今天给大家分享一篇在2024年4月发表在《Cardiovascular Diabetology》（1区，IF=8.5）的文章。本文这项研究利用了孟德尔随机化方法，探讨了钠-葡萄糖共转运体2（SGLT-2）抑制剂对心力衰竭（ HF）风险的影响及其潜在的抗炎机制。暴露：本研究的暴露是SGLT-2抑制剂的使用，通过遗传工具变量来模拟SGLT-2抑制的效应。研究者选择了与SGLT-2 mRNA表达水平相关的遗传变异，并评估了这些变异与糖化血红蛋白（HbA1c）水平的关联，以代表SGLT-2抑制剂的降糖效果。结局：研究的结局是心力衰竭（HF），涵盖了保留和降低射血分数的心衰患者。研究使用了来自大规模GWAS荟萃分析的数据，包括47,309例心衰病例和930,014名对照。
最近有很多师弟师妹又来咨询说能不能求带网状Meta我们上一期挑战了GBD数据库目前也在筹备CHARLS数据库等多个公开数据库内容应师弟师妹们的要求这一次我们继续挑战，挑战7天完成一篇网状Meta分析！Day 1 ，老规矩：确定选题+目标期刊+目标文献最近一期的Lancet中了一篇meta分析：Antivirals for post-exposure prophylaxis of influenza: a systematic review and network meta-analysis关注的是抗病毒药物用于流感暴露后预防从11845份记录中确定有33项关于6种抗病毒药物（扎那米韦、奥司他韦、拉尼米韦、baloxavir、金刚烷胺和金刚乙胺）的试验，总共19096例受试者如果有兴趣的师弟师妹们可以去仔细看看这篇文章总体来讲思路是清晰且容易复刻的最终纳入的文献只有仅仅33篇为什么这篇文章就能发顶刊呢？这值得大家思考也是我们给大家传达的观念：选题比实操更加重要特别是对于meta分析、对于MR、对于NHANES、GBD等一系列数据库来说都是如此开始我们的网状meta挑战期待挑战成功！我们课题组一直都是聚焦与“AMI”所以我们还是做和心肌梗死相关的挑战虽然感觉有点儿“烂大街了”但是总的要在自己的研究领域“发光发热”任何的研究，选题一定最关键如果师弟师妹们有想写文章的冲动那大家一定要好好的打磨和评估自己选题 1-明确主题我们还是关注急性心肌梗死后的某些药物治疗我们通过检索发现神药“GLP-1”现在在心血管中的应用十分广泛并且可以检索得到其他比如肥胖、心衰等相关的meta分析经过仔细检索文献初步检索发现相关文献较少可以伸入探索2-明确目标杂志和目标期刊通过检索文献发现“Diabetes Obesity & Metabolism”杂志有类似文章检索发现杂志属于1区这个杂志对于文章质量要求很高高标准、严要求不行就换杂志前期的指数储备帮助我们积累了经验和教训具体的实操是非常简单的 今日任务完成第一天的挑战就结束啦，明天继续~
今天给大家分享一篇在 2023年5月发表在《Neurology》（1区，IF=7.7）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，对亚洲的神经系统疾病进行全面评估。研究方法：计算了 1990 年和 2019 年亚洲常见神经系统疾病的负担，包括发病率、患病率、死亡率和伤残调整生命年 (DALY)。分析了 13 种常见神经系统疾病。数据以总数和按性别、年龄、年份、地点、风险因素和社会人口指数 (SDI) 呈现，并以计数和比率显示。
今天给大家分享一篇在 2024年5月发表在《Front Nutr》（2区，IF=4.0）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2001–2018年的数据，探讨晚期肺癌炎症指数 (ALI)（炎症与营养状况相结合的综合指标）与类风湿关节炎 (RA) 患者全因死亡和心血管死亡之间的关系。暴露：本研究的暴露变量是高级肺癌炎症指数（ALI）。ALI是一个结合营养状态和炎症水平的综合指标，具体计算公式为：ALI = 血清白蛋白水平（g/dL） × 体质指数（BMI）/ 中性粒细胞与淋巴细胞的比值（NLR）。结局：研究的主要结局是全因死亡率和心血管死亡率。全因死亡率指的是在研究期间，由于任何原因导致的死亡。心血管死亡率则是指由于心血管相关疾病（如心脏病、中风等）导致的死亡。#光速科研
Day 6-7：写作＋投稿前准备结合我们之前的准备工作和跑出来的图片、表格写作是最简单的事情这个时候目标期刊的作用再一次体现出来针对目标期刊进行模仿写作模仿写作逻辑但是不能抄袭模仿是模仿、抄袭是抄袭一篇文章也就几千字只要我的写作逻辑符合目标期刊我的核心结果也有意义那这篇文章就不会差到哪里去其实当我们确定了选题过后就开始写作了写作我们的材料和方法学部分和任何公开数据库一样的Ｍｅｔａ、ｎｈａｎｅｓ同样的因为所有的方法学都是类似的我首先利用“框架写作法”完成内容初稿写作然后根据目标期刊和实际情况进行修订然后进行文章的翻译、润色、投稿准备投稿前准备就是按照目标期刊的要求整理相关的材料然后就是等待老板审核内容以及根据他的意见进行修改目标期刊–选题–下载数据–分析数据–框架写作–投稿准备–等待老板返修–正式投稿这就是我们创作一篇SCI的全过程写文章\做科研需要靠时间来泡努力在上班\上学中抽出时间完成自己的任务代码多跑跑、文章多写写不要害怕写得一坨shit“论文是改出来的”总之，GBD文章的思路简单而且清晰方法学相对来说比较简单、复刻容易希望大家都能中稿高分文章有一些师弟师妹经常私信询问我GBD等相关数据库挖掘的情况我们拥有一整套行选题到投稿的高效、快速产出成果、发表文章的方案，欢迎私戳让我们一起努力，向前冲锋！
今天给大家分享一篇在 2024年2月发表在《Lancet Reg Health Eur》（1区，IF=13.6）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) 2019年的数据，以及选定的可改变风险因素和社会人口统计指标来预测 2019 年至 2050 年期间欧洲脑出血的发病率和死亡率。研究方法：利用全球疾病、损伤和风险因素负担研究 (GBD 2019) 中确定的三种脑出血风险因素（高收缩压、高空腹血糖和高体重指数）来预测 2019 年至 2050 年之间的风险归因分数。然后使用时间序列模型（自回归积分移动平均线 [ARIMA]）预测不可归因于这些风险因素的疾病负担，并将社会人口指数 (SDI) 作为外部预测因子。根据赤池信息准则 (AIC)，为每个年龄-性别-国家组选择 ARIMA 模型的最佳参数。通过扩展所有地点-年份的风险因素和 SDI…
今天给大家分享一篇在 2023年9月发表在《Rev Cardiovasc Med》（3区，IF=1.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）1999–2004年的数据，探讨了血清肌酐/胱抑素C比值（Cr/CysC比值）与心血管疾病（CVD）发病率和死亡率之间的关联。暴露：本研究的暴露变量是血清肌酐/胱抑素C比值（Cr/CysC比值），该比值是通过血清肌酐和胱抑素C的测量值计算得出的，作为肌肉质量的替代指标。结局：研究的主要结局是心血管疾病发病率和死亡率。发病率是通过参与者自报的CVD诊断信息来确定的，涵盖了心力衰竭（HF）、冠心病（CHD）、心绞痛、心肌梗死（MI）和中风等疾病。死亡率是通过与国家死亡指数（National Death Index, NDI）匹配数据确定的，涵盖了因心脏病和脑血管疾病导致的死亡。
Day 4-5：方法学的复刻：完成核心Table和Figure这两天的任务主要是根据研究目的下载数据＋数据分析 前面有师弟再我们评论下面说：最近数据下载怎么这么慢？那是因为使用GBD的人逐渐多了起来和我们之前跑MR的时候一样，５０２的情况很多网站压力太大也就意味着我们再下载的时候会等待很久的时间特别是想要下载全球数据的时候如果是这样的话建议大家分段下载然后进行拼接比如下载９０年到２１年我每５年为一个周期进行下载虽然有些麻烦也只有通过这种方式一定程度上缓解压力了 但是下载的数据是标准化的不需要过于复杂的处理就能够直接使用一般我们需要下载发病率、患病率、DALYs从这３个指标进行疾病负担分析因为数据是标准化的所以不用清洗就能直接使用纳入到相关模型中进行展示 我们的基础代码包已经整理好了放进代码里面跑一边就能跑出自己的结果基本对设备的要求一般除非是进行前沿分析这个最好用配置好一些的电脑其他的实现还是比较容易的通过不断变换研究的视角和方法也就是换研究人群、换研究地区、换年龄范围、换危险因素就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明天就要开始写作啦！欢迎大家在评论区留下自己的经验和想法，我们下一篇进度汇报见！
今天给大家分享一篇在 2024年2月发表在《Lancet Reg Health Eur》（1区，IF=13.6）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) 2019年的数据，以及选定的可改变风险因素和社会人口统计指标来预测 2019 年至 2050 年期间欧洲脑出血的发病率和死亡率。研究方法：利用全球疾病、损伤和风险因素负担研究 (GBD 2019) 中确定的三种脑出血风险因素（高收缩压、高空腹血糖和高体重指数）来预测 2019 年至 2050 年之间的风险归因分数。然后使用时间序列模型（自回归积分移动平均线 [ARIMA]）预测不可归因于这些风险因素的疾病负担，并将社会人口指数 (SDI) 作为外部预测因子。根据赤池信息准则 (AIC)，为每个年龄-性别-国家组选择 ARIMA 模型的最佳参数。通过扩展所有地点-年份的风险因素和 SDI…