科研星球

数据挖掘、生信、meta?临床医生如何选择

和大多数硕博生一样,每天的临床搬砖生活十分忙碌。医患沟通、培训、查房等占据了我们大部分的精力,客观条件又进一步限制了我们去实验室的机会。然而,偏偏我们又都是一群有上进心、想发表文章的可怜人。



那么,没有自己的数据,我们应该怎么办?

首先,下列宝典,仅仅是权宜之计,大家决不能因噎废食。因为对于科研工作,以至于将来的学位、基金申请而言,自己的课题和论文才是王道。

这些大法,主要是针对一些没有机会拥有自己的数据,但是又着急毕业或者找工作、读博等的小伙伴。


方法一:公开数据库

发表类型:论文

优点:认可度较高,除某些特殊需求外不需要学习特定软件。

缺点:病种有限

温馨提示:需要提交申请,平台进行审核,不过一般难度不大。

国际上有很多公开的数据库,我知道的就有精神科自闭症的 ABIDE 数据库(Autism Brain Imaging Data Exchange)、神经科帕金森病 PPMI 数据库(parkinson's progression markers initiative)、重症医学的 MIMIC 库( Medical Information Mart for Intensive Care)、肿瘤学的 SEER 数据库(Surveillance, Epidemiology, and End Results)等,它们都有临床特征、诊疗信息、影像和实验室数据,有的甚至还有病理结果。

操作方法:

我们只需要按照数据库的要求提交申请,就可以下载相应的数据,进一步完成我们自己的实验设计和统计分析了。大样本的数据能够帮我们获得更加可靠的结论,同时也能提高文章的档次。

除了数据是已经收集好的以外,临床思路和后续的统计分析都是我们自己完成的,所以认可度很不错哦。不过,遗憾的是目前相关的数据库并不是很多。

0.png
图片来源:ABIDE数据库  
网址:http://fcon_1000.projects.nitrc.org/indi/abide/


方法二:生物信息学分析

发表类型:论文

优点:认可度一般,可以进行后续研究,对病种限制较小。

缺点:需要学习相关软件,学习成本较高。

温馨提示:统计学和计算机编程相关基础不太好的小伙伴,建议谨慎考虑,有时一个报错就能把你找废(不信可以看看松鼠薅秃的头顶)。

以基础研究为主,或者所研究的疾病并没有相关数据库的小伙伴也不用着急,生物信息学分析也许能够在一定程度上帮助你们解决这个问题。

生物信息学是在生命科学的研究中,以计算机为工具对生物信息进行储存、检索和分析的科学。其研究重点主要体现在基因组学(Genomics)和蛋白质组学(Proteomics)两方面,具体来说就是从核酸和蛋白质序列出发,分析序列中表达的结构功能的生物信息。


操作方法:
虽然生物信息学背后的内容很深,但是,我们可以利用公开发表的一些数据库的数据信息,如肿瘤基因组图谱 (The Cancer Genome Atlas ,TCGA) ,以及针对更广泛疾病的高通量芯片表达谱数据库( gene expression omnibus,GEO)等。

通过学习 R 语言等相关软件,再次对已经完成实验的数据信息进行分析,进而得出我们的结论。等将来我们有条件进入实验室以后,还可以亲手去验证我们的猜想,想想是不是也会偷着乐啊?

不过,完成这一猜想还是需要付出一定的时间和精力的,我们需要去了解很多的知识背景,甚至包括一些编程的基础原理等等。

如果对论文级别要求特别高的小伙伴慎选,毕竟我们得出的结论只是假设,需要后续的验证,所以单一的生信一般很难发表非常高级别的文献。



方法三:Meta 分析

发表类型:综述,部分杂志可作为论文接受。

优点:对软件和统计学知识学习要求较低,不限制病种。

缺点:认可度一般,高级别 Meta 认可度不错,低级别较差

温馨提示:如果想写 Meta 的小伙伴,建议认真了解一下相关流程,认真进行实验设计、文献筛选及质量评价,高级别的 Meta 对于临床还是很有指导意义的。想要评定职称的临床医生建议查阅一下单位的相关规定,部分单位不认可 Meta 分析。

如果你既找不到公开数据库,统计又学得不是很好,而发表文章的梦想依旧,不用着急,推荐一法——Meta 分析。

Meta 这个词就是最近扎尔伯格新改的公司名,源自于古希腊文,意指将事物综合起来观察,小扎想表达的就是对于未来超越和融合的一种构想。

而在医学领域,Meta 分析是一种对不同研究结果进行合并分析的方法,在临床医学上常用于合并研究结果,最常见的是随机对照实验 (randomized controlled trial, RCT)结果的合并,可以作为循证医学的主要研究手段之一。

操作方法:

Meta 分析作为循证医学中的一部分,临床证据等级比较高。同时,大家只要有一个好的 idea 就可以把各种研究结果有组织、有纪律地综合起来。此外,软件学习的难度也相对比较低,常用的 Revman 基本上学习半个月到一个月就能掌握。

但是,由于近年来发表的文章比较多,低级别的 Meta 分析认可度一般。但是对于没有数据的临床医生,尤其是苦于没有数据的硕士小伙伴,也可以作为展示我们选题、文献阅读、写作能力的一个窗口。




方法四:传统综述

发表类型:综述

优点:不需要额外学习知识,不限制病种。

缺点:认可度较差,仅能作为辅助或者展示能力的窗口。

温馨提示:综述的写作还是有自己的门道的,思路清晰、逻辑严密很重要。

最后,隆重推荐传统综述。

综述是对学科中某个研究方向进行总结和展望的论文,一般是由对该领域有深刻理解的学者撰写。

撰写综述需要阅读大量的文献,需要作者检索文献、筛选文献,从文献中提取重要的信息以及进行批判性的思考。通过对于综述的写作,可以展现我们对于相关领域的理解,也能展现我们阅读、理解、归纳、总结及英文写作的能力。

对于临床医生,尤其是想要进一步发展又苦于没有数据的硕士小伙伴们,也可以作为一个展现我们能力的方式。毕竟,在考博或者招聘过程中,有 SCI 和没有 SCI 是有本质区别的。


写在最后

没有数据并不可怕,利用公开的资源,我们也能做出不错的东西。只要你有一颗奋发向上、永不言败的心,从现在开始行动起来!

相信自己,没有解不开的困局!加油!


文章来源:科研论文时间

没有账号?