优秀!同一指标同一期刊同日双发,相似度高达90%的一区Top文章

引言

同一Top刊同一指标同日双发,CHARLS指标的深度挖掘价值不必多说!

如何多角度多思路创新探究同一指标?今天这两篇文章干货满满,快来简单看一下吧。

ps:郑老师团队开发的CHARLS数据分析平台即将上线,敬请期待!

文章一 

2025年9月22日,中国人民解放军医学院学者基于CHARLS数据库,期刊European Journal of Preventive Cardiology(医学一区Top,IF=7.5)发表题为:“Variations in remnant cholesterol and the risk of cardiovascular disease: a national longitudinal cohort study”的研究论文,旨在系统评估残余胆固醇(RC)动态变化、累计值、绝对值变化(ΔRC = RC随访 - RC基线)与新发心血管疾病(CVD)风险之间的关联。

本公号回复“ 原文”即可获得文献PDF等资料,如果进一步需要CHARLS公共数据库方法学习与指导请联系郑老师团队,微信号:aq566665

研究基于中国健康与养老追踪调查(CHARLS)数据库2011-2020年的数据,经过筛选,共纳入了3,866名数据完整、符合条件的参与者。并根据基线及随访期间RC水平变化将参与者分为以下4组:

  • 持续较高组

  • 持续较低组

  • 由高到低组

  • 由低到高组

图1 参与者的筛选流程

  • 研究思路

研究采用Cox比例风险模型探究RC水平动态变化、累计值、绝对值变化与CVD风险之间的关联,并使用受试者工作特征(ROC)曲线评估其预测CVD风险的性能。此外,还进行了亚组分析和多重敏感性分析以验证结果的稳健性。

  • 主要研究结果

研究结果显示,RC水平动态变化与CVD风险显著相关。具体而言,相较于RC水平持续较高组,RC水平由高到低组的参与者发生CVD的风险降低了29%。

表1 RC变化与CVD风险的关联

模型1:调整了年龄、性别、婚姻状况、教育程度、当前吸烟者、当前饮酒者、高基线血压(HBP)、低剂量脂质治疗、高敏C反应蛋白(hsCRP)及低密度脂蛋白胆固醇(LDL-C);

模型2:进一步调整了基线残余胆固醇;

模型3:在模型2的基础上,将LDL-C调整为LDL-C的变化

同时,累计RC暴露与CVD风险升高呈正相关。相较于最低组(T1)的参与者,累积RC暴露量最高组(T3)的参与者CVD风险增加37%。

表2 累计RC暴露与CVD风险的关联

此外,研究进一步发现,ΔRC与CVD风险呈负相关关系。这意味着,在基线高RC的参与者中,ΔRC最低三分位数组的CVD风险显著降低。

表3 RC绝对变化与CVD风险的关联

值得关注的是,加入RC指标后,新模型的预测能力得到了显著改善(AUC从0.61提升到0.63 )。

图2 ROC分析结果

此外,敏感性分析和亚组分析验证了结果的稳健性。

无独有偶,就在同日,另一高校团队也用CHARLS同一指标,在同一顶刊上发表了研究成果。

文章二 

2025年9月22日,首都医科大学学者用CHARLS数据库,在European Journal of Preventive Cardiology(医学一区,IF=7.5)发表题为:“Association between remnant cholesterol and the risk of cardiovascular-kidney-metabolic syndrome progression: insights from the China health and retirement longitudinal study”的研究论文,旨在探究RC与我国中老年人群晚期心血管-肾脏-代谢综合征(CKM)风险的关联,并评估在CKM分期0-3期人群中,RC水平对新发心血管疾病(CVD)事件的预测价值。

研究团队基于CHARLS数据2011-2020年的数据,经过纳排,最终纳入了6,858名基线无CVD的参与者。

  • 研究思路

研究采用横向横断面与纵向分析相结合的设计:

  • 首先,在基线人群中,运用多变量Logistic回归分析RC与晚期CKM分期(3-4期)的关联;

  • 随后,在基线无CVD的CKM 0-3期参与者中,构建多因素Cox比例风险模型,评估基线RC与随访期间CVD发病风险的关系;

  • 此外,进行了RCS、亚组分析、多重敏感性分析和中介分析以验证结果的稳健性与潜在机制。

图1 图形摘要

  • 主要研究结果

横断面分析显示,较高的RC水平与晚期CKM风险呈线性正相关。具体而言,与最低RC四分位数(Q1)相比,处于最高RC四分位数(Q4)的个体患晚期CKM的风险增加了67.7%。

表1 RC水平与晚期CKM风险的关联

模型1:未调整;

模型2:进一步调整年龄和性别;

模型3:额外调整教育程度、居住地、婚姻状况、吸烟饮酒、CRP、BUN、Scr、LDL及降脂药物使用

纵向分析表明,在基线无CVD的CKM人群中,RC水平也与CVD风险呈显著线性正相关关系。其中,与RC最低四分位数(Q1)相比,Q4组的CVD风险升高了19.5%。

表2 RC水平与CVD风险的关联

图2 RCS曲线 (A)RC与晚期CKM;(B)RC与CVD

总而言之,这两篇文章均为CHARLS数据库的经典挖掘案例。它们虽同样聚焦于指标RC,却分别从不同维度展开深入挖掘:

  • 文章一聚焦于RC水平动态变化与累积暴露的长期风险;

  • 文章二则结合横断面关联分析与前瞻性风险验证,研究全面。

这两篇文章为多角度探究同一指标提供了绝佳范本,同时也为我们展示了CHARLS的强大,仅仅通过不同方式挖掘数据库,就能产出高分文章!

广告时间

如果你也想深入挖掘CHARLS数据库,却不知道从何入手?

郑老师团队的CHARLS一对一R语言指导课程,不仅帮您解决数据挖掘难题,还免费赠送CHARLS数据分析平台,让你的分析更加高效便捷!

感兴趣的朋友,快扫描下方二维码咨询一下吧!

欢迎关注“公共数据库与孟德尔随机化”公众号

我们将持续分享CHARLS数据库的最新资讯

考虑柔性负荷的综合能源系统低碳经济优化调度【考虑碳交易机制】(Matlab代码实现)内容概要:本文围绕“考虑柔性负荷的综合能源系统低碳经济优化调度”展开,重点研究在碳交易机制下如何实现综合能源系统的低碳化与经济性协同优化。通过构建包含风电、光伏、储能、柔性负荷等多种能源形式的系统模型,结合碳交易成本与能源调度成本,提出优化调度策略,以降低碳排放并提升系统运行经济性。文中采用Matlab进行仿真代码实现,验证了所提模型在平衡能源供需、平抑可再生能源波动、引导柔性负荷参与调度等方面的有效性,为低碳能源系统的设计与运行提供了技术支撑。; 适合人群:具备定电力系统、能源系统背景,熟悉Matlab编程,从事能源优化、低碳调度、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究碳交易机制对综合能源系统调度决策的影响;②实现柔性负荷在削峰填谷、促进可再生能源消纳中的作用;③掌握基于Matlab的能源系统建模与优化求解方法;④为实际综合能源项目提供低碳经济调度方案参考。; 阅读建议:建议读者结合Matlab代码深入理解模型构建与求解过程,重点关注目标函数设计、约束条件设置及碳交易成本的量化方式,可进步扩展至多能互补、需求响应等场景进行二次开发与仿真验证。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值