Day1：设定目标=目标文献+目标期刊 前期我们通过GBD数据库成功挑战了数期 鉴于有很多的师弟师妹们在不断的追问数据库挖掘的情况 我们这一期进行GBD数据库的挑战 挑战Jointpoint回归和年龄-阶段-队列分析 GBD数据库不用说，大家都比较熟悉了 四大刊的常客 甚至有一个研究生发了一篇BMJ 这对于我们来说都是机会 数据库最大的特点就是：学地理+可视化 不同国家的组合，比如全球？金砖国际？上合组织？ 换个组合就是一篇新的文章 方法学的内容差别不会特别大，无非是增加或者减少工作量 我们一起探索，希望能对自己的科研生活有所突破！ 这次我挑战的是使用Joinpoint和年龄-阶段-队列分析对某一个疾病进行分析 过程主要还是使用Joinpoint软件和代码 在前期的学习和挑战中 任何的代码问题都能通过我们的方案快速解决 所以重点就是学习这个软件就好 确定目标文献和确定目标期刊 这就需要大量的准备工作和科研的敏锐性 至于这种敏锐性需要怎样的培养 这就需要长时间的深度思考、积累和学习 我检索了“age-period-cohort analysis”发现了很多和我的研究类似的文章…
生信分析是什么？医学生为什么学？ 医学生物信息学是一个跨学科的领域，涉及医学、生物学、计算机科学等多个学科，旨在利用生物信息学的方法和工具，挖掘生物医学数据中的有用信息，为疾病诊断、治疗和预防提供新的思路和方法。 当下救急，快速发表一篇SCI 医学生没有几篇SCI可谓寸步难行，咱毕业需要SCI，求职需要SCI，评职称也需要。 但医学生学业重、临床任务也重，能挪出来搞科研的时间少得可怜，如果你不是一心走科研型医生，那更没有时间也没有资源做周期长的基础实验。 这时，研究周期短的生信分析就成了医学生们的高性价比选择。就拿我室友来说，她学习能力稍微强一些，入门到发表只耗时8个月。大部分人一年左右也能发表SCI! 长尾效应 学习生信，会有利于你在科研道路上多一种手段，并且是更具性价比的手段。 什么意思呢？ 设想一下，今天老板随手扔一个课题方向的时候，你怎么将这个课题落地？ 首先分子怎么来？是看文献一个个忙猜还是通过自己手动用公共数据库筛选？接下来信号通路选哪条？表型应该靠哪个？ 如果都靠看文献来猜测筛选，要看的文献显然多如牛毛！而且这种方法写在文章里多少有点不靠谱，为什么选择这个不选择那个？ 所以没有点生信测序结果，很多文章都拿不出手。无论是基础文章中的分子、机制、表型的筛选，还是和临床研究结合，用高通量数据构建临床变量的预测模型。生信分析都是给科研增加论证维度的升级利器。 医学生怎么快速吃透生信分析？ 最朴素的方法就是边学边用 新手一定要记住生信分析不是学到极致，关键是要会用！！ 直接参与项目，遇到问题解决问题，科研能力也就慢慢培养起来了！刚开始我们处于小白阶段，可能会苦恼课题组没有人做生信课题、或者大家水平高，确实没有时间手把手教你，让你跟上节奏。
机器学习在Meta分析中的应用为这一研究领域带来了创新的方法。以下是一些具体的机器学习做Meta分析的方法： 一、质量评估与偏倚检测 质量评估：机器学习算法可以对纳入Meta分析的研究进行质量评估。通过训练模型，机器学习可以自动识别研究中的潜在问题，如样本选择偏倚、测量偏倚等，从而对研究质量进行客观评价。 偏倚检测：除了质量评估外，机器学习还可以用于检测Meta分析中的偏倚。这包括发表偏倚、选择偏倚等。通过分析纳入研究的特征和数据分布，机器学习算法可以识别出潜在的偏倚来源，为研究者提供调整偏倚的依据。 二、效应量合并与异质性处理 效应量合并：Meta分析的核心任务之一是合并多个研究的效应量，以得出一个综合的结论。机器学习算法可以通过构建合适的统计模型，实现效应量的合并。 异质性处理：机器学习算法可以通过分析纳入研究的特征和数据分布，识别出异质性的来源，并采取相应的措施进行处理。例如，可以使用随机效应模型或固定效应模型来合并效应量，以考虑异质性对结果的影响。 三、动态更新与实时反映最新研究进展 时间序列Meta分析：随着新研究的不断发表，Meta分析需要不断更新以反映最新的研究进展。机器学习算法可以实现时间序列Meta分析，即动态地更新Meta分析的结果，结合新发表的研究数据，实时反映最新的研究进展和证据。 实时数据整合与分析：除了时间序列Meta分析外，机器学习还可以用于实时整合和分析新发表的研究数据。 今天要分享的学员就是做的基于机器学习的Meta分析，一起来看看今天的学员案例吧 接收期刊：INTERNATIONAL JOURNAL OF MEDICAL INFORMATICS 📉IF=3.7；中科院2区SCI 📍发文方法：Meta分析
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： 1️⃣Meta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 !
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！