源自风暴统计网：一键统计分析与绘图的AI网站
引言
本周公共数据库继续发力，大量好文涌现：新预测工具、新复合指标、动态轨迹评估……这些选题思路还是太强了！为此节选了一些优秀文章，供大家参考和学习~
公共数据库选题和统计分析有困难？欢迎报名参加郑老师团队的三大免费数据库训练营，从选题到发文全流程服务，告别科研小白～
本周好文一览
1.NHANES
2026年1月22日，上海交通大学学者团队用NHANES数据，在期刊《Cardiovascular Diabetology》（医学一区，IF=10.6)发表研究论文，旨在评估胰岛素抵抗替代指标——估算葡萄糖处置率（eGDR）与全身炎症综合指标（AISI）的单独及联合作用与全因及心血管死亡率的关系。
总体来看，eGDR 和 log₂（AISI）与全因死亡率和心血管疾病死亡率分别独立且联合相关。
研究发现，eGDR每增加1个单位，全因死亡风险降低10%，心血管死亡风险降低12%；而AISI每翻一倍，全因死亡风险增加10%，心血管死亡风险增加13%。
联合分析发现，与eGDR高且AISI低的组相比，eGDR低（≤8.40）且AISI高（>7.98）的参与者风险最高，其全因死亡风险增加58%，心血管死亡风险增加113%。
联合模型提高了5年及10年死亡风险的预测区分度（AUCs: 全因0.705/0.723；心血管0.754/0.769）。
研究证实，eGDR与AISI是普通人群全因及心血管死亡的独立且协同的风险标志物。联合评估可改善风险分层，有助于识别最可能从靶向代谢-炎症干预策略中获益的高风险个体。
2.NHANES
2026年1月22日，南京医科大学学者团队以NHANES队列在期刊《 Journal of Translational Medicine》（医学二区，IF=7.5）发表论文，旨在开发一种整合新型炎症生物标志物的IHD风险预测模型（CABIT），并在中国两个独立的前瞻性队列中进行外部验证。
总体来看，模型在训练集与验证集中均表现出良好的区分度与校准度。
CABIT模型包含两类变量：新型炎症指标和常规临床协变量（年龄、性别、吸烟史等）。前者包括：
白细胞与高密度脂蛋白胆固醇比值（WHR）
单核细胞与淋巴细胞比值（MLR）
单细胞与高密度脂蛋白胆固醇比值（MHR）
血小板与淋巴细胞比值（PLR）
结果显示，CABIT模型在训练集的AUC为0.838，内部验证集为0.823，两个中国外部验证集分别为0.831和0.702。
SHAP分析显示对预测贡献最大的变量依次是：年龄、ln MLR、ln PLR和高血压。研究还开发了列线图与在线风险计算器（https://cabit-risk-tool.netlify.app），便于临床使用。
总之，CABIT模型成功地将易于获取的血液炎症指标转化为一个精准、实用且经过中国人群验证的IHD风险预测工具，为心血管疾病的早期识别和个性化干预提供了新的解决方案。
3.UKB+ELSA+HRS+FOS
2026年1月24日，浙江大学学者团队利用英国生物银行（UKB）、英国老龄化纵向研究（ELSA）、美国健康与退休研究（HRS）和弗雷明汉后代研究（FOS）四个前瞻性队列的数据，在《 Journal of Advanced Research》（综合性一区，IF=13.0）发表论文。
研究旨在探讨虚弱表型的动态变化与全因痴呆发病之间的时间关联。研究发现，虚脱状态的进展与痴呆风险升高相关，而虚弱前状态的逆转则与风险降低相关。
结果显示：
与保持稳健的参与者相比，从稳健进展为虚弱前/虚弱状态的参与者全因痴呆风险增加62%；
与保持虚弱前的参与者相比，从虚弱前进展为虚弱状态的参与者风险增加85%；
相反，从虚弱前恢复至稳健状态的参与者痴呆风险降低41%。
此外，累积虚弱评分每增加1分，痴呆风险相应增加26%；虚弱评分随时间增加者痴呆风险升高，而评分减少者风险降低。
以上结果表明，虚弱的动态变化是全因痴呆的独立风险标志。持续监测虚弱状态变化、尤其针对虚弱前期进行早期干预，有助于改善痴呆风险分层，为老年人群提供更具针对性的预防策略。
4.CHARLS
2026年1月24日，西安交通大学学者团队以CHARLS数据库，在期刊《Cardiovascular Diabetology》（医学一区，IF=10.6)发表研究论文，旨在评估胰岛素抵抗与炎症的复合标志物——CTI与高血压状态对CKM 0-3期人群长期脑卒中发病风险的单独及联合影响。
结果显示，与CTI低且无高血压的参与者相比，CTI高（≥8.65）且合并高血压的参与者风险最高，其长期脑卒中风险增加219%。
模型显示，CTI与高血压联合暴露对脑卒中风险存在显著的剂量反应关系。
联合模型（CTI+高血压）的预测性能（AUC=0.672）显著优于单独使用高血压（AUC=0.661）或CTI（AUC=0.651）的模型。
加权分位数回归分析显示，C-反应蛋白（贡献权重38.8%）和高血压状态（贡献权重31.7%）是影响脑卒中风险最主要的两个因素。
该研究证明CTI与高血压是CKM 0-3期人群脑卒中风险的独立且具有累加效应的风险标志物。联合评估可改善该人群的脑卒中风险分层，有助于早期识别高风险个体，并为整合代谢-炎症-血压管理的综合预防策略提供依据。
郑老师统计服务
想用公共数据库发SCI文章，但还没啥经验？别慌！
郑老师团队带你轻松起步，文中优秀思路可直接复刻，从选题到出稿一条龙搞定！
您的第一篇SCI，可以来得更稳妥、更轻松！
记得点个小小的关注👇
我们将为您分享更多CHARLS数据库的高分发文思路！
