上交大学者用GBD探索贫困相关传染病负担,三篇连发同一期刊!相似度高达90%

文摘   2024-12-30 17:48   浙江  

引言

跟着上交大,选题不用怕!在我们先前分享的两篇上海交大学者的GBD文章中,学者们探讨了贫困相关的病毒性传染病以及罕见传染病的疾病负担,发表在同一期刊,且发文时间仅间隔一个月。

而今天分享的这篇文章,该高校学者用GBD数据,再次对贫困相关的传染病进行划分,又发表在了同一期刊!

贫困相关的媒介传播寄生虫传染病(vb-pIDPs包括多种疾病,如疟疾、利什曼病、淋巴丝虫病、非洲锥虫病、美洲锥虫病和盘尾丝虫病。

这些疾病在许多地区都非常普遍,尤其是那些经济条件较差的地区,对人类和动物的健康造成了严重损害。然而,目前对vb-pIDPs的患病率和后续影响的估计尚不全面。

2024年12月11日,上海交通大学学者用GBD 2021数据库,在期刊Infectious Diseases of Poverty(医学一区,IF=4.8)发表题为:Prevalence and attributable health burdens of vector-borne parasitic infectious diseases of poverty, 1990–2021: findings from the Global Burden of Disease Study 2021的研究论文,旨在探究1990年~2021年,六种vb-pIDPs(疟疾、利什曼病、淋巴丝虫病、非洲锥虫病、美洲锥虫病和盘尾丝虫病)的全球负担和时间趋势。

研究结果表明,从1990年~2021年,这六种vb-pIDPs的疾病负担普遍下降。并且,除美洲锥虫病的负担随着社会发展水平的上升而增加之外,其余五种疾病的负担均随着社会发展水平的上升而降低

本公号回复“ 原文”即可获得文献PDF等资料,如果进一步需要GBD公共数据库方法学习与指导请联系郑老师团队,微信号:aq566665

究团队将204个国家和地区划分为21个地理区域GBD 2021数据库中获得了这些国家和地区,6种vb-pIDPs的患病率以及伤残调整生命年(DALY)。

团队根据社会人口学指数(SDI)将国家和地区分为五类(高、中高、中、中低和低SDI区域)并按年龄、性别和SDI计算年龄标准化患病率及DALYs率量化时间趋势。

此外,他们还使用平滑样条模型评估不同疾病负担指标与SDI之间的关系,并使用局部加权回归散点平滑法(LOWESS)拟合平滑曲线。


主要研究结果

究结果显示,从1990年~2021年,六种vb-pIDPs的年龄标准化患病率以及DALYs 率虽然存在些许波动,但从总体上来看,其在全球和不同SDI水平区域上均呈下降趋势。
  • 在这六种vb-pIDPs中,疟疾的年龄标准化患病率及DALY率均最高

图1 全球和不同SDI水平的区域下,6种vb-pIDPs疾病负担的变化趋势
(A)疟疾;(B)利什曼病;(C)淋巴丝虫病;

(D)非洲锥虫病;(E)美洲锥虫病;(F)盘尾丝虫病

同时,研究团队还探讨了六种疾病负担的年龄标准化率与SDI水平的关系

结果发现,除美洲锥虫病的年龄标准化患病率及DALYs率随着SDI水平的升高而增加之外,其余五种vb-pIDPs的负担均随着SDI水平的上升而显著降低。

图2 2021年,按SDI水平划分的204个国家和地区的疾病负担

此外,研究团队进一步探讨了影响疟疾的三个主要风险因素(儿童体重不足、发育迟缓和消瘦)。

结果显示,2021年,儿童体重不足和发育迟缓是导致疟疾风险增加的主要因素
  • 0.14%的疟疾的年龄标准化DALYs率是由儿童体重不足导致的;
  • 0.08%的则是由儿童发育迟缓导致的。

并且,这些影响在SDI低地区最为显著,且从1990年至2021年总体呈下降趋势。

图3 不同SDI水平下,可归因于风险因素的疟疾负担

(A)1990~2021年年龄标准化DALYs率变化趋势
(B)仅2021年疟疾的年龄标准化DALYs率

综上所述,研究结果显示,在过去30年,全球范围内6种贫困相关的贫困相关的媒介传播寄生虫传染病(vb-pIDPs)的疾病负担显著下降,但疟疾从始至终都是患病率最高的疾病。此外,团队还发现儿童体重不足和发育迟缓是导致疟疾的年龄标准化DALYs率升高的主要风险因素。


亮点小结

随着GBD发文量越来越多,常见的、甚至罕见的选题都已被挖掘,但这并不意味着我们没有选题可做。

上交大学者对与贫困相关的疾病不断进行挖掘,包括之前已经详细解读过与贫困相关的罕见传染病(rIDPs)、与贫困相关的病毒性传染病(vIDPs),如今又是与贫困相关的媒介传播寄生虫传染病(vb-pIDPs)。

一区IF 4.8!上海交大学者挖掘GBD数据,描述性分析出多张新图
跟着大佬别掉队!上海交大用GBD 2021数据库综合分析病毒性疾病,拿下SCI一区
这些疾病在GBD数据中并未被统一分类,而是由研究者根据各自疾病的特点自行分类,以探究这类疾病各自的全球负担,从而确保了研究对象的个性化。
在此基础上,我们也可以学习这种思路,寻找疾病的共同点,将目前已经探究过的一大类疾病,从大化小再细分。

这篇一区文章给我们带来了很大的启发,想要发文的朋友可以参考这种思路,找到个性化的研究对象!如果你找到了自己的选题,但在分析方法上遇到困难,不妨考虑郑老师的GBD一对一统计课程,无论是夜晚还是周末,专业统计师都会在线提供个性化指导,让你的发文之路不再愁!

欢迎关注“公共数据库与孟德尔随机化”公众号,我们将持续分享用GBD数据库发SCI的研究思路和方法解读!

郑老师统计团队及公众号

全国较大的线上医学统计服务平台,专注于医学生、医护工作者学术研究统计支持,我们是你们统计助理!


我们提供以医学数据数据挖掘统计服务
①NAHANES:一二区论文占半数
②MIMIC:急诊数据分析与机器学习建模
GBD:全球、中国各种疾病患病、死亡研究
孟德尔随机化:疾病的因果推断研究

同时我们提供上述数据库的挖掘的一对一指导

GBD、NHANES医学数据库挖掘1对1R语言指导

联系助教陈老师咨询(微信号sas555777

公共数据库与孟德尔随机化
我们专门介绍公共数据库与孟德尔随机化,每周文献周报,呈现精品文献阅读
 最新文章