本文主要是介绍这个杂志,审稿到录用仅需一个月!毕业生的梦中情刊,本科生用NHANES数据库发文2区...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Lipids in Health and Disease 是一个公开的、同行评议的期刊,主要发表关于脂质所有方面的文章,影响因子逐年上升,国人发文占比排第一,年刊量100多篇!最重要的是,该期刊文章审稿速度特别快,最快一个月就能发表。
除了贵一点(版面费2290美元),稿件的处理速度还是很快的,着急毕业或者评职称需要论文的学友可以试着投一下。
2024年5月23日,郑老师团队带的本科生,也就是浙江中医药大学的学生用NHANES数据库,在期刊《Lipids in Health And Disease》(医学二区,IF=4.5)发表题为:“Independent and joint associations of monocyte to high-density lipoprotein-cholesterol ratio and body mass index with cardiorenal syndrome: insights from NHANES 2003–2020 ”的研究论文,旨在探讨单核细胞与高密度脂蛋白胆固醇比值(MHR)和体重指数(BMI)对心肾综合征(CRS)的独立和联合作用。
本公众号回复“ 原文”即可获得文献PDF等资料,如果进一步需要全流程指导公共数据库挖掘,请联系郑老师团队,微信号:zz566665 |
随着病理生理学的发展,心肾综合征(CRS)作为一种复杂且严重的疾病,已经引起了越来越多的关注。HDL-C因其强大的抗氧化能力和在维持及增强血管弹性中的关键作用,是公认的“心血管保护伞”。研究表明,单核细胞有诱导局部缺血和炎症的作用,被认为是导致CRS和心血管疾病的关键风险因素。
因此,本研究试图通过分析MHR和BMI这两个指标,来增进对CRS风险因素的理解
主要研究结果
1.研究设计
本研究采用了美国国家健康和营养调查(NHANES)2003-2020年的数据,最终纳入了42,178名年龄≥18岁符合条件的参与者。
计算MHR的公式为:MHR=单核细胞计数(×103cells/ul) /高密度脂蛋白-胆固醇(mg/dL)。在夜间禁食至少9个小时后,在早上采集血样。
计算 BMI 的公式是 BMI = 体重(公斤)/ 身高(米)的平方。
研究者将CRS定义为同时患有心血管疾病(CVD)和慢性肾脏病(CKD)的个体。
( CVD由自我报告的冠脉病、心绞痛、充血性心脏、心脏病发作或脑卒中确定;CKD通过评估 eGFR(eGFR < 60 mL/min/1.73 m²) 来确定 )
2.基线数据
参与者被分为非CRS组和CRS组。
非CRS组的平均年龄(SD)为48.69(17.91),而CRS组的平均年龄(SD)为73.89(17.79)。
与非CRS参与者相比,CRS患者的MHR显著高于非CRS受试者,且CRS患者中男性以及高血压和糖尿病的比例更高。
3.MHR 和 BMI 与 CRS 的独立和联合关联
在纳入研究的42,178名参与者中,CRS患病率为3.45%。
调整协变量后,加权Logistic回归表明,MHR的增加与CRS患病率的增加相关(Ln MHR:OR= 1.799,95% CI -2.129 = 1.520, P < 0.001)。
与MHR的第一个四分位数相比,每增加一个四分位数的MHR与CRS的OR增加显著相关,且存在显著趋势(P-trend < 0.001)。
表1 Ln MHR与CRS的横断面关联
模型1:调整了年龄、性别、种族、婚姻状况和教育程度
模型2:额外调整的吸烟状况和饮酒状况
模型3:额外调整高血压和糖尿病
同样,BMI每增加1,CRS的发生几率也相应增加(OR=1.037, 95% CI 1.023-1.051,P < 0.001)。
与BMI低于25的参与者相比,BMI为30或更高的参与者CRS患病率更高(OR= 1.453,95% CI= 1.177-1.794, P<0.001)。
表2 BMI与CRS的横断面关联
下图显示了BMI和Ln MHR的分布,通过RCS分析,BMI和Ln MHR与CRS没有非线性关联。
图1Ln MHR和BMI与CRS的非线性关系
(A) Ln MHR分布;(B) Ln MHR与CRS之间的RCS曲线;(C) BMI分布; (D) BMI与CRS关系的RCS曲线。
研究团队进一步探讨了Ln MHR和BMI与CRS的联合关系。
研究结果显示,BMI≥30 kg/m2且Ln MHR第4分位数的个体与BMI<25 kg/m2且Ln MHR第1分位数的个体相比,OR为3.45 (95% CI= 2.40-4.98, P<0.001)。
研究就结果支持Ln MHR和BMI与CRS具有联合关系的结论,即同时具有高MHR和BMI的个体患CRS的风险更高。
图2 在完全调整模型中,MHR和BMI与CRS的联合关联
4.交互作用
下图展示了BMI对MHR与CRS的相关性,结果表明MHR和BMI对CRS没有显著的交互作用(MHR连续型P-interaction为0.248;MHR四分位型P-interaction为0.363)。
图3 在一个完全调整的模型中,BMI与MHR与CRS的关系
统计学方法
本文的研究思路非常清晰,统计学方法直接借鉴:
1、进行统计描述
对于连续变量,使用均数±标准差(SD)来描述,并使用Student’s t检验在两组之间进行比较。
对于分类变量,使用频率和百分比来描述,并使用卡方检验进行比较。
所有分析均使用R Studio(4.3.2版本)和风暴统计平台(www.medsta.cn/software)进行。研究者认为双侧P值<0.05为显著性。
2、进行缺失填补
对协变量中的缺失值进行了多重填补。
3、进行独立和联合关联的分析
采用了多变量加权Logistic回归来评估MHR和BKI与CRS的独立和联合关联的比值比(OR)和95%置信区间(CI)。
进行了限制性立方样条(RCS)分析以探索非线性关联。
为了评估MHR和BMI与CRS的联合关系,根据MHR(4个四分位数)和BMI将参与者分为12组(3组:<25 kg/m2, 25 - 30 kg/m2和≥30 kg/m2)。以BMI<25且MHR在第一四分位数的个体为对照,评估各组CRS的OR值和95% CI。
4、交互作用分析
基于BMI的三个亚组,对MHR(包括连续变量和分类变量)与CRS之间的关系进行了分层分析;
通过ANOVA分析,比较有和没有相互作用项的回归模型来确定交互作用效应。
5、敏感性分析
研究团队进行了一些敏感性分析,分析结果表明填补和加权分析不影响结果,并且在泊松回归模型中,MHR和BMI与CRS的独立和联合关联仍然稳健。
在多重插补之前分析数据,以探索多重插补可能对结果产生的潜在影响;
在计算抽样权重后,不考虑权重,以减轻将主要变量作为协变量可能产生的过度调整偏倚;
进行泊松回归。
本公众号回复“ 原文”即可获得文献PDF等资料,如果进一步需要全流程指导公共数据库挖掘,请联系郑老师团队,微信号:zz566665 |
后 记
本文的统计学方法不难,但是运用很巧妙:首先使用logistic回归分析评估MHR和BKI与CRS的独立和联合关联,并用限制性立方样条(RCS)分析以探索非线性关联。接着基于BMI的三个亚组,进行交互作用分析,最后进行敏感性分析。
值得一提的是,本文使用的统计学方法老郑我的平台就能做到,该平台免费使用,希望能助力各位顺利发文!
它的网址是www.medsta.cn/(在电脑端浏览器打开,位于“风暴智能统计”模块) 浏览器输入medsta.cn即可或者百度“风暴统计” 本平台上线的所有工具都是免费的, 目前的功能包括: 样本量计算| 正态性检验 | t检验 | 方差分析 秩和检验 | 卡方检验 | 差异性分析带统计量 线性回归分析 | logistic回归 | Cox回归 批量单因素分析 | 先单后多 | 临床预测模型 roc曲线 | 列线图 | 校准图 | DCA曲线 |
Nhanes数据库发文依旧火爆,不少人想用这个免费数据库发文。如果在Nhanes数据库挖掘时遇到困难,不妨来看看郑老师Nhanes课程!1V1指导,快速解决问题,让你的论文顺利发表!
本公众提供各种科研服务了!
一、课程培训 2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求,不妨点击查看: 发文后退款:2024-2025年科研统计课程介绍 二、数据分析服务 浙江中医药大学郑老师团队接单各项医学研究数据分析的服务,提供高质量统计分析报告。有兴趣了解一下详情: 课题、论文、毕业数据分析 临床试验设计与分析 、公共数据库挖掘与统计 |
这篇关于这个杂志,审稿到录用仅需一个月!毕业生的梦中情刊,本科生用NHANES数据库发文2区...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!