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试验的主要结果，题为：“Induction-concurrent chemoradiotherapy with or without sintilimab in patients with locoregionally advanced nasopharyngeal carcinoma in China (CONTINUUM): a multicentre, open-label, parallel-group, randomised, controlled, phase 3 trial”，探索在标准放化疗基础上联合国产创新药PD-1抗体信迪利单抗治疗高危局部晚期鼻咽癌的治疗效果。
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。
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？
如今孟德尔随机化（MR）的热度是越来越大，使用MR分析的高分SCI更是频频发表。除了熟练掌握MR分析方法，更要找到新的分析角度、把握热门的选题。今天本公众号为大家带来最新的中国学者在MR领域的文章，选题新颖、方法简单，让我们一起来看看这篇文章的精彩之处吧！
今天，我们又找到了一篇用癌症幸存者发SCI的文章，川大华西医院的学者用NHANES数据库探索体育活动和膳食质量对癌症幸存者的预后影响，发文二区（IF=12.5）！
-KnEP.png)
公共数据库与孟德尔随机化公众号不仅分享好的文章，好用的数据库也是第一时间与各位进行分享。同样是中国自己的数据库，复旦大学的学者用CLHLS数据库做了一项观察性研究，用logistic回归就发了JAMA子刊！
顶级期刊心头好，高分文章跑不掉！今天为大家简单介绍一篇IF=9.8北大学者用GBD数据库写的一篇文章，逻辑清晰、主题明确，简简单单就上了SCI！
今天分享的这篇文章很有意思，用上了统计学中的“顶流CP”孟德尔随机化+贝叶斯共定位，强强联手，让孟德尔随机化不再单调！本文思路清晰，设计严谨，结果可靠，想学习孟德尔随机化发文套路的千万不要错过！
本研究旨在利用机器学习方法，从多队列数据中筛选关键变量，构建一个简化且高效的衰弱评估工具，用于预测衰弱状态及其相关临床结局（如CKD进展、心血管事件和全因死亡率），以提升其在真实临床场景中的适用性和可推广性。
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
