德尔随机化研究领域，我们已经完成了多项挑战，并且帮助了许多师妹师弟发表了第一篇SCI论文。 随着孟德尔随机化研究的普及，现在对于孟德尔的要求越来越高，简单的双样本想被接收就是难上加难，如何破除这个困境，我们带大家做进阶版的孟德尔-代谢组学，帮助大家提高自己的论文接收率。 今天，我们开启新的挑战旅程！医学生朋友们，尤其是那些尚未发表文章的同学们，代谢组学可以开始学起来~ 第一天: 大量阅读文献，收集选题信息 检索关键词：“(plasma metabolome) AND (mendelian randomization)”, 发文量、发表的杂志影响因子和分区都还不错,但是目前的趋势都是多组学孟德尔，加大文章的工作量和创新度。 Progress in Neuro-Psychopharmacology & Biological Psychiatry（Q1,5.3）,Frontiers in Immunology(Q1,5.7)，都是今年发表的Q1级别文章。说明组学孟德尔还是有很大的发挥空间，有条件的师弟师妹还能作为实验或者申报课题的前期准备，甚至可以补充一定的实验作为湿实验验证，那这篇文章就是高分文章了！可以冲击顶刊子刊~ 除了搜集信息，我还精选了10余篇近期的组学孟德尔研究范文精读。 今天，我们的挑战开始，确定了“代谢组学+我自己研究领域的疾病”作为选题 注：本次挑战将安排在非工作时间、考试或原定学习计划之外，大家可以借鉴我的思路，特别适合那些没有固定课题、希望从零开始的同学们！
医学生继续学，挑战7天完成一篇GBD！ Day 2-Day3任务：选题评估+方法评估 我们一直给师弟师妹们强调的是： 方法学、任何的方法学的内容只要花时间和精力就一定可以掌握 但是如何选择一个合适的又要有创新性还有新颖性 说起来简单、操作起来可太难了 不然为什么会有那么多的人卡在了文章上面 所以平时就要有广泛文献阅读的习惯 而且针对自己的一个科研想法 别人做过了：那我怎样可以进行改进 别人没有做过：为什么？是做不下去？还是我发现了一个新大陆？ 这一步会花费很多的时间！ 不然就是在做无用功 以上是选题评估 还有就是方法学评估 目标文献中的table和figure的实现难度如何 更换数据集后是否可以顺利跑出结果 和之前我们在挑战MR的时候就是一样的 但是我们有解决任何代码问题的能力和方法 通过目标文献的阅读 我们发现大概摆阔一下内容： 描述部分：分布地图、疾病情况按照性别划分的分布情况、EAPC描述 分析：未来预测 搞清楚了我们需要什么也就知道自己应该重点关注什么…
今天给大家分享一篇在 2023年12月发表在《Risk Manag Healthc Policy》（2区，IF=2.7）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，探讨膳食酸负荷 (DAL) 与非酒精性脂肪肝 (NAFLD)/晚期肝纤维化 (AHF) 之间是否存在关联。
今天给大家分享一篇在 2024年9月发表在《BMC Public Health》（1区，IF=3.5）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) 1990-2019年的数据，量化 60 岁及以上成年人因低纤维饮食造成的全球心血管疾病 (CVD) 负担。
NHANES指标推荐：BA！今天给大家分享一篇在 2024年9月发表在《Front Public Health》（2区，IF=3.0）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2005-2018的数据，探讨生物年龄（BA）与骨关节炎（OA）之间的相关性。
普通方案去做数据库挖掘，不管是哪个数据库，接收率都偏低，针对这种情况，我优化了数据库挖掘的方案，挑战接收率100%的GBD挖掘的写法（数十位师妹师弟已发表Q1、Q2区Sci论文），作为我们GBD数据库挖掘系列论文的收官之作。 最近在西安从参加一个学术会议 我在”长安”城墙下冲击这份挑战 参加学术会议最大的感受： 大家都在铆足了劲儿的向前冲锋 师弟师妹们是否最近也有paper pressure呢 Day1任务：确定目标文献和目标期刊 最近GBD处于数据库挖掘的风口 前面挑战了几期 大家对于这个数据库也比较熟悉了 虽然最近卡了很多的bug 就是在数据下载的过程中排队时间很久 尽管有些问题，但是不得不承认 这是我们发顶刊文章的性价比最高的方法 GBD数据库SCI 主要分成两个方面：描述和分析 描述：描述某一种疾病的时间空间和人群分布 分析：APC、分解分析、ARIMA预测未来等 我们采用100%接收的方案。 “公开数据库是文章黑洞” 因为数据在不断的更新 可以针对研究目的调整疾病/地区/人群等 大家熟悉的META分析本质上也是公开数据库挖掘 Meta发顶刊的一大把…
今天给大家分享一篇在 2024年7月发表在《JAMA Netw Open》（1区，IF=10.5）的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）2013–2016年的数据，探讨潜在环境毒物与抑郁症状之间的关联。 暴露：本研究的暴露变量是10 个类别的 62 种有毒物质包括丙烯酰胺、砷、环氧乙烷、甲醛、碘、金属、尼古丁代谢物、多环芳烃、挥发性有机化合物 (VOC) 代谢物；以及高氯酸盐、硝酸盐和硫氰酸盐。 结局：研究的主要结局是抑郁症状，使用全暴露组关联研究和删除-替换-添加算法评估与抑郁评分（PHQ-9 ≥5）的关联，并根据其他重要协变量进行调整。
今天给大家分享一篇在 2022年7月发表在《Lancet Reg Health West Pac》（1区，IF=7.6）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，对2019 年中国各省与非最佳温度相关的死亡负担进行了评估。 研究方法：从 ERA5 再分析数据集获取全球每日温度数据。从 2019 年全球疾病负担研究 (GBD 2019) 获取 176 种死因的每日死亡率数据和每日温度与死亡率之间的暴露-反应曲线。我们根据暴露-反应曲线、每日网格温度和人口估算了人口归因分数 (PAF)。我们根据 GBD 2019 中的 PAF 和疾病负担数据计算了特定原因和省份的死亡负担。结果解读：我们估计，2019…