其实NHANES数据库的文章内容基本是类似的我们进行了提取和总结Figure 1：研究人群——-数据来源过程 Table 1：基线资料表—–人群基本信息描述 Table 2：回归分析—X与Y之间有无关系 Figure 2：限制性回归样条–X与Y的剂量效应关系Table 3：亚组分析—敏感性分析 具体的解释可以找一篇NHANES的文献仔细品读或者看看我们之前的NHANES挑战整篇文章的核心就是RCS曲线 X和Y是相关的，那么他们是有什么样的剂量效应关系呢？直线?L型？N型？J型？这些都可以通过RCS曲线非常直观的看到而且会检验线性和非线性关系如果是非线性关系还会找到对应的拐点值。我们按照梳理的Table和Figure一步一步的来做将我们这篇NHANES文章的主要结果就完成了多做几篇文章后就会发现选题和数据清洗是最费时间的但是只要静下心来就一定能出成果 我们已经下载好的所有NHANES全周期数据也会助力数据提取和清洗今日份挑战成功！
今天给大家分享一篇在 2024 年6月发表在《Cardiovascular Diabetology》（Q1 区，IF=9.3）的文章。本文这项研究利用了中国健康和退休纵向研究（China Health and Retirement Longitudinal Study, CHARLS）的数据，探讨了在非糖尿病人群中，估算的葡萄糖处置率（estimated glucose disposal rate, eGDR）与心血管疾病（cardiovascular diseases, CVD）发生风险之间的关系。暴露：eGDR，这是一个反映胰岛素抵抗（insulin resistance, IR）的可靠替代指标。eGDR(mg/kg/min)=21.158−(0.09×WC)−(3.407×高血压)−(0.551×HbA1c)WC 代表腰围（以厘米为单位），高血压是一个二元指标，如果存在则为 1，否则为 0,HbA1c 代表糖化血红蛋白（以百分比表示）。结局：研究的主要结局是 CVD 的发生，包括心脏病和中风。Table1…