没数据、没基础，如何挖掘 NHANES 数据库发表 SCI？
非原创 公号:丁香园神经时间 发布时间:2023-10-10 19:58 发表于浙江
原文地址：没数据、没基础，如何挖掘 NHANES 数据库发表 SCI？
自从国内开始流行起 NHANES 这个数据库，文章的发表像雨后春笋一般冒出来！今年才过去一半，就发表了 1081 篇相关文章，这些文章的发表单位大约 70% 左右来源于中国，只能说佩服佩服！
![[]](https://medblog.cn/wp-content/uploads/2023/10/2d8d1229-c42d-43f4-a3d3-d7c38aa99d1d.png)
![[]](https://medblog.cn/wp-content/themes/justnews/themer/assets/images/lazy.png)
但一年发表个一两千篇 NHANES 就到达极限了吗？
答案是：远远不止！
NHANES 的潜力可不止于此，现在下手还是来得及。NHANES 数据库目前已对外发布 11 个周期（Cycle）的调查数据，每个周期包括约 260 多个调查子项（Component），1400 多个研究变量（Variable）。
1400 多个变量排列组合一下，发个几万篇文章还是不在话下的！
但好不好发？质量高不高？就看选题找得好不好了。
对于新手来说，找到一个好选题就等于成功了 60%；因为数据的处理、分析和文章写作，我们都能手把手教你搞定。但选题我们只能尽量提供辅助和咨询，自己还是要花功夫哦。
![[]](https://medblog.cn/wp-content/uploads/2023/10/4ac0e274-9e4a-429c-ab02-ae9fb8346495.png)
选题方向怎么定？有 3 招！
◆基于临床意义思考选题
关于疾病的发生、发展、治疗以及预后和复发相关的问题，肯定都是有临床意义的。
例如：发现了某个危险因素去预测疾病的发生、发现了某种保护因素减少疾病的发生、或者某因素改善疾病的预后等相关问题，都可以进行研究！
*◆基于已有文献思考选题*
有的朋友不在临床工作，可能对于临床的思考没那么多，那就很适合从文献中寻找选题思路。
可以先宽泛的搜索一下近 2 年来 NHANES 数据库发表的高分文献都是什么领域的，然后再确定某一领域搜索所有相关的 NHANES 文献，通读完这些文章，你肯定能总结出一个自己的选题来！
*◆大杀器——基于数据结果找选题*
这个办法有点作弊，一般人我不告诉他！利用「神器」对所有能获取的数据和结局变量进行相关性分析扫描，根据扫描结果，可以从中选择最具临床意义或者更受关注的指标进行深入研究。
![[]](https://medblog.cn/wp-content/uploads/2023/10/3f49013e-1ea9-4174-8968-c21e8aac7789.png)
![[]](https://medblog.cn/wp-content/uploads/2023/10/ae003301-a3eb-46bf-8f24-cac80abd0406.png)
如何确定选题？**记住 4 个填空 + 2 个公式！
有了初步的选题大方向后，需要细化一下选题细节，这时候最好的方法就是根据 PECO 原则，填好以下 4 个要素，再按照这 2 个万能公式，完全可以拟定出好几个备用选题。
万能公式一：**A（病/行为/因素）在 B 人群中的多少年分析
万能公式二：**X 因素（化验值、疾病、营养因素等）与 Y 因素（疾病或死亡率）在B人群中多少年的相关性分析
![[]](https://medblog.cn/wp-content/uploads/2023/10/49506b73-3e2e-4243-aea4-76a59e6a59c6.png)
![[]](https://medblog.cn/wp-content/uploads/2023/10/9258fd1c-d445-4df4-8359-60170b9709dd.png)
-广告-
如何快速搞定一篇 NHANES 数据挖掘文章？
想尽快掌握 NHANES 数据挖掘的选题、研究设计、数据处理和写作，顺利发表一篇 SCI。
但自己基础较弱，不仅对 NHANES 数据库不熟悉，对科研思维的建立以及研究方法的设计和数据统计分析都不太懂。
为了帮助大家快速掌握 NHANES 数据库的挖掘和数据分析，丁香科研携手浙江大学的小木老师团队，倾力打造入门课：
没数据、没基础
如何挖掘NHANES数据库发表 SCI
🔥小白入门🔥
👇扫码，立即领取👇
![[]](https://medblog.cn/wp-content/uploads/2023/10/b7feb784-f5cf-4e2e-8871-719a74877472.jpg)
