Charls新作!中国学者用国产数据库揭开老年人肌肉流失的秘密,全新思路拿下一区9分+...

ca7eca0f689dd739693f3db3ca32f726.png

自己人不骗自己人,Charls数据库真的好发文!今天分享的这篇文章就基于我们的国产数据库—CHARLS,探讨了老年人肌肉减少症状态的转变模式,为老年人的肌肉健康的早期干预提供了重要的科学依据。

2024年7月12日,中国学者采用CHARLS数据库,在期刊《Journal of Cachexia Sarcopenia and Muscle(医学一区top,IF=9.4)发表题为:“Bidirectional transitions of sarcopenia states in older adults: The longitudinal evidence from CHARLS”的研究论文,在先前的研究中观察到在一些慢性病中存在疾病状态的双向转换,但这种状态的转变在肌肉减少症中却尚未明确。本研究旨在调查肌肉减少状态的潜在转变模式,包括从可能的肌肉减少症状态恢复到正常状态,以及从正常状态恶化为可能的或明确的肌肉减少症状态。

研究结果强调了老年人肌肉减少状态的双向转变,并揭示了相当一的肌肉减少症患者在自然过程中具有恢复至健康的潜力。

ebc3753b24ad29568d905a6a6984595a.png

本公众号回复“ 原文”即可获得文献PDF等资料,如果需要Charls公共数据库挖掘学习与指导,请联系郑老师团队,详情可添加助教微信:aq566665

肌肉减少症是老年人中常见的一类疾病,主要特征是,骨骼肌质量(SMM)和功能的逐渐丧失。有研究表明,该疾病会增加老年人跌倒和骨骼的风险,导致患者失去独立生存能力,甚至死亡。

随着人口老龄化的发展,肌肉减少症发病率将持续上升。在先前的研究中发现,部分慢性病在长期发展的过程中疾病的状态存在双向转换,可能患病的患者在自然发展过程中恢复健康,也有可能确证为患病状态。

老年人肌肉状态是否能恢复?

研究纳入了CHARLS数据库2011-2018年4395名年龄≥60岁的参与者,中位年龄为67岁,49.2%为女性,其中1628(37.0%)人是非肌肉减少症,2014(45.8%)人可能是肌肉减少症,753(17.1%)人是肌肉减少症。

3a9d998037ae48d6350fdacb677b9911.png

至随访时间结束,共有10778份肌肉减少症状态评估记录,平均随访期为3.29年。据统计,共有24.5%恢复为非肌肉减少症,60.3%仍然可能存在肌肉减少症,6.7%进展为肌肉减少症,8.5%在下一次随访时死亡。

对于可能患有肌肉减少症的个体,恢复至非肌肉减少症的转变强度是恶化至肌肉减少症的转变强度的2.8倍。

69ce78e54bfc014257341aaa52e7525d.png

对于可能患有肌肉减少症的个体,在1年观察期内恢复为非肌肉减少症、进展为肌肉减少症和转变为死亡的估计概率分别为0.181、0.066和0.035。

对于肌肉减少症患者,在1年观察期内恢复为非肌肉减少症、恢复为可能的肌肉减少症和转变为死亡的估计概率分别为0.016、0.125和0.075。

4a08cc0769180b6be5c528f920822ed0.png

在协变量分析中,年龄、性别、体重指数、身体功能损害、吸烟、高血压和糖尿病都是影响双向转换的重要因素。

进一步进行亚组分析,结果表明随着年龄的增长,从可能的肌肉减少症到非肌肉减少症的恢复过渡到非肌肉减少的可能性降低。

cd9ce1aa044e4cccce79dd0c3775ae33.png

综上所述,在老年人中,肌肉减少症的状态可以在两个方向上过渡,且相当一部分可能或者患有肌肉减少症的患者在自然过程中极有可能转变成健康状态。同时,研究团队发现包括年龄、BMI和身体功能损害在内的重要因素对疾病状态的双向转换具有显著的影响。

近年来关于Charls数据库挖掘的文章越来越多,其中不少文章用完美思路拿下SCI 9分+!想要了解更多公共数据库挖掘思路不妨关注“公共数据库与孟德尔随机化”公众号,我们不仅分享更多前沿的研究思路,还会分享独特的创新方法!

后   记

今天分享的这篇文章最大的亮点就是使用了多状态马尔可夫模型(MSM)来分析和预测肌肉减少症状态之间的转变概率,这种方法在健康领域的应用相对较新,不仅能够动态预测不同疾病状态之间的转变概率,还能评估影响因素。对于想要挖掘、分析慢性疾病的来说,MSM是一个不错的选择。

用Charls数据库挖掘分析,不需要做实验,拿来就用,这种发文方式不香吗?如果你也想用Charls数据库发文,或者在分析过程中遇到困难,欢迎加入郑老师的课程!快速掌握挖掘方法,开启研究新征程!

8ff1759768c1f8da69d8b6a20965bc05.png

我们团队提供“公共数据库挖掘”服务了

①公共数据库数据下载

②挖掘出具有发表级的结果

③包括SEER、NHANES、老年健康数据库、GBD数据库等

④提供规范的统计分析报告

⑤提供写作建议

联系李老师咨询(微信号sas555777)

3b761433a54709163b5a4c9d85bfc9d4.png

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值