联合数据库,申请出战!新指标“超级老人”揭示老年健康新视角,仅用logistic分析发文二区...

本文主要是介绍联合数据库,申请出战!新指标“超级老人”揭示老年健康新视角,仅用logistic分析发文二区...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

6f055066d8ec0bbebcfe143dff57ca08.png

说到老年数据库,大家最熟悉的肯定是Charls,实际上类似免费好用的老年数据库还有很多,在没有思路的时候我们不妨看一下其他数据库的文章,说不定能找到新的思路或者切入点。

今天介绍的这篇文章就提出来一个新的概念-“超级老人”并联合了多个数据库发文二区!让我们一起往下看吧!

2024年6月1日,外国学者做了一项研究,在期刊《Journals of Gerontology Series B-psychological Sciences And Social Sciences医学二区top,IF=6.2发表了题为:“Correlates of SuperAging in Two Population-Based Samples of Hispanic Older Adults”的研究论文,联合两个公共数据库发文,旨在探讨“超级老人”的特征,并研究可能影响成为“超级老人”的认知、身体和心理弹性指标。

1102c3fb1def55f934e2946573c10d17.png

本公众号回复“ 原文”即可获得文献PDF等资料,如果进一步需要全流程指导公共数据库挖掘,请联系郑老师团队,微信号:zz566665

“Superman”不一定存在,但“SuperAging(超级老人)”真的存在。“超级老人”的状态比同龄的普通老人要年轻30岁,记忆清晰,认知明确,他们的大脑似乎并没有留下“岁月的痕迹”。虽然已有研究发现相较于普通老人,“超级老人”大脑的皮质层更厚,明显的混乱更少,拥有更充沛的神经元。但“超级老人”的特征,以及成为“超级老人”影响因素目前尚不明确。

主要研究结果

1.研究设计

数据来源于两个公共数据库:以西班牙裔老年人为基础的研究(波多黎各老年人:健康状况[PREHCO]研究)的数据美国健康与退休研究 (HRS)的数据,“超级老年人”定义为:

(1)年龄≥80岁;

(2)回忆分数≥55-64岁西班牙裔受访者的中位数;

(3)观察期间无认知障碍。

最终纳入640名PREHCO参与者和180名HRS参与者,其中45名(7%)和31名(17%)符合SuperAging标准。

70877f9f93d4b87e9af15ebb312c05d3.png

在现有研究的基础上,研究团队选取了三个与“超级老龄化”相关的因素:

  • 认知弹性:由于教育和日常生活工具活动(IADLs)与认知功能密切相关,因此被用作认知弹性的替代指标。

  • 身体弹性日常生活活动(ADLs)被用来概括身体弹性,得分越多说明身体素质越差。

  • 心理弹性:心理弹性的测量使用抑郁症状、焦虑症状和感知压力三个指标,抑郁症状使用西班牙版的缩短老年抑郁症量表(GDS)进行测量,焦虑症状使用HRS社会心理问卷中的贝克焦虑量表来测量,感知压力使用四项感知压力量表进行测量,量表得分越高症状越严重。

2.相较于普通人,“超级老人”有什么不同?

在控制年龄和性别后,分别对两个数据库使用Logistic回归,研究结果如下所示。

在PREHCO数据库中,更长的教育年限、更低的IADLs和ADLs指数以及更少的抑郁症状与“超级老人”相关。

  • 在控制了年龄和性别后,研究结果显示,每增加一年的教育,成为“超级老人”的几率增加20%(优势比[OR] = 1.20, 95% CI: 1.09-1.31;P < 0.001);

  • 每增加一个额外的IADL限制,成为超级老年人的几率降低了21% (OR = 0.79, 95% CI: 0.65-0.96;P = .019);

  • 同样每增加一个ADL限制,成为超级老年人的几率降低28% (OR = 0.72, 95% CI: 0.54-0.97;P = .031);

  • 最后,每增加一个抑郁症状,成为超级老年人的几率降低16% (OR = 0.84, 95% CI: 0.72-0.97;P = 0.015)。

8e3733391353d6417ef7768d03d63b37.png

模型1:认知弹性,控制年龄和性别;

模型2:身体弹性;

模型3:心理弹性。

HRS数据库中,研究团队发现logistic回归结果几乎与PREHCO数据库一

  • 每多接受一年教育,成为超级老人的几率增加14% (OR = 1.14, 95% CI: 1.00-1.29;p = 0.045),并随每一次IADL限制下降42% (OR = 0.59,95% CI: 0.32-1.06;P = .079),但后者的结果没有达到统计学意义。

  • 每增加一个ADL限制,成为超级老年人的几率降低34% (OR = 0.66, 95% CI: 0.43-1.02;P = .063),但是这个结果也没有统计学意义。

  • 每增加一个抑郁症状,成为超级老年人的几率降低32% (OR = 0.68, 95% CI: 0.52-0.90;P = .007)。

92451f967cce4a5e469a6786c56cd7b3.png

统计方法

本文是一篇多数据库联合的纵向研究,使用的统计学方法并不难,但文章的创新思路很值得学习!

  • 首先使用卡方检验比较比例,使用t检验比较均值差异。

  • 在主要分析中,对两个数据库分别使用多变量logistic回归,以确定与年龄相关三个的弹性因素是否会影响成为超级老人的几率。

  • 分别对认知、身体和心理恢复力进行模型估计。

  • 双尾α = 0.05水平上表示具有统计学意义的结果。

本公众号回复“ 原文”即可获得文献PDF等资料,如果进一步需要全流程指导公共数据库挖掘,请联系郑老师团队,微信号:zz566665

后   记

看完这篇文章,大家有没有get到发文的新思路?本文的统计学方法并不难,最大的创新点是引入了一个新的人群-超级老人,在先前研究的基础上使用了两个数据库,在对年龄和性别进行调整后,使用多变量logistic回归分析与成为“超级老人”相关的因素,研究结果表明,高等教育、IADLs、ADLs和抑症状与成为“超级老人”有关。

“不想做实验,手头也没有数据,可以发SCI吗?”当然可以,试试公共数据!公共数据库挖掘的热度越来越大,想发文章的一定要牢牢把握住这个机会,不要等想写的选题都被发完了才后悔......

如果你有需要,欢迎点击下方的链接,郑老师团队可以根据你的要求,给予你个性化定制服务!

c34ccef8ad8dbbbc1bfb9e01dcc170f5.png

本公众提供各种科研服务了!

一、课程培训

2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求,不妨点击查看:

发文后退款:2024-2025年科研统计课程介绍

二、数据分析服务

浙江中医药大学郑老师团队接单各项医学研究数据分析的服务,提供高质量统计分析报告。有兴趣了解一下详情:

课题、论文、毕业数据分析 

 临床试验设计与分析 、公共数据库挖掘与统计

这篇关于联合数据库,申请出战!新指标“超级老人”揭示老年健康新视角,仅用logistic分析发文二区...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1053972

相关文章

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

SQL server数据库如何下载和安装

《SQLserver数据库如何下载和安装》本文指导如何下载安装SQLServer2022评估版及SSMS工具,涵盖安装配置、连接字符串设置、C#连接数据库方法和安全注意事项,如混合验证、参数化查... 目录第一步:打开官网下载对应文件第二步:程序安装配置第三部:安装工具SQL Server Manageme

C#连接SQL server数据库命令的基本步骤

《C#连接SQLserver数据库命令的基本步骤》文章讲解了连接SQLServer数据库的步骤,包括引入命名空间、构建连接字符串、使用SqlConnection和SqlCommand执行SQL操作,... 目录建议配合使用:如何下载和安装SQL server数据库-CSDN博客1. 引入必要的命名空间2.

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

Java通过驱动包(jar包)连接MySQL数据库的步骤总结及验证方式

《Java通过驱动包(jar包)连接MySQL数据库的步骤总结及验证方式》本文详细介绍如何使用Java通过JDBC连接MySQL数据库,包括下载驱动、配置Eclipse环境、检测数据库连接等关键步骤,... 目录一、下载驱动包二、放jar包三、检测数据库连接JavaJava 如何使用 JDBC 连接 mys

从入门到精通MySQL联合查询

《从入门到精通MySQL联合查询》:本文主要介绍从入门到精通MySQL联合查询,本文通过实例代码给大家介绍的非常详细,需要的朋友可以参考下... 目录摘要1. 多表联合查询时mysql内部原理2. 内连接3. 外连接4. 自连接5. 子查询6. 合并查询7. 插入查询结果摘要前面我们学习了数据库设计时要满

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

解读GC日志中的各项指标用法

《解读GC日志中的各项指标用法》:本文主要介绍GC日志中的各项指标用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、基础 GC 日志格式(以 G1 为例)1. Minor GC 日志2. Full GC 日志二、关键指标解析1. GC 类型与触发原因2. 堆