有限数据下发表SCI高分案例分享(一)

本文将引用两个案例，看作者如何处理“数据荒”，将极其有限的数据转化为高质量的研究论文，从有限的临床数据中挖掘出无限的临床价值。希望能给以后充分利用临床数据一些启发。

案例1

参考资料:“环境温度对科学和谐的中风住院治疗的冷效应:2013和2014年间在中国北京的一项大型数据库研究-利用分布式滞后非线性分析”

数据来源:2013.1-2014.12.31期间北京市脑卒中日入院人数和日气温数据。

影响系数:IF=5.7

文章总结道:

文章分解:

目的:研究气候变化对脑卒中患者数量的影响；

分类数据:中风患者的日期、每日就诊次数。

统计设计:补充气候数据(公共网络获得的每日温度数据)

模型选择:分布式滞后非线性模型，主要基于1的临床角度——极寒/极热易诱发中风(统计语言是——温度对中风治疗率的影响可能是非线性的)；临床观点二——外界因素对卒中发病可能没有即时或直接的影响(统计语言——气温对卒中就诊率的影响可能存在滞后效应或累积效应)；统计角度-日期是两个变量(病例日门诊量和体温)之间的* * *联系。因此，应从临床专业和统计专业的角度选择模型。

文章亮点:从数据处理的角度看文章的亮点，利用极其有限的数据维度(日访问量到中风)，以时间和日期为依托，充分利用开放的免费数据(温度)，可以在极其狭窄的数据维度下找到合适的统计模型(分布式滞后非线性模型)。

统计模型扩展:

“分布滞后非线性”模型不仅可以用来研究环境/气候对疾病的影响，还可以用来研究某些药物、治疗和干预对疾病的滞后效应和累积效应。

参考资料:

夏衍罗，，，尼古拉斯范哈尔姆-卢特罗特，等2016。环境温度对缺血性和出血性卒中住院的冷效应:一项2013和2014年间在中国北京进行的大型数据库研究，采用了一种分布式滞后非线性分析。环境污染232 (2018) 90-96