今天给大家分享一篇在 2023年6月发表在《Lancet Public Health》（1区，IF=25.4）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）1999-2018的数据，探讨健康社会决定因素 (SDoH) 对过早死亡种族和民族差异的影响。
DAY4目标:数据筛选+绘制图表+撰写方法与结果 大家好啊！我们的5天代谢组学分析速成挑战已经到了第四天，时间过得真快，但我们的进展可是杠杠的！今天时间比较充裕，那就给自己任务重一些吧！ 今天的计划是这样的： 数据跑起来：我们的循环代码跑完咯，我们就能拿到一个整理好的汇总表格，离成功又近了一步！这说明我们的所有结果和图表都已经跑出来咯～ 数据筛选：筛选出符合我们要求的数据。筛选标准可以根据自己初步的阳性结果数量进一步严格自己的筛选结果，结果分析超级给力。每个代谢物的留一法图、森林图、散点图、漏斗图都已经准备好了，只需要筛选自己想要的结果即可。现在数据要求越来越高，我设的矫正P值要小于0.05，这种筛选标准也比较符合目前审稿人的要求，这感觉真是太棒了！ 森林图汇总：阳性代谢物结果汇总成一张总的森林图，图片很漂亮～（如果有实验条件的小伙伴们，可以把这作为前期结果，后面做湿实验验证一下，送一些标本代谢组学分析验证一些，这样一篇高分文章就到手啦！） 图表汇总：除了绘制图片，还需要将阳性结果整理为表格，包括异质性、多效性等整理，这种就类似一个三线表，把数据从汇总表格复制粘贴即可～ 高分范文模仿：拿出我们第三天精读的3篇高分孟德尔分析文献，开始模仿写作吧！有了这些优秀范文做榜样，我们的写作也会越来越得心应手！文章的书写方法就是万变不离其宗，掌握方法后它可以适用每种类型文章的写作～ 明天就是最后的冲刺了！我们要一口气完成引言、讨论部分的写作，还要搞定摘要、文献引用、模板化写作等一系列收尾工作。然后，就可以按照目标期刊的要求，投出我们的稿件啦！ 第一篇成功了，第二篇、第N篇就都不在话下啦！大家一起加油冲刺吧！
今天临床工工作比较忙，但是也不能忘记继续挑战，今天任务不重，把工作交给勤勤恳恳的电脑吧！ 我们的代码太给力了，工作交给电脑，我还能去忙别的事情～ 今日任务==下载数据+整理数据格式+开始跑代码。 Step1 运用我们提供的小工具处理我们的结局数据，将其整理成标准格式表头，这步还是很关键的，准确的格式是确保最强代码不失误的开端哦，所以运行之前务必检查一下格式表头是不是跟我们给的实例文件一样～ Step2 运行内置代码（这个是必须的哦！）→开启第二步运行循环代码→设置工作路径（注意要核对文件数量）→开启跑代码咯～（这时候我已经去忙自己的事情） 注意⚠️：这时候每台电脑的配置不同，运行速度也不一样哦～遇到报错的话，按照我们给的解决方法来解决就好～ 倒计时两天啦!大家一起写起来！期待你们的论文成稿哦!
今天给大家分享一篇在 2024年9月发表在《Infect Dis Poverty》（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，全面评估了梅毒、淋病、伤寒和副伤寒、白喉、百日咳、破伤风和麻风病的全球负担。
DAY2目标:检索文献+筛选范文+精读范文 经过初步的文献检索，我对自己的研究选题充满了信心。目前，我选择的疾病领域虽然检索到一篇文章，仔细阅读发现是做脂质体组学的，那我筛选的疾病还能继续做，初步选题，迅速启动我的这一波挑战。 为了确保研究的顺利进行，我精心挑选了三篇最新发表的的文章，分区及影响因子可观，精读这一步很重要哦，既可以了解一篇文章的行文框架，也可以对自己要做的挑战有明确体系框架的掌握。阅读完这三篇后我大致了解了一篇代谢组学孟德尔的文章构成，需要哪些数据，需要哪些图表～ 之前的挑战也提到了在学术写作中，遵循行业规范是至关重要的。因此，我特别关注了STROBE-MR声明，这是一项旨在提高研究报告质量和透明度的国际指南。该声明涵盖了六个主要部分：“题目与摘要”（条目1）、“引言”（条目2-3）、“方法”（条目4-9）、“结果”（条目10-13）、“讨论”（条目14-17）以及“其他信息”（条目18-20）。这些条目为我们提供了撰写高质量学术论文的指导和规范。 注❤：师弟师妹们积极参与学习，明天，我们开始数据分析（代谢组学代码和疾病MR分子）～欢迎大家关注！一起发表sci！
Day 4-Day5：完成核心表格和图片 这两天主要任务是数据下载+数据分析（作图+做表） 大家可能也听说了最近数据下载不太顺利 老是加载很慢、甚至是下载失败 使用GBD数据库进行分析的人越来越多了 网站访问量骤增、超过了网站的访问能力 甚至有一些人使用爬虫 其实本质上和我们之前MR的时候出现502的情况是一样的 这个问题暂时属于无解状态 那我们目前能做的就是错峰下载 按照年份分段下载后再将数据进行拼接 这样一定程度上会减轻数据下载压力 也因为我们都知道GBD数据库最大的特点就是 数据是标准化的 和NHANES相比不需要太多的数据清洗 下载好了就直接可以使用 一般就是分析发病率、患病率、DALYs 从这３个指标进行疾病负担分析 当然还有一些其他可以通过计算得到的指标 这些符合指标或者分析方法一定程度都可以和NHANES类比 根据想使用的方法利用我们的基础代码包进行分析 适当的调整代码 就能很快速的跑出自己的结果 不需要想肠道菌群MR一样需要很高的配置…
今天给大家分享一篇在 2022年5月发表在《Front Endocrinol》（2区，IF=3.9）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）III的数据，探讨胰岛素抵抗 (IR) 与亚临床心肌损伤 (SC-MI) 之间的关联。
今天给大家分享一篇在 2024年9月发表在《Mil Med Res》（1区，IF=16.7）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) 1990-2021年的数据，探讨了全球泌尿系统疾病如前列腺增生症 (BPH)、尿路感染 (UTI)、泌尿系统结石、膀胱癌、肾癌和前列腺癌的负担。