CLHLS交叉滞后模型和广义估计方程一起用发文2区 | 公共数据库周报(4.10)

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6篇charls论文。

  • 对CNKI数据库搜索发现,本周发表0篇charls论文。

  • 对中华医学杂志数据库搜索发现,本周发表1篇charls论文。

一、PubMed数据库

通过PubMed数据库“CHARLS”检索发现,4.3-4.9共发表6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)

e26d95eeec4c5922b642833c96654387.png

标题:城市化与老年人抑郁的关联——基于复杂性科学视角的网络分析

研究目的:全球城市化进程的加快与抑郁症患病率的上升相吻合。然而,城市化对抑郁症的影响仍然存在争议,尤其是对老年人而言。从网络角度阐明城市化对老年人抑郁症的影响。

方法:本部分队列研究使用了来自中国健康与退休纵向研究 (CHARLS) 的数据。

结果:在13,993名受试者中,城市居民(26.3%,95%CI,24.7%-27.8%)的抑郁症状发生率低于农村(40.4%,95%CI,39.5%-41.3%,P<0.0001)。然而,在PSM后2898对受试者的子集中,城市居民(26.3%,95%CI,25.2%-28.4%)的抑郁症状发生率高于农村居民(17.5%,95%CI,16.1%-18.9%,P < 0.0001)。在PSM之前(M = 0.071,p = 0.054,S = 0.037,p = 0.80)和之后(M = 0.085,p = 0.133,S = 0.086,p = 0.47)中,城乡居民的网络结构和指标没有差异。网络结构显示,负面影响与躯体症状密切相关,两种快感缺乏症状也密切相关。

结论本研究从网络视角出发,表明农村和城市居民抑郁的终极性质具有同质性,支持了城市化可能不会对抑郁产生影响的观点。进一步深入研究这个问题的复杂性,可能会为我们对老年人城市环境中的抑郁症的理解提供新的见解。

ec55b979588763c21e37603356680b03.png

2.中国学者文章介绍(二)

1fdcfb55d8e6594ae2520b3b9f7ba88e.png

标题:不同大小的环境颗粒物和家庭燃料使用对身体机能的影响——中国国家队列研究

研究目的:室外和家庭空气污染对身体机能的影响仍未阐明。本研究考察了各种环境颗粒物大小(PM 1 、PM 2.5 和PM 10 )和家庭燃料使用对身体机能的影响。

方法:利用2011年和2015年中国健康与退休纵向研究(CHARLS)的数据。身体功能分数是通过将四项测试的分数相加来计算的:握力、步态速度、椅子站立测试和平衡。采用多元线性和线性混合效应模型,分别在横断面和纵向分析中探讨了PM1 、PM 2.5 、PM 10 和家庭燃料使用对身体机能的单独和综合影响,并进一步观察了空气污染暴露背景下燃料清理对身体机能的影响。

结果:横断面和纵向分析均显示PM1(β=-0.044;95%CI:-0.084,-0.004)、PM 2.5(β=-0.024;95%CI:-0.046,-0.001)、 PM 10(β=-0.041;95%CI:-0.054,-0.029)与物理功能之间存在负相关,对细颗粒物(PM 1 )的影响更为明显。与固体燃料相比,使用更清洁的燃料与增强的身体机能有关(β=0.143;95%CI:0.070,0.216)。空气污染物的存在和固体燃料的使用对身体机能有负面影响,而使用更清洁的燃料减轻了空气污染物的不利影响,特别是在暴露量高的地区。

结论本研究强调了空气污染物和固体燃料使用对身体机能的单一和综合不利影响。解决细颗粒物,特别是PM1 ,并优先努力改善空气污染水平升高地区的家庭燃料清洁度,对于预防身体残疾至关重要。

a422ab85fddd1281d5bfc7ecfadd8e3d.png

3.中国学者文章介绍(三)

1699eb069e54e6c6c6cfd0ba1acd3bc7.png

标题:中国≥45岁人群健康体检服务利用情况:一项基于CHARLS 2018的全国横断面调查

研究目的:居民门诊和住院的医疗卫生服务利用情况及影响因素的研究已经十分成熟,然而分析我国居民预防性就医及健康体检服务利用情况的相关研究却较少。本文目的是了解我国≥45岁人群健康体检服务利用情况,并分析其影响因素。

方法:利用2018年《中国健康与养老追踪调查》(CHARLS)的数据,选取≥45岁人群,统计其2015—2018年参加体检率和体检项目数。采用零膨胀负二项回归(Zinb)模型,分析居民参加体检项目数的影响因素。

结果:本研究共纳入17 203例居民,平均年龄(62.4±10.0)岁,参加体检率为47.73%(8 211/17 203)。体检参加率排名前三位的分别是新疆维吾尔自治区(96.47%)、上海市(83.67%)和北京市(82.05%),排名后三位的分别为辽宁省(35.41%)、青海省(36.55%)和福建省(36.94%)。8 211例参加过常规体检的人群平均年龄(64.1±9.9)岁,人均参加体检项目中位数为9(5,12)项。体检项目数排名前三位的分别为北京市(14项)、上海市(14项)和新疆维吾尔自治区(13项),排名后三位的分别为甘肃省(7项)、安徽省(7项)和辽宁省(7.5项)。非参数检验显示,城镇居民体检项目数高于农村(10项与8项),东部高于中部(10项与8项)、西部(10项与9项)及东北部(10项与8项),西部高于中部(9项与8项)( P<0.001)。Zinb模型显示,经济区域(中部、西部、东北部)、居住地类型(城镇地区)、性别(女性)、年龄(60岁及以上)、文化程度(初中及以上)、健康状况(共患病)和基本医疗保险类型(职工医疗保险)是居民参加体检项目数的影响因素( P<0.001)。按照城镇和农村进行亚组分析,结果显示经济区域(中部、西部、东北部)、年龄(60岁及以上)、文化程度(初中及以上)是城镇和农村居民参加体检项目数的共同影响因素( P<0.05)。除此之外,对于城镇地区居民而言,已婚是其参加体检项目数的影响因素( P<0.001);对于农村地区居民而言,男性、共病、具有职工医疗保险是其参加体检项目数的影响因素( P<0.001)。

结论我国≥45岁人群健康体检服务利用率较低,城镇地区、东部地区健康体检服务更多,年龄和文化程度是居民利用健康体检服务的影响因素,婚姻状况是城镇地区居民利用健康体检服务的影响因素,性别、健康状态和基本医疗保险类型是农村地区居民利用健康体检服务的影响因素。未来应进一步提高居民健康体检服务的利用率,并分城乡和地域制定不同的政策措施。

76b9d6a47607329815206c3cbe092aa4.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2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,4.3-4.9共发表2篇相关主题论文,其中共1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)

c55aa5b8b3ac98ad4fb291e8fc051c5f.png

标题:户外或社交活动与认知功能之间的双向关联:PM 2.5 暴露是否催化了有害的不活动-认知不良循环?

研究目的:先前的研究表明,缺乏休闲活动,无论是户外活动还是社交活动,都会阻碍认知功能。然而,认知不良与活动不足之间的相互关系研究不足。此外,暴露于空气污染物(如PM 2.5 )是否会加速有害的“不活动-认知能力差”循环,也值得研究。

方法:采用2008年、2011年、2014年和2018年中国纵向健康长寿调查(CLHLS)的数据。我们评估了每一波户外或社交活动的频率。使用中国改良的简易精神状态检查检查认知功能。我们通过基于卫星的模型估计了住宅暴露于细小特定物质(PM 2.5 )的情况。我们应用交叉滞后面板(CLP)模型来研究户外或社交活动与认知功能之间的双向关系。然后,我们使用广义估计方程 (GEE) 模型检查了 PM 2.5 暴露对随后的认知功能和活动的影响。

结果:总体而言,我们观察到户外或社交活动与认知功能之间存在显着的双向关联。在上一波中认知功能较好的受试者在下一波中更有可能从事户外或社交活动(户外活动:β=0.37,95%CI [0.27,0.48],P <0.01;社交活动:β=0.05,95%CI [0.02,0.09]P<0.01)。同时,上一波中较高的户外或社交活动参与度与下一波中更有利的认知功能相关(户外活动:β = 0.06, 95% CI [0.03,0.09],P < 0.01;社交活动:β = 0.10, 95% CI [0.03,0.18],P < 0.01)。值得注意的是,前一年PM 2.5 暴露的增加与认知功能下降显著相关(β=-0.05,95%CI [-0.08,-0.03]、P < 0.01)、户外活动(β = -0.02, 95% CI [-0.04, -0.01], P < 0.01)和社交活动(β = -0.02, 95% CI [-0.02, -0.01], P < 0.01); 还观察到上一波过去一年的PM 2.5 暴露对下一波活动和认知功能的滞后影响。

结论我们的研究结果不仅表明了户外或社交活动频率与认知功能之间的双向联系,而且还报告了PM 2.5 暴露在催化有害的不活动-不良认知循环中起作用。未来的研究应调查政策驱动的干预措施,如清洁空气政策,是否可以打破不利的活动-认知循环,从而从休闲活动和认知的双重收益中促进健康。

219dd9af0a047b3ed3f118e625c36ea8.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0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,4.3-4.9共发表3篇相关主题论文,部分文章介绍如下。

1.中国学者文章介绍(一)

c10459c4d1435d14f6be5d523da76ee2.png

标题:数字参与与中国女性抑郁症状城乡差异的关联——一项国家层面的横断面研究

研究目的:本研究旨在调查数字参与对中国女性抑郁症状城乡差异的影响。

方法:利用2020年中国家庭面板研究(CFPS)的数据集,采用多元线性回归和重心影响函数(RIF)模型,分析了数字参与对女性抑郁症状城乡差异的影响。此外,使用RIF分解方法计算了数字参与对女性抑郁症状的城乡差异的影响程度。

结果:分析显示,与城市女性相比,农村女性的抑郁症状水平显著更高;数字参与显著降低了女性的抑郁症状水平,减轻了中度至高度抑郁症状女性的城乡差异,高度抑郁样本的缓解效果更强,但总体上仍扩大了女性抑郁症状的城乡差异。此外,RIF分解结果显示,数字参与解释了28.28%的女性抑郁症状城乡差异。

结论中国城乡女性抑郁症状水平存在显著差异。数字参与减少了女性的抑郁症状,但也扩大了城市和农村女性之间的抑郁症状差异。数字参与对减少女性的抑郁症状具有潜在的积极作用。

f05b9be3c8a7fa5e5da0f11c6dcaae27.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.mzph.cn/web/2865.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C. Inhabitant of the Deep Sea

本题链接&#xff1a;Problem - C - Codeforces 题目&#xff1a; 样例&#xff1a; 输入 6 4 5 1 2 4 3 4 6 1 2 4 3 5 20 2 7 1 8 2 2 2 3 2 2 15 1 5 2 7 5 2输出 2 3 5 0 2 2 思路&#xff1a; 数学模拟。 根据题意&#xff0c;一前一后的攻击&#xff0c;攻击k次后&…

Mysql联合索引和最左匹配例子说明

文章目录 前言联合索引最左匹配原则举例说明 前言 是什么是索引&#xff1f; 索引是一种数据结构&#xff0c;用于加速数据库查询。 当没有索引时&#xff0c;数据库系统需要执行全表逐行扫描来满足查询需求。这意味着它会逐行读取整个表中的数据&#xff0c;并在内存中进行比…

设计模式-状态模式在Java中的使用示例-信用卡业务系统

场景 在软件系统中&#xff0c;有些对象也像水一样具有多种状态&#xff0c;这些状态在某些情况下能够相互转换&#xff0c;而且对象在不同的状态下也将具有不同的行为。 为了更好地对这些具有多种状态的对象进行设计&#xff0c;我们可以使用一种被称之为状态模式的设计模式…

【提示学习论文】BlackVIP: Black-Box Visual Prompting for Robust Transfer Learning论文原理

BlackVIP: Black-Box Visual Prompting for Robust Transfer Learning BlackVIP:稳健迁移学习的黑盒视觉提示 问题 黑盒白盒&#xff1f; 黑盒和白盒的概念与对预训练模型内部参数的了解程度相关。黑盒指的是对预训练模型的参数和结构缺乏详细了解&#xff0c;通常只能通过使…

OpenCV 如何实现边缘检测器

返回:OpenCV系列文章目录&#xff08;持续更新中......&#xff09; 上一篇&#xff1a;OpenCV如何实现拉普拉斯算子的离散模拟 下一篇 :OpenCV系列文章目录&#xff08;持续更新中......&#xff09; 目标 在本教程中&#xff0c;您将学习如何&#xff1a; 使用 OpenCV 函数…

测试用例设计方法-异常测试

飞的最高的海鸥&#xff0c;能看到最远的奇景。大家好&#xff0c;继续给大家分享如何进行异常测试&#xff0c;首先要做好异常测试&#xff0c;需要我们对被测系统进行全面的了解&#xff0c;熟悉被测系统的功能、架构和运行机制&#xff0c;然后在这个基础上尽可能覆盖各种的…

MATLAB命令

MATLAB是一个用于数值计算和数据可视化的交互式程序。您可以通过在命令窗口的MATLAB提示符 ‘>>’ 处键入命令来输入命令。 在本节中&#xff0c;我们将提供常用的通用MATLAB命令列表。 用于管理会话的命令 MATLAB提供了用于管理会话的各种命令。下表提供了所有此类命令…

递归神经网络(RNN)在AI去衣技术中的深度应用

在人工智能&#xff08;AI&#xff09;技术飞速发展的今天&#xff0c;图像处理和计算机视觉领域不断取得新的突破。其中&#xff0c;AI去衣技术作为一个具有挑战性的研究方向&#xff0c;引起了广大研究者和公众的关注。递归神经网络&#xff08;RNN&#xff09;作为深度学习的…

《Python源码剖析》之PyTypeObject

前言 这一篇博客原本应该是写在上一篇关于pyObject对象的博客中的&#xff0c;但是为了不把内容写的又臭又长&#xff0c;给读者减轻痛苦&#xff0c;给我也减少压力&#xff0c;于是就专门用一篇介绍一下今天的主角—pyTypeObject。 开始 还记得在上一篇我们有聊到&#xf…

vscode 使用文件模板功能来添加版权信息

vscode 新建文件的时候&#xff0c;自动填充作者及版权信息 无需使用插件&#xff0c;操作如下&#xff1a; 选择 “首选项(Preferences)”。在搜索框中输入 “file template” 或者 “文件模板”&#xff0c;然后选择相关的设置项。 {"C_Cpp.clang_format_fallbackSt…

嵌入式虽然入门容易,但精通难度很大。

在开始前我有一些资料&#xff0c;是我根据网友给的问题精心整理了一份「嵌入式的资料从专业入门到高级教程」&#xff0c; 点个关注在评论区回复“888”之后私信回复“888”&#xff0c;全部无偿共享给大家&#xff01;&#xff01;&#xff01;此外&#xff0c;嵌入式系统的…

蓝桥杯——分巧克力

思路非常简单&#xff0c;就是一个二分法。 注意一下l和r的取值&#xff0c;就可以了。 // 如何进行切分巧克力&#xff1a;横纵除法。例如&#xff1a;一块6*5的&#xff0c;欲切为3*3的小块&#xff0c;横&#xff1a;6/2 3&#xff1b;纵&#xff1a;5/31.所以可以切成3*…

职业技能鉴定服务中心(新闻系统+证书查询系统)

后端采用ThinkPHP8&#xff0c;最新tp框架 前端采用divcss布局 数据库采用MySQL 采用三种技术实现新闻系统和证书查询系统 源码&#xff1a;git clone https://gitee.com/3539949703/certificate-website.git 效果图如下&#xff1a;

[Linux_IMX6ULL驱动开发]-设备树简述

目录 设备树的引入 设备树具体框架 设备树的属性 label address-cells和size-cells compatible model status reg 设备树的编译 内核对设备树的处理 plateform_device如何对应plateform_driver 设备树的引入 之前已经学习了解过了总线驱动模型的概念&#xff0c;也…

webots学习记录8:R2023b如何在某个零件上添加一个恒定的力(矩)

在webots安装路径下&#xff0c;从include\controller\c\webots\supervisor.h中可以看到如下定义&#xff1a; void wb_supervisor_node_add_force(WbNodeRef node, const double force[3], bool relative); void wb_supervisor_node_add_force_with_offset(WbNodeRef node, c…

37-5 基于时间的盲注 SQL 注入 PoC 的 Python 编写

攻击目标就用sql靶场的第9关,手注与靶场搭建:22-5 SQL注入攻击 - 基于时间的盲注-CSDN博客 poc import concurrent.futures # 导入并发模块 import requests # 导入发送HTTP请求的库 import string # 导入处理字符串的库url = "http://127.0.0.1/sqli-labs-master…

AndroidStudio中虚拟机(AVD)无法启动,出现unable to locate adb错误

1.检查Android SDK Platform-Tools是否安装(个人是通过这个方法解决的) 首先通过File-Project Structure-Project SDK检查SDK有没有被选中 步骤&#xff1a;打开file -> settings &#xff0c;搜索SDK 之后点击"-",在点击Apply进行安装 2.可能是驱动的问题 电脑…

深入解析YOLOv2

深入解析YOLOv2 引言 目标检测是计算机视觉中的一个核心问题&#xff0c;它旨在识别图像中所有感兴趣的目标&#xff0c;并给出它们的类别和位置。近年来&#xff0c;随着深度学习技术的发展&#xff0c;目标检测领域取得了巨大的进步。YOLO&#xff08;You Only Look Once&a…

基于OSAL 实现UART、LED、ADC等基础示例 4

1 UART 实验目的 串口在我们开发单片机项目是很重要的&#xff0c;可以观察我们的代码运行情况&#xff0c;本节的目的就 是实现串口双工收发。 虽然说 osal 相关的代码已经跟硬件关系不大了&#xff0c;但是我们还是来贴出相关的硬件原理图贴出来。 1.1 初始化 osal_init_s…

交换式网络捕获网络流量的方法

交换式网络捕获网络流量的方法 参考资料&#xff1a; https://blog.csdn.net/weixin_44143678/article/details/107559329 # 一.端口镜像 端口镜像&#xff0c;又称为“端口监视”或“端口抄送”&#xff0c;是一种网络管理技术&#xff0c;旨在将网络设备上的特定端口的流…