今天分享的这篇文章，NHANES数据库虽然纳入了疾病数据，但是并不全面，那我们该怎么用这个数据库分析癌症呢？当然是换个思路，用上癌症幸存者数据！
最近的Charls数据库风头正盛，可谓是真正的“国货之光”人的！用别人的数据进行二次挖掘，找好选题下载数据，加上统计学方法得出结果就能写文章，这谁能不心动？今天分享的这篇文章就是用Charls数据库，用上一个新指标-胰岛素抵抗，就又发文一区！
热门指标TyG在科研区属实是嘎嘎乱杀，曾在一个月内在同一个期刊连发四篇一区（IF=9.3）！
怕单一数据库不好发？多库联合轻松破局！GBD＋NHANES的高分发文思路，形成了「微观-宏观」双向验证的闭环。 文中涉及的精美复杂的图，郑老师团队开发的ZGBD R包均可完美实现！
VAI是一个评价内脏脂肪分布及功能的性别特异性指标。它既包含体质指数（BMI）和腰围（WC），还考虑到性别、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）对脂肪分布及功能的影响。
-gYCt.png)
今天带大家来一篇中国学者最近BMJ杂志发表的临床试验论文，有兴趣可以了解下，我会做一些注解。 这篇文章，我们在6.4日直播了文献解读会，有兴趣可以看看回放视频（文末有群）。今天我们通过撰写文字版的解读，详细解说这篇文字。 本文分为2个部分：
2024年5月30日，医学顶刊《Lancet》在线发表了由中山大学肿瘤防治中心马骏院士领衔的针对鼻咽癌防治的CONTINUUM试验
倾向性评分（Propensity Score，PS）的概念首次由Rosenbaum和Rubin在1983年基于反事实理论提出应用于流行病学研究，如今常用于医学、公共卫生、经济学等领域。尤其在真实世界研究中，倾向性得分匹配的应用可以减少数据偏差以及混杂因素的影响，得出更严谨可靠的结果。
GBD数据库是被玩明白了！中国医科大学李咏泽教授团队用GBD数据库写了一篇文章，在医学顶刊BMJ发表，一作是一名硕士生。 就在2024年6月12日，医学顶刊《BMJ》发表了这篇文章，题为：
在影响因素研究领域，众所周知，传统回归方法用得最多。机器学习方法也可以用于识别关键预测因子，是否可以应用在影响因素研究中呢？ 之前我们就报道过一篇机器学习+Shap分析来做影响因素研究的文章。
Zstats交流群
联系助教
请输入助教告诉您的积分券
如果不填写积分券，将直接使用当前余额支付
请稍候，正在为您生成支付订单
请使用扫描二维码完成支付
二维码获取失败
支付二维码获取失败，请点击重新获取
请稍候，正在为您完成支付
正在使用积分券兑换，然后完成支付 正在使用当前余额完成支付
您的订单已支付完成，页面将在 秒后自动关闭
支付过程中出现错误，请重新选择支付方式
