2025年3月30日至2025年4月30日期间，根据PubMed数据库的检索结果显示，“Medical Information Mart for Intensive Care”作为关键词出现在标题或摘要中的新发表论文数量达到了120篇。包含脓毒症、急性肾损伤、心力衰竭、急性胰腺炎等多方向，其中脓毒症以及急性肾损伤疾病方向的发文量最高。
下面，带你简单看看MIMIC数据库4月的发文情况！
MIMIC数据库
发文月报
2025年3月30日-2025年4月30日
MIMIC数据库4月发布SCI期刊计数
4月MIMIC数据库发文作者国籍分布情况
4月MIMIC数据库全球发文120篇。中国学者发文104篇，海外学者发文16篇。由此可见，对国内学者非常友好！其中，中国学者发文的期刊有：
-
BMC Infectious Diseases
-
Scientific Reports
-
BMC Cardiovascular Disorders
-
BMC Pulmonary Medicine
-
European Journal of Medical Research
-
Frontiers in Cardiovascular Medicine
-
Frontiers in Endocrinology (Lausanne)
-
Frontiers in Medicine (Lausanne)
-
Frontiers in Neurology
-
International Journal of Cardiology
-
Journal of Medical Internet Research
-
......
4月MIMIC数据库发文总共120篇，被68本SCI期刊接收，其中发文5篇及以上的SCI期刊有3本。
本月MIMIC数据库友好期刊榜单
👍🏻4月MIMIC数据库发文5篇及以上的期刊有：
BMC INFECTIOUS DISEASES
BMC Cardiovascular Disorders
Scientific Reports
发文方向：
向下滑动查看所有内容
接下来给大家分享四篇上个月MIMIC数据库分别发到中科院1区、2区、3区、4区期刊例文的分析工作量以及亮点。
1.中科院一区例文
标题：Joint association of the triglyceride-glucose index and stress hyperglycemia ratio with incidence and mortality risks of new-onset atrial fibrillation during sepsis: a retrospective cohort study
期刊：Cardiovasc Diabetol
PMID: 40176089
亮点和结果：
调查脓毒症期间 TyG 指数和 SHR 与院内 NOAF 的相关性。此外，评估了这两个指标与发生 NOAF 的脓毒症患者 360 天死亡风险之间的关联。重要的是，分析了 TyG 指数和 SHR 在预测发生 NOAF 的脓毒症患者 360 天死亡风险方面的联合关联。
这是第一项构建模型来预测 NOAF 脓毒症患者出院后死亡风险的研究。我们的研究结果表明，TyG 指数升高和 SHR 升高的患者在脓毒症期间表现出较高的 NOAF 发病率和 360 天死亡风险。值得注意的是，TyG 指数-SHR 组合对 360 天死亡率的预测能力优于单独的 TyG 指数或 SHR。了解 TyG 和 SHR 的协同关联有助于临床医生识别发生 NOAF 和不良结局风险较高的脓毒症患者。
工作量解析：
采用 logistic 回归模型评估脓毒症患者各种指标 （TyG 指数和 SHR） 与院内 NOAF 发生率的相关性。生成 Cox 比例风险模型以量化指数与死亡风险之间的关系。使用 Kaplan-Meier （K-M） 生存分析评估累积死亡率。采用调整后限制性三次样条法 （RCS） 评估 TyG 指数、 SHR 和死亡风险之间的剂量反应关系。使用受试者工作特征 （ROC） 曲线分析评估死亡风险指数的预测能力。
对于联合评估，TyG 指数和 SHR 均被视为连续变量，并同时包含在预测模型中。计算曲线下面积 （AUC） 以比较 TyG 指数、 SHR 和联合 TyG-SHR 评估的预测能力。生成校准曲线以评估预测概率与观察到的结果的匹配程度。进行决策曲线分析 （DCA） 分析以评估预测模型的临床效用。根据心肌病、 CHD 、 AMI 、 ARF 、 AKF 、 糖皮质激素的使用和 MV 进行亚组分析。
Lasso 回归用于识别和保留对预测模型有重大贡献的重要特征。使用随机森林 （RF） 模型、极限梯度提升 （XGBoost） 模型和支持向量机 （SVM） 模型分析过滤变量，以预测 360 d 死亡风险。使用 ROC 曲线评估每个模型的性能。校准曲线用于评估模型预测绝对风险的准确性。进行 DCA 分析以评估预测模型的临床效用。
2.中科院二区例文
标题：Predictive value of hematologic indices on weaning from mechanical ventilation and 30-day mortality in patients with traumatic brain injury in an intensive care unit: A retrospective analysis of MIMIC-IV data
期刊：Neurotherapeutics
PMID: 40011133
亮点和结果：
关注呼吸机脱机和短期死亡率，因为它们与 ICU 管理直接相关。TBI 患者的早期死亡通常由继发性脑损伤（例如颅内压增高、脑水肿和缺氧缺血性损伤）、全身炎症反应综合征 （SIRS） 或多器官功能障碍引起。与受康复和机构政策影响的长期残疾或住院时间不同，这些结局提供了及时的预后见解并指导急性期干预。
研究强调了 NLR 、 PLR 和 GLR 等血液学指标在预测 ICU 中需要机械通气的 TBI 患者预后的重要作用。具体来说，较高的 PLR 和 GLR 值与机械通气成功脱机的可能性降低相关，而 NLR 升高与 30 天死亡风险增加相关。NLR 的预后价值可能归因于其作为全身炎症和免疫失调指标的作用，这些指标会导致危重患者的继发性脑损伤和多器官功能障碍。
工作量解析：
从 MIMIC-IV 数据库中提取需要机械通气的 TBI 患者的数据并进行回顾性分析。成功脱机定义为 48 小时内无再插管或死亡，拔管后 48 小时内无创通气，并通过具有特定呼吸和心血管稳定性标准的自主呼吸试验。
使用 logistic 回归和受试者工作特征 （ROC） 分析评估全身炎症反应指数 （SIRI） 、中性粒细胞与淋巴细胞比值 （NLR） 、血小板与淋巴细胞比值 （PLR）、单核细胞与淋巴细胞比值 （MLR） 和葡萄糖与淋巴细胞比值 （GLR） 的预测价值。
3.中科院三区例文
标题：Association between emergency department to intensive care units time and in-hospital mortality: an analysis of the MIMIC-IV database
期刊：BMJ OPEN
PMID: PMC11973772
亮点和结果：
该研究使用了来自 Medical Information Mart for Intensive Care-IV 数据库的全面和高质量数据集，提供了有关重症监护病房 （ICU） 入院的详细临床和人口统计数据。使用稳健的统计方法，包括基于广义提升模型的倾向得分加权、敏感性分析和亚组分析，确保了全面的协变量平衡，并提高了结果的有效性和可靠性。受限三次样条分析用于探索非线性关联，从而更细致地了解急诊科 （ED） 与 ICU 的时间效应。
研究强调，在急诊科管理危重病人涉及的不仅仅是最大限度地减少急诊科等待时间。考虑患者的临床状况、急诊情况、急诊能力、运输风险和 ICU 床位可用性，以确定入住 ICU 的最佳时间至关重要。
工作量解析：
用类似模型和 Kaplan-Meier 生存分析分析次要结局，包括 28 天死亡率，并对非线性关系进行额外检验。应用受限三次样条曲线 （RCS） 模型进一步探索 ED 与 ICU 时间与住院和 ICU 死亡率之间的非线性关联。
广义增强模型 （GBM） 用于估计广义倾向评分，以实现 ED 到 ICU 入院时间 （Q1、Q2、Q3、Q4） 的四个四分位数之间的协变量平衡。为了检查潜在的效应改变，我们根据年龄、性别、 APSIII 评分、CCI 评分以及是否存在关键合并症进行了亚组分析。
4.中科院四区例文
标题：Impact of the Geriatric Nutritional Risk Index on short-term prognosis of patients with sepsis-related acute kidney injury: analysis using the MIMIC-IV database
期刊：BMC Nephrol
PMID: 40269775
亮点和结果：
研究为GNRI 作为老年 S-AKI 患者短期死亡率和不良临床结果的可靠预测因子提供了第一个证据。结果表明，即使在对混杂因素进行严格调整后，较低的 GNRI 评分与较高的 28 天死亡率、AKI 严重程度的增加以及在 ICU 或医院的住院时间延长独立相关。这些结果强调了营养状况在调节脓毒症相关肾损伤结果方面的关键作用，并强调了 GNRI 作为该弱势群体风险分层的实用工具的效用。
工作量解析：
从重症监护 IV 医疗信息市场 （MIMIC-IV） 数据库获取患者数据。使用四分位数分析根据其 GNRI 评分将所有患者分为四组。
本研究的主要目的是调查 28 天死亡率。次要研究结局是严重 AKI 的发生率、重症监护病房的住院时间和住院天数。为了评估 GNRI 评分与研究结果之间的关联，我们使用了 Cox 比例风险回归模型和限制三次样条。采用 Kaplan-Meier 曲线比较每组结局。
评论列表