公众号
“医学论文与统计分析”公众号
扫码关注公众号

统计咨询
“公共数据库与孟德尔随机化”公众号
扫码关注公众号

意见反馈
邮箱:17357190071@163.com
微信:aq566665

独作发文SCI二区?这位中国学者怎么做到的

Administrator
发布于 2025-07-02 / 4 阅读
0
0

老郑看到一篇仅有一位作者的独著SCI论文,不禁想和诸位分享一下!

中国医科大学公共卫生学院学者在期刊《Globalization And Health》(医学二区,IF=5.9)上发表了一篇题为:“Internet use and frailty in middle-aged and older adults: findings from developed and developing countries”的研究论文。

研究者旨在使用五个队列,进行跨文化和多队列纵向分析,从全球视角探索互联网使用与中老年成年人虚弱状态的关联,以及社会孤立的中介作用。

数据来自五个针对中老年人群的国际纵向队列,使用了大致时间范围的数据:

  • 健康与退休研究(HRS):11-14波(2012-2018)

  • 中国健康与退休纵向研究(CHARLS):1-4波(2011-2018)

  • 欧洲健康、老龄化和退休调查(SHARE):5-8波(2013-2019)

  • 英国老龄化纵向研究(ELSA):6-9波(2012-2018)

  • 墨西哥健康与老龄化研究(MHAS):3-5波(2012-2018)

研究只纳入了50岁及以上的参与者,共有 155,695 名参与者被纳入主要分析。

为处理重复测量数据间的相关性,我们采用广义估计方程(GEE)模型,计算了比值比(OR)及95%置信区间(CI),以研究中老年人群互联网使用与虚弱状态之间的关联。

研究结果表明,在所有模型中,互联网使用与较低的虚弱风险相关。在完全调整模型(模型 3)中,这些关联在 HRS 、CHARLS 、SHARE 、ELSA 、MHAS 中保持统计学显著性。

分析中共使用了三种模型:

  • 模型1为未调整的粗略模型;

  • 模型2在此基础上进一步调整了年龄和性别;

  • 模型3为完全调整模型,额外控制了教育水平、是否有报酬性工作、婚姻或伴侣状态、家庭财富、吸烟、饮酒及与子女同住等因素。

在CHARLS数据库研究中,甚至是其他SCI论文中,常常会见到model1,model2,model3.....这样的表述,每个modl调整的协变量会有所不同,这是一种较为经典的分析策略——多模型控制混杂策略。

即重点研究某个/多个焦点因素与结局之间的关系,并通过3-5个模型逐步调整协变量数量来探讨暴露与结局的关联,在论文中通常如图所示,仅列出不同模型中焦点暴露的回归结果,更加清晰简洁,一目了然!

如果你也想用多模型控制混杂,不妨看看郑老师团队的免费平台:风暴统计,该功能已部署!

Zstats教程(8):Logistic回归控制混杂偏倚

研究采用随机效应元分析汇总五个队列的OR及对应95%CI,获得总体效应估计,并应用Cochran Q检验评估各队列效应估计的异质性。结果表明,五个队列的总体效应显著(OR = 0.72,95% CI:0.67–0.79)。

当将虚弱指数作为因变量应用于 GEE 模型时,互联网使用者的虚弱指数更低,表明健康缺陷更少。

为确保研究结果的稳健性,研究者进行了六项敏感性分析。

首先,将连续虚弱指数作为因变量重复进行了GEE模型分析;

其次,分别排除严重认知障碍和记忆疾病的参与者,以减少回忆偏差;

第三,采用逆概率加权GEE模型以应对因失访带来的偏倚;

第四,基于风险比尺度计算了暴露–结局关联的E值,以量化未测量混杂因素的影响;

第五,进一步探讨了互联网使用与虚弱各具体领域(包括总体健康、身体功能、抑郁和认知)的关联;

第六,为避免可能的逆向因果关系,使用Cox回归模型,在排除基线已虚弱的参与者后,进一步考察互联网使用与虚弱状态的关联。

另外,中介分析指出,社会孤立部分介导了互联网使用与衰弱状态之间的关联

  • HRS (17.68%,p < 0.001)

  • CHARLS (5.08%,p = 0.035)

  • SHARE (10.04%,p < 0.001)

  • ELSA (5.13%,p = 0.030)

  • MHAS (18.33%,p = 0.034)

经过荟萃分析,社交孤立仍然介导了互联网使用与衰弱状态的关联。

通过分层分析和多重交互作用分析,结果表明,对 65 岁及以上的参与者、男性、不工作、未婚或无伴侣、不吸烟、不饮酒、不与儿童同居的参与者,互联网使用的影响略强。


评论