⭕️研究背景：青少年糖尿病是全球主要的公共卫生问题之一。1型糖尿病（T1DM）和2型糖尿病（T2DM）在青少年中发病率不断上升，对青少年的健康和长期生活质量产生严重影响。研究表明，早期发病的糖尿病会导致多器官功能障碍，并增加未来公共卫生负担。然而，目前缺乏对青少年T1DM和T2DM长期趋势的全面分析，尤其是按地区、性别和社会人口指数（SDI）分层的研究。因此，本研究旨在通过系统分析全球疾病负担（GBD）数据，评估青少年糖尿病的疾病负担和流行趋势，并预测2030年的患病率。 ⭕️研究方法： 数据来源与提取 指标计算 趋势分析 预测分析 风险因素分析 结果呈现 ⭕️研究结果 患病率：2021年，全球约有340万青少年患有T1DM，ASPR为180.96；约有1460万青少年患有T2DM，ASPR为1190.73。T1DM患病率随国家和地区SDI水平的提高而增加，而T2DM患病率则呈相反趋势。 性别差异：女性青少年的T1DM患病率高于男性，而T2DM患病率则男性高于女性。 疾病负担：2021年，青少年糖尿病相关的总DALY为1672923，其中T2DM占64.9%。T1DM和T2DM的ASDR均与SDI呈负相关。 风险因素：T2DM的DALY中，32.84%归因于高BMI，且这一比例在研究期间增加了40.78%。 预测：到2030年，预计患有T1DM的青少年将达到370万，患有T2DM的青少年将达到1460万。 ⭕️文章总结：本研究基于GBD 2021数据，全面分析了1990年至2021年全球青少年T1DM和T2DM的患病率、疾病负担及其与SDI的关系，并预测了2030年的趋势。研究发现，青少年糖尿病的患病率在过去三十年中显著增加，且存在明显的性别和地区差异。T1DM在女性中更为常见，而T2DM在男性中更为普遍。高BMI是T2DM的主要风险因素，且其影响在不断加剧。研究强调，针对不同地区的针对性干预措施对于预防和控制青少年糖尿病至关重要，同时需要加强应对气候变化和肥胖问题的努力，以减轻青少年糖尿病的疾病负担。
Meta分析作为文献的二次研究，它的研究基础就是已经发表的原始文章，而已经发表的文献大家都是可以看到的，所以难免别人也会想到一块去，所以一旦决定开始做Meta，有了自己心仪的选题后就绪呀立刻推进，拒绝拖延症！ 😊小编给大家整理了我们一位学员的时间线 当你有老师带领之后，真的非常丝滑顺畅！ ⭕今天要分享的学员就是做的Meta分析最终成功发表文章 ✔接收期刊：Journal of Diabetes Investigation 📉IF=3.1；中科院3区SCI 📍发文方法：内分泌方向做Meta分析
⭕️标题：Adding salt to foods and risk of incident depression and anxiety ⭕️期刊：BMC Medicine，IF=7.1，中科院1区 ⭕️研究背景：饮食是心理健康结果的已知决定因素。然而，关于盐消费与抑郁症和焦虑症风险的流行病学证据仍然非常有限。本研究旨在纵向检查在食物中添加盐与抑郁症和焦虑症发病之间的关联。 ⭕️研究方法（详见图2）：本研究使用了来自英国生物银行（UK Biobank）的444,787名成年人的数据，这些人在基线时均未被诊断出抑郁症或焦虑症。使用四点李克特量表在基线时通过触摸屏问卷测量添加盐到食物中的频率。结果是根据国际疾病分类第十版（ICD-10）代码定义的抑郁症（F32-F33）和焦虑症（F40-F48）的发病。使用Cox比例风险模型调查添加盐到食物中的频率与抑郁症和焦虑症发病之间的关联。 ⭕️研究结果：在平均14.5年的随访期间，记录了16,319例抑郁症和18,959例焦虑症的发病。添加盐到食物中的频率越高，抑郁症和焦虑症的风险就越高。与从不/很少添加盐到食物的组相比，有时、通常和总是添加盐的组的调整后抑郁症发病风险比（HR）分别为1.07（95% CI: 1.02–1.12）、1.18（95% CI: 1.10–1.26）和1.29（95% CI: 1.18–1.41）（P趋势<0.001）。报告总是添加盐到食物的参与者与从不/很少添加盐的参与者相比，发展焦虑症的风险高出1.17倍（95% CI: 1.07–1.28）。…
说起疾病负担，GBD数据库无疑是最好的选择，它是一个全球性的综合数据库，用于评估和分析全球及各地区的疾病、伤害和风险因素的健康影响。 该数据库汇集了来自全球195个国家和地区的数据，覆盖了包括心血管疾病、癌症、呼吸系统疾病、交通事故等多种疾病和伤害，以及行为风险、环境风险、代谢风险等多种风险因素。 今天小光分享一篇运用GBD数据库发表在《EClinicalMedicine》上的文献。 数据来源 研究使用了来自GBD 2021的数据来分析1990年至2021年早产（preterm birth）的全球、区域和国家层面的负担，包括年龄标准化发病率（ASIR）、年龄标准化死亡率（ASMR）和DALYs等指标。 Joinpoint回归分析结果 早产发生率及变化 文章采用了Joinpoint回归分析，它是一种分段回归方法，可以识别时间序列数据中的趋势变化点（称为连接点Joinpoint）。 其核心思想是根据数据的时间特征建立分段回归，通过若干连接点将研究时间分割成不同区间，并对每个区间进行趋势拟合和优化，以更详细地评价全局时间范围内不同区间特性的变化特征。 Joinpoint模型的主要结果指标包括年度变化百分比（APC）和平均年度变化百分比（AAPC）及95%CI。APC为因变量平均每年变化的百分比，而AAPC则提供了整个研究期间的平均变化趋势。 图1：1990年至2021年全球和5个SDI地区早产发生率的变化 全球每年早产发生率从1990年的23,000,790.05例下降到2021年的21,553,770.76例，变化率为-6.29%。此外，ASIR从1990年的358.94下降到2021年的348.41，EAPC为-0.27，AAPC为-0.09。 早产死亡率及变化 2021年全球年死亡率比1990年低42.86%，但仍高达739,670.71例。全球ASMR从1990年的20.27下降至2021年的11.94，EAPC为**-1.67**，AAPC为**-1.68**，下降趋势在2012-2021年加快。女性年死亡率低于男性。此外，女性ASMR的EAPC下降幅度大于男性。 ASMR下降幅度最大的是中高SDI区域，其次是高SDI区域，低SDI地区的ASMR最高。 图2：1990年至2021年全球和5个SDI国家/地区早产年龄标准化死亡率的变化 早产的DALY和变化 全球DALY从1990年的12,434,9683.84下降至2021年的8,033,5171.21，下降了35.4%。1990年至2021年，全球年龄标准化DALY呈下降趋势。 DALY变化的分解分析 分解分析可以探究影响全球、区域和国家层面特定时间段内DALY变化的具体原因。研究通过分解分析探讨了潜在因素对DALY流行病学的影响。 将早产导致的DALY变化分解为老龄化、人口和流行病学变化，量化这些因素对总体DALY的影响。 分解分析表明，在全球范围内，111.97%的DALY变化归因于流行病学变化，其次是人口（-21.59%）和老龄化（9.62%）。 跨国健康不平等分析…
又是一年春节到，给导师拜年不知道怎么说？怕导师觉得舔、自己觉得尬？直接复制怕雷同？ 看过来姐妹们[图片] 过年给导师拜年的万能话术来了~真诚又不舔！导师看完一定对你有个好印象哦~~ 拜年不能太早，否则太跳脱，容易让导师觉得你很闲。也不能太晚，万一导师先给你拜了年，你的局面就会陷入被动。务必在除夕那天晚上把这年拜了！ ⭐比较推荐的拜年方式：除夕晚上群里小拜，春节零点私聊大拜🥰，轻松被你拿捏住了。 除夕小拜 话语可以简单，但表情包一定要丰富，营造出欢乐祥和的气氛。参考话术 be like： “岁末将至，辞旧迎新。🎉感谢魏老师的谆谆教诲，师兄师姐和师弟师妹们的互帮互助。新的一年祝大家：🌟良辰吉日时有，锦瑟年华坐拥。多喜乐，长安宁！💻数据多多，曲线完美，paper发发发📚🎆” 导师看到，应该能心领神会，知道大家是在抖机灵发红包。群里的温馨气氛在抢红包当中被推向高潮。 等0点的钟声敲响了 你要再私聊大拜一次。用词要诚恳，祝福要发自内心，把你这一年最想对他说的话一股脑儿都表达出来！具体怎么发呢？建议参考以下公式： 感谢教诲+表明决心+祝福展望 开头感谢导师的教诲，吹一下没有导师就没有你。中间表明决心，说你明年会更加努力地工作。结尾祝福展望，说说吉祥话。 模板参考 尊敬的X老师：光阴似箭，日月如梭！我在我们XX课题组的大家庭又度过了一年！衷心感谢X老师这一年来对我的关照与教诲。遥想年初时，我对科研方向尚且懵懂。但X老师对我学术路上的言传身教让我成长，尤其是7月您与我的几次畅谈，让我领悟了科研的奥秘。在您的耐心指点下，我的论文才得以顺利地发表。我深感荣幸，心怀感恩！明年我一定会以饱满的精神状态更加努力地工作，不辜负老师的殷切期望！值此兔年到来之际，祝X老师新年快乐，身体健康，阖家幸福，万事如意！ 学生XXX敬上。 注意事项1️⃣ “遥想年初时”后面要写得自己弱鸡一点，增强对比反差，凸显自己的进步；2️⃣ “尤其是”后面要进行细节描述，让你的成长更加强实，导师也会更有成就感。 文艺版尊敬的X老师：何其有幸，得师如您！感谢您一直以来对我的辛勤培育与付出，这一路上我经历过许多困难与问题，是您一次次地为我照亮前路，千言万语也难言师恩深重，我唯有奋力前行，才能不负您的期望。新年之际，祝亲爱的X老师欢愉且胜意，万事皆可期！新年快乐！ 学生XXX敬上。 亲切版尊敬的X老师：承蒙老师的关照，让我在过去一年有了很大的进步【展开说说】。值此2024新春，感恩老师的谆谆教诲，祝老师新年快乐，工作顺心，身体健康，万事如意！ 学生XXX敬上。…
⭕️期刊：Cardiovascular Diabetology，IF=8.5分，中科院1区Top ⭕️研究背景：代谢综合征（MetS）是一种由多种代谢异常（如高血压、中心性肥胖、糖代谢受损和血脂异常）共同存在的临床综合征，显著增加心血管疾病（CVD）和死亡风险。胰岛素抵抗（IR）是MetS的核心病理生理因素之一，也是CVD的重要驱动因素。既往研究显示，估计葡萄糖处置率（eGDR）作为IR的可靠标志物，与CVD预后相关。然而，eGDR与MetS及其对临床结局的预测作用尚不清楚。 ⭕️研究方法（详见图2）：研究利用美国国家健康与营养调查（NHANES，2001-2018）的数据，采用横断面设计评估eGDR与MetS患病率的关系，并采用队列设计进行死亡率随访。共纳入16,437名参与者。通过加权逻辑回归模型分析eGDR与MetS的关系，通过加权Cox比例风险模型评估eGDR与全因死亡率和CVD死亡率的关联。此外，应用限制性立方样条（RCS）分析评估eGDR、MetS与死亡率之间的非线性关系，并使用C统计量评估eGDR与其他IR指标（如TyG指数和HOMA-IR）对死亡率的预测性能。 ⭕️研究结果 eGDR与MetS患病率：eGDR与MetS患病率呈显著负相关（p < 0.001），且这种关系在不同亚组中均一致。RCS分析显示eGDR与MetS患病率之间存在非线性关系，eGDR降低时MetS患病率急剧增加。 eGDR与死亡率：在MetS患者中，eGDR每增加1个标准差，全因死亡率和CVD死亡率分别降低11%和18%（p < 0.05）。RCS分析显示eGDR与死亡率之间呈线性关系。在无MetS的个体中，eGDR仅与CVD死亡率相关。 预测性能：eGDR相比TyG指数和HOMA-IR，显著提高了全因死亡率的预测能力（p = 0.007），但在CVD死亡率预测中未见显著优势。 ⭕️文章总结：本研究基于NHANES数据，探讨了估计葡萄糖处置率（eGDR）与代谢综合征（MetS）患病率及死亡率的关系。结果显示，eGDR与MetS患病率呈显著负相关，且与MetS患者的全因死亡率和CVD死亡率呈线性负相关。eGDR在预测全因死亡率方面优于其他IR指标（如TyG和HOMA-IR）。研究强调了eGDR在MetS人群中的临床风险评估中的潜在价值，提示其可作为识别高风险个体的有力工具。
Meta分析是一种系统性的研究方法，旨在综合和分析多个独立研究的结果，以获得更准确和可靠的结论。 通过整合已有的研究，Meta分析可以帮助我们了解某个特定主题的效果或关联性，并提供更全面的证据支持。 一般在研一，导师都会让我们去学习写一篇Meta分析。Meta分析相对简单，很适合医学科研入门的时候学，整个流程下来，像文献检索、文献筛选、统计分析、SCI写作，SCI选刊投稿等基础科研能力，都能得到锻炼！ 部分Meta分析SCI的写作模板 《Meta分析SCI写作模板》 第一部分：前言部分 前言的介绍是非常重要的，前言部分一般是先对某些疾病或研究领域做一个介绍，包括其人的生活影响，现阶段的研究概况，以及研究的不足之处。目标是确立研究的必要性，数据和方法这一环要起承转合、很重要、很有意义，并且是有争议的，然后引出我们文章的目的。 前面部分介绍不同的描述有不同的写法，但是最后点名后续我们的内容，引出我们的目的一般是大同小异，下面就给大家介绍几种写法： 模板示例：1️⃣ Considering the impact of the xxx risk potentially resulting from xxx, a number of studies have…
MIMIC数据库（Medical Information Mart for Intensive Care）是一个开源的重症监护数据库，它包含了丰富的患者数据，其中也包括与血液系统相关的数据。 今天小编给大家总价以下①怎么找到血液系统数据②有哪些血液系统数据 ⭕如何找到血液系统相关数据 MIMIC数据库中的血液系统数据主要来源于以下几个表格： CHARTEVENTS：该表格记录了患者生命体征的数据，如心率、血压、体温等，同时也包括一些血液相关的指标，如血氧饱和度（SpO2）等。 LABEVENTS：该表格记录了患者的实验室检查数据，其中包含了大量的血液检查项目，如白细胞计数（WBC）、红细胞计数（RBC）、血红蛋白（Hb）、血小板计数（PLT）以及各种生化指标等。 BLOOD_DIFFERENTIAL：该表格专门记录了白细胞分类计数的数据，包括中性粒细胞、淋巴细胞、单核细胞等各种白细胞亚型的计数。 ⭕MIMIC有哪些血液系统相关数据，请看图1 今天要分享的学员就是血液疾病方向挖掘MIMIC数据库成功发表文章的 ✔接收期刊：Scientific Reports 📉IF=3.8；中科院2区SCI 📍发文方法：临床研究挖掘MIMIC数据库