CHARLS轻松发二区,只用了COX回归模型 | CHARLS CLHLS CFPS 公共数据库周报(4.3)...

零基础CHARLS发论文,不容错过!

长期回放+更新+指导!适合零基础,毕业论文,赠送2011-2020年CHARLS清洗后的数据+全套代码!

CHARLS公共数据库

CHARLS数据库简介中国健康与养老追踪调查(China Health and Retirement LongitudinalStudy,CHARLS)是一项持续的纵向调查,旨在调查中国45岁及以上中老年人社会、经济和健康状况。基线调查于2011年开展,共17708名参与者,每两年追踪一次,目前已有5期数据2011(wave 1)、2013(wave2)、2015(wave 3)以及2018(wave 4),2020(wave 5)。

本周CHARLS文献预览

  • 对PubMed数据库搜索发现,本周发表9篇charls论文。

  • 对CNKI数据库搜索发现,本周发表1篇charls论文。

  • 对中华医学杂志数据库搜索发现,本周发表0篇charls论文。

一、PubMed数据库

通过PubMed数据库“CHARLS”检索发现,3.27-4.2共发表9篇相关主题论文,其中共5篇医学2区文章,部分文章介绍如下。

1.中国学者文章介绍(一)

4fccaeea7c50ab2b05a8f9f6ba649cdc.png

标题:基线和纵向同种异体负荷变化对心血管疾病发病率和全因死亡率的影响:一项为期 7 年的中国人群队列研究

研究目的:我们旨在前瞻性地研究基线同种异体负荷 (AL) 和纵向 AL 变化与中国中老年人群心血管疾病 (CVD) 和全因死亡率的关联,并评估 AL 每个生理系统的相对贡献。

方法:分析中国健康与退休纵向研究(CHARLS)对45岁及以上成年人的数据。Cox回归模型用于估计基线AL/纵向AL变化与CVD事件与全因死亡率之间关联的风险比(HR)和95%置信区间(95%CI)。

结果:与AL 0-1的成人相比,基线AL 2-3和AL ≥4的患者在发生CVD方面为1.24(95%CI:1.06,1.45)和1.51(95%CI:1.27,1.80),在全因死亡率方面为1.39(95%CI:1.11,1.75)和2.02(95%CI:1.60,2.54)。当我们将基线AL视为连续变量时,也发现了类似的结果。我们还发现,在4年的随访期间,每个AL评分的增加分别与11%(HR,1.11;95%CI:1.03,1.20)和21%(HR,1.21;95%CI:1.10,1.34)的CVD和全因死亡率增加有关。

结论自我报告的医生诊断的心血管疾病用于评估事件的心血管疾病。基线AL和AL纵向增加均与中老年人CVD的发生率和全因死亡率呈正相关。需要动态监测高AL患者的心血管疾病和过早死亡预防。

7c2cc87500ca42e9859135caeee9b4de.png

2.中国学者文章介绍(二)

faf4410896f3be2abc8febc57fa1a78d.png

标题:中国中老年人烹饪燃料使用、其过渡和感觉障碍恶化之间的关联:一项队列研究

研究目的:本研究旨在探讨中国中老年人的家庭空气污染(HAP)与感觉障碍(SI)之间的关联。

方法:从2011年中国健康与退休纵向研究(CHARLS)中招募受试者,随后随访至2018年。SI数据通过自我报告的听力和视力障碍收集,分为三类:非SI、单SI(听力或视力障碍)和双SI(DSI)。烹饪燃料,包括固体和清洁燃料,是HAP的替代品。烹饪燃料和 SI 的过渡是指燃料类型或 SI 状态从基线到随访的切换。Cox比例风险回归模型用于探索关联,使用风险比(HRs)和95%置信区间(CI)评估关联强度。

结果:在本研究基线的 15,643 名参与者中,非 SI、单 SI 和 DSI 的患病率分别为 59.6%、31.8% 和 8.6%。在中位随访 7.0 年中,观察到 5,223 例 SI 转变恶化。在完全调整的模型中,用于烹饪的固体燃料与SI转换恶化的风险较高相关,包括从非SI到单一SI(HR = 1.08,95%CI = 1.01-1.16)和从非SI到DSI(HR = 1.26,95% CI = 1.09-1.47),但从单一SI到DSI则不然。此外,与那些总是使用固体燃料的人相比,从固体燃料转向清洁燃料做饭的参与者似乎降低了SI过渡恶化的风险。这些关联的统计学意义仍保留在敏感性分析集中。

结论固体燃料的使用与SI过渡恶化的风险较高有关,而将烹饪燃料类型从固体燃料转换为清洁燃料可能会降低SI过渡恶化的风险。我们的研究表明,应实施量身定制的清洁燃料干预措施,特别是在发展中国家,以防止感觉障碍,从而减轻与感觉障碍相关的残疾负担。

8cb12c3545163aec2b5d2d5a5cf4a302.png

CLHLS公共数据库

中国老年健康影响因素跟踪调查(简称“中国老年健康调查”,英文缩写CLHLS),是由北京大学健康老龄与发展研究中心/国家发展研究院组织的老年人追踪调查,调查范围覆盖全国23个省市自治区,调查对象为65岁及以上老年人和35-64岁成年子女,调查问卷分为存活被访者问卷和死亡老人家属问卷两种。该调查项目在1998年进行基线调查后分别于2000 年、2002年、2005年、2008-2009年、2011-2012年、2014年和2017-2018年进行了跟踪调查,最近的一次跟踪调查(2017-2018年)共访问15,874 名65+岁老年人,收集了2014-2018年期间死亡的2,226位老年人的信息。

“中国老龄健康影响因素跟踪调查”(1998-2018)是国内全国范围最早、坚持时间最长的社会科学调查。

本周CLHLS文献预览

  • 对PubMed数据库搜索发现,本周发表4篇CLHLS论文。

  • 对CNKI数据库搜索发现,本周发表0篇CLHLS论文。

  • 对中华医学杂志数据库搜索发现,本周发表0篇CLHLS论文。

一、PubMed数据库

通过PubMed数据库“CLHLS”检索发现,3.27-4.2共发表4篇相关主题论文,其中共3篇医学2区文章,部分文章介绍如下。

1.中国学者文章介绍(一)

cdb9742d9e5e6c03b9c507c214916a78.png

标题:中国纵向健康长寿调查(CLHLS)中用于死亡预测的堆叠集成模型的开发和验证

研究目的:基于中国纵向健康长寿调查,采用堆叠集成策略,建立并验证老年人死亡风险预测模型。

方法:共纳入 12,769 名基线时年龄在 65 岁或以上的参与者。应用集成机器学习模型开发死亡率预测模型。我们选择了三个基本学习器,包括逻辑回归、极限梯度提升和分类+提升,并使用逻辑回归作为元学习器。主要结局是5年生存率。通过SHapley Additive exPlanations方法评估变量重要性。

结果:基线时平均年龄为88岁,57.8%的受试者为女性。CatBoost模型在3个基础学习者中表现最好,受试者工作特征曲线下面积(AUC)达到0.8469(95%CI:0.8345-0.8593),堆叠集成模型进一步提高了区分能力(AUC = 0.8486,95%CI:0.8367-0.8612,P = 0.046)。常规logistic回归具有相当的性能(AUC = 0.8470,95%CI:0.8346-0.8595)。年龄较大、日常生活自我护理活动得分较高、男性身份、客观身体机能能力得分较高、不做家务以及简易精神状态检查得分较低,导致风险增加。

结论我们成功构建并验证了中国老年人群的死亡风险预测模型。虽然堆叠集成方法具有最佳的预测性能,但与传统逻辑回归相比,其改进并不显著。

04bb948a6f1de1a43690abd51235d08a.png

2.中国学者文章介绍(二)

03fadca5a4ebc88fb0d887fbbbeaaa3d.png

标题:中国老年人健康生活方式与认知功能的关系:抑郁症状的中介作用

研究目的:以前的研究已经证明了健康的生活方式与老年人认知功能之间的正相关关系。然而,具体的影响和机制需要进一步研究。因此,本研究旨在调查健康的生活方式和认知功能是否与中国老年人相关,以及抑郁症状是否介导了它们之间的关系。

方法:利用中国纵向健康长寿调查(CLHLS)的最新数据,纳入8272份有效样本。应用Pearson检验来研究关键变量之间的关系。采用回归模型检验健康生活方式的中介效应,采用Sobel检验和Bootstrap方法确认路径效应。

结果:健康的生活方式、抑郁症状和认知功能之间存在显著相关性(p < 0.01)。健康的生活方式直接影响认知功能(β = 0.162,p < 0.01)。健康的生活方式对抑郁症状有显著影响(β=-0.301,p < 0.01),而抑郁症状对认知功能有显著影响(β=-0.108,p < 0.01)。抑郁症状部分介导了健康生活方式对认知功能的影响(β = 0.032,p < 0.01)。Sobel 和 bootstrap 检验证实了回归分析结果的稳健性。

结论抑郁症状介导健康生活方式与认知功能的关系。我们的研究结果表明,老年人认知障碍的预防策略应侧重于健康的生活方式和心理健康。

57bf4a67bc250cd5a1b1a8809e5eea6a.png

CFPS公共数据库

中国家庭追踪调查(China Family Panel Studies,CFPS)旨在通过跟踪收集个体、家庭、社区三个层次的数据,反映中国社会、经济、人口、教育和健康的变迁,为学术研究和公共政策分析提供数据基础。

CFPS重点关注中国居民的经济与非经济福利,包括经济活动、教育获得、家庭关系与家庭动态、人口迁移、身心健康等多种研究主题。2010年,CFPS在全国25个省/市/自治区正式实施基线调查,最终完成14960户家庭、42590位个人的访问。基线调查界定出的所有家庭成员及其今后新生的血缘/领养子女被定义为CFPS基因成员,是CFPS调查的永久追踪对象,每两年访问一次。

本周CFPS文献预览

  • 对PubMed数据库搜索发现,本周发表3篇CFPS论文。

  • 对CNKI数据库搜索发现,本周发表2篇CFPS论文。

  • 对中华医学杂志数据库搜索发现,本周发表0篇CFPS论文。

一、PubMed数据库

通过PubMed数据库“CFPS”检索发现,3.27-4.2共发表3篇相关主题论文,其中共2篇医学2区文章,部分文章介绍如下。

1.中国学者文章介绍(一)

486919b36ab9218f151757ef3944f1c5.png

标题:日常ICT使用对中国老年人抑郁症状的影响——基于主观社会地位的视角

研究目的:虽然许多研究强调了日常信息和通信技术(EICT)的使用对老年人的积极影响,但新出现的证据表明对心理健康有潜在的危害,特别是在年轻人群中。本研究旨在探讨EICT对中国老年人抑郁症状的影响。我们假设老年人使用 EICT 会导致更多的抑郁症状,这是由主观社会地位的下降介导的。

方法:我们利用中国家庭小组研究(CFPS)的数据进行了纵向中介分析,这是一项具有全国代表性的调查。共有 3,234 名 60 岁及以上的老年人从 CFPS 的 2016 年(T1)、2018 年(T2) 和 2020 年 (T3) 中选出。采用结构方程建模构建完整的纵向路径模型。

结果:在 T1 使用 EICT 预测 T2 时主观社会地位下降 (β = -0.215, p = .001),这反过来又预测了 T3 时更高的抑郁症状 (β = -0.375, p = .005)。主观社会地位的中介效应得到统计学支持(间接效应0.081,p = .042)。

结论我们揭示了EICT在老年人中使用EICT的潜在负面影响及其潜在机制。它为制定相关公共卫生举措奠定了基础,这对于遏制和减轻中国人口老龄化中抑郁症状的迅速发病率至关重要。

76308183309ec18431b270dbb36ccb96.png

2.中国学者文章介绍(二)

efdad0964177f3ca3eadee10fea2c326.png

标题:改善健康,减少健康不平等:数字化的创新?

研究目的:数字化与个人健康之间的联系越来越受到学者和政策制定者的关注。然而,现有的研究尚未就数字化是否可以改善健康或减少健康不平等达成一致。本研究的目的是阐明数字化的发展是否以及如何与健康和健康差异相关。

方法:基于2012—2018年中国家庭面板研究(CFPS)调查,获取82,471份观察样本,探讨数字化对自评健康和健康不平等的影响及其传导机制。这些假设通过普通最小二乘法建模进行检验。

结果:正如预期的那样,数字化与自评健康显著正相关。此外,数字化的发展导致健康不平等现象显著减少。数字化的影响机制包括收入、医疗消费和健康行为。数字化的两个维度——互联网发展和数字金融——都产生了显著的影响,互联网发展的影响更大。

结论本研究首次系统地研究了数字化发展对健康和健康不平等的影响。我们的研究结果通过阐明数字化在改善居民健康和减少健康不平等方面的好处,为健康促进理论提供了证据。因此,有效利用数字化工具可能是政策制定者旨在实现可持续发展目标健康目标的重点。

9a3310ff537543578022a80feb4acaf1.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

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.mfbz.cn/a/573904.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

C++初阶学习第三弹——类与对象(上)——初始类与对象

前言&#xff1a; 在前面&#xff0c;我们已经初步学习了C的一些基本语法&#xff0c;比如内敛函数、函数重载、缺省参数、引用等等&#xff0c;接下来我们就将正式步入C的神圣殿堂&#xff0c;首先&#xff0c;先给你找个对象 目录 一、类与对象是什么&#xff1f; 二、类的各…

ArtNeRF、Attention Control、Pixel is a Barrier、FilterPrompt

本文首发于公众号&#xff1a;机器感知 ArtNeRF、Attention Control、Pixel is a Barrier、FilterPrompt ArtNeRF: A Stylized Neural Field for 3D-Aware Cartoonized Face Synthesis Recent advances in generative visual models and neural radiance fields have greatly …

【笔试训练】day11

1.游游的水果大礼包 思路&#xff1a; 枚举。假设最后的答案是x个a礼包&#xff0c;y个b礼包&#xff0c;得到一个式子&#xff1a;ansa*xb*y 我们可以枚举x的数量&#xff0c;这样就能变相的把y的求出来。呃这就是鸡兔同笼问题嘛 x最大的范围是多少呢&#xff1f;也就是a礼…

【CouchDB 与 PouchDB】

CouchDB是什么 CouchDB&#xff0c;全名为Apache CouchDB&#xff0c;是一个开源的NoSQL数据库&#xff0c;由Apache软件基金会管理。CouchDB的主要特点是使用JSON作为存储格式&#xff0c;使用JavaScript作为查询语言&#xff08;通过MapReduce函数&#xff09;&#xff0c;并…

面试二十二、跳表SkipLists

跳表全称为跳跃列表&#xff0c;它允许快速查询&#xff0c;插入和删除一个有序连续元素的数据链表。跳跃列表的平均查找和插入时间复杂度都是O(logn)。快速查询是通过维护一个多层次的链表&#xff0c;且每一层链表中的元素是前一层链表元素的子集&#xff08;见右边的示意图&…

day07 51单片机-18B20温度检测

18B20温度检测 1.1 需求描述 本案例讲解如何从18B20传感器获取温度信息并显示在LCD上。 1.2 硬件设计 1.2.1 硬件原理图 1.2.3 18B20工作原理 可以看到18B20有两根引脚负责供电&#xff0c;一根引脚负责数据交换。18B20就是通过数据线和单片机进行数据交换的。 1&#xf…

前端项目中使用插件prettier/jscodeshift/json-stringify-pretty-compact格式化代码或json数据

同学们可以私信我加入学习群&#xff01; 正文开始 前言一、json代码格式化-选型二、json-stringify-pretty-compact简单试用三、prettier在前端使用四、查看prettier支持的语言和插件五、使用prettier格式化vue代码最终效果如图&#xff1a; ![在这里插入图片描述](https://im…

【ruoyi-vue】登录解析(后端)

调试登录接口 进入实现类可以有 验证码校验 登录前置校验 用户验证 验证码校验 通过uuid获取redis 中存储的验证码信息&#xff0c;获取后对用户填写的验证码数据进行校验比对 用户验证 1.进入控制器的 /login 方法 2.进入security账号鉴权功能&#xff0c;经过jar内的流…

python逆向基础流程(纯小白教程)

一&#xff0c;例题链接 NSSCTF | 在线CTF平台 二&#xff0c;文件特征 使用工具查看文件信息&#xff0c;发现是pyinsatller打包的exe文件&#xff0c;如果硬用ida分析成汇编或c语言根本摸清楚程序的逻辑&#xff0c;所以思路是反编译成py文件直接分析python代码 三&#xf…

【论文推导】基于有功阻尼的转速环PI参数整定分析

前言 在学习电机控制的路上&#xff0c;PMSM的PI电流控制是不可避免的算法之一&#xff0c;其核心在于内环电流环、外环转速环的设置&#xff0c;来保证转速可调且稳定&#xff0c;并且保证较好的动态性能。整个算法仿真在《现代永磁同步电机控制原理及matlab仿真》中已详细给出…

VUE项目使用.env配置多种环境以及如何加载环境

第一步&#xff0c;创建多个环境配置文件 Vue CLI 项目默认使用 .env 文件来定义环境变量。你可以通过创建不同的 .env 文件来为不同环境设置不同的环境变量&#xff0c;例如&#xff1a; .env —— 所有模式共用.env.local —— 所有模式共用&#xff0c;但不会被 git 提交&…

Clickhouse离线安装教程

https://blog.51cto.com/u_15060531/4174350 1. 前置 1.1 检查服务器架构 服务器&#xff1a;Centos7.X 需要确保是否x86_64处理器构架、Linux并且支持SSE 4.2指令集 grep -q sse4_2 /proc/cpuinfo && echo "SSE 4.2 supported" || echo "SSE 4.2 …

不墨迹,向媒体投稿不讲攻略,直接上方法

作为一名单位信息宣传员,我曾深陷于向媒体投稿的泥沼之中,饱尝了费时费力、审核严苛、出稿缓慢的苦涩,承受着领导急切期盼与自我压力交织的煎熬。然而,当我有幸接触到智慧软文发布系统,这一切困境如同阴霾散去,取而代之的是便捷流畅的投稿流程,以及领导满意、团队轻松的工作氛围…

Java Swing游戏开发学习24

内容来自RyiSnow视频讲解 这一节讲的是Scrolling Message, Leveling Up, Damage Calculation滚动消息&#xff0c;升级&#xff0c;伤害计算。 伤害计算 玩家与怪的战斗&#xff0c;玩家对怪的伤害值为攻击值减去怪的防御值。 int damage attack - gp.monster[i].defense; …

队列的实现(c语言实现)

队列的定义 队列&#xff08;Queue&#xff09;是一种特殊的线性数据结构&#xff0c;它遵循先进先出&#xff08;FIFO&#xff0c;First In First Out&#xff09;的原则。这意味着最早被添加到队列中的元素将是最先被移除的元素。队列的主要操作包括入队&#xff08;enqueue…

接口自动化测试框架建设的经验与教训

为什么选择这个话题&#xff1f; 一是发现很多“点工”在转型迷茫期都会问一些自动化测试相关的问题&#xff0c;可以说自动化测试是“点工”升级的必经之路&#xff1b;二是Google一下接口自动化测试&#xff0c;你会发现很多自动化测试框架相关的文章&#xff0c;但是大部分…

Nodejs--异步编程

异步编程 函数式编程 高阶函数 在通常的语言中&#xff0c;函数的参数只接受基本的数据类型或者是对象引用&#xff0c;返回值只能是基本数据类型和对象引用。 function foo(x) {return x }高阶函数是把函数作为参数&#xff0c;将函数作为返回值的函数 function foo(x) {…

Oceanbase体验之(二)Oceanbase集群的搭建(社区版4.2.2)

资源规划 3台observer CPU:4C及以上 内存&#xff1a;32G及以上 硬盘操作系统500G 存储盘1T及以上 虚拟机可以直接划分&#xff0c;物理机需要提前规划好资源 一、上传oceanbase安装包 登录ocp选择软件包管理 上传Oceanbase软件包&#xff08;软件包获取路径 官网免费下载社…

JavaWeb--04YApi,Vue-cli脚手架Node.js环境搭建,创建第一个Vue项目

04 1 Yapi2 Vue-cli脚手架Node.js环境搭建配置npm的全局安装路径 3 创建项目&#xff08;这个看下一篇文章吧&#xff09; 1 Yapi 前后端分离中的重要枢纽"接口文档",以下一款为Yapi的接口文档 介绍&#xff1a;YApi 是高效、易用、功能强大的 api 管理平台&#…

Hive主要介绍

Hive介绍 hive是基于 Hadoop平台操作 HDFS 文件的插件工具 可以将结构化的数据文件映射为一张数据库表 可以将 HQL 语句转换为 MapReduce 程序 1.hive 是由驱动器组成&#xff0c;驱动器主要由4个组件组成&#xff08;解析器、编译器、优化器、执行器&#xff09; 2.hive本身不…