2区期刊的UKB研究定位
工作量基准：需超越简单相关性分析，体现研究目的创新、方法创新或临床转化价值。
核心要素：有价值的研究目的、精准的变量定义和筛选、合适的统计分析方法、扎实的工作量。
常用的统计分析方法：logistic 回归、Cox 比例风险回归、RCS 曲线、K-M 生存曲线、竞争风险模型、阈值效应分析、亚组分析、敏感性分析、中介分析、ROC 曲线、机器学习等。
工作量框架与5篇案例对照
典型工作量拆解
案例1：
文章标题：Sex hormone-binding globulin and sex-specific association between irritable bowel syndrome and type 2 diabetes: a prospective cohort study
1️⃣ 数据准备
排除基线诊断为普遍糖尿病（n=26741），乳糜泻或炎症性肠病（n=7524），任何癌症（n=44581）和性激素结合球蛋白信息缺失（n=64073）的参与者，最终包括了 359503 名参与者。
2️⃣ 统计分析
Cox 比例风险模型
3️⃣ 结果呈现
进行单因素和多因素 Cox 比例风险回归分析以确定肠易激综合征与新发 Ⅱ 型糖尿病之间的潜在关系。
总人群：
性别亚组：
性激素结合球蛋白亚组：
中介分析确定性激素结合球蛋白是否介导了肠易激综合征与新发 Ⅱ 型糖尿病之间的潜在关系（未以图表形式展现，仅在文中汇报）。
The mediation analysis showed that SHBG (mediation proportion: 3.53%) significantly mediated the association of IBS with T2D (P for mediation < 0.001).
案例2：
文章标题：Association of leukocyte telomere length with the risk of digestive diseases: A large-scale cohort study
1️⃣ 数据准备
本研究使用 2006 年至 2021 年 UKB 队列的数据，根据严格的纳入排除标准，最终纳入 472513 人。
2️⃣ 统计分析
Cox 比例风险模型
3️⃣ 结果呈现
进行多因素 Cox 回归分析以确定白细胞端粒长度与消化系统疾病风险之间的潜在关系。
案例3：
文章标题：Differential associations of dietary inflammatory potential, antioxidant capacity, and Mediterranean diet adherence with biological aging: A UK Biobank study
1️⃣ 数据准备
本研究纳入拥有完整的基线饮食数据、生物学年龄生物标志物和潜在的协变量信息的参与者 46755 名。
2️⃣ 统计分析
主分析：线性回归+Logistic 回归
高级方法：限制性三次样条+中介分析
3️⃣ 结果呈现
使用多变量线性回归评估膳食指数（DII、CDAI 和 aMED）与生物衰老指标（KDM-BA 和 PhenoAge）之间的关联。
采用二元 logistic 回归分析与衰老风险的关联。
使用限制性三次样条模型进一步评估非线性关系。
使用中介分析研究 DII 和 CDAI 是否介导了 aMED 与生物衰老之间的关联。
案例4：
文章标题：The association of essential dietary trace elements and their mixture with cognition: a prospective study
1️⃣ 数据准备
本研究纳入拥有完整的至少一组 24 小时饮食回忆数据、认知测试数据和潜在的协变量信息的参与者 21356 名。
2️⃣ 统计分析
主分析：线性回归
高级方法：限制性三次样条+BKMR
3️⃣ 结果呈现
多元线性回归评估单一膳食必需微量元素与一般认知的关联。
使用限制性三次样条方法来探索必需微量元素与认知之间的非线性关联。
使用 BKMR 模型以评估膳食必需微量元素混合物与一般认知之间的关联：膳食必需微量元素混合物对一般认知的总体影响。
单变量暴露-响应函数。当其他膳食必需微量元素固定在第 50 个百分位数时，每个膳食必需微量元素的单变量暴露-反应函数和 95% 可信区间。
案例5：
文章标题：Joint effects of physical activity and sleep quality on all-cause and cardiovascular disease mortality in stroke survivors: a population-based cohort study from the UK-Biobank
1️⃣ 数据准备
基线调查中有 9,260 名参与者自我报告中风。排除了基线时患有严重心脏病或癌症（n= 1780）、基线招募死亡（n= 205）、缺失睡眠评分数据 （n = 10） 和体力活动数据 （n = 1768）的人的参与者最终纳入 5507 名参与者。
2️⃣ 统计分析
主分析：Cox 比例风险模型
高级方法：限制性三次样条
3️⃣ 结果呈现
Cox 比例风险回归评估体力活动与睡眠评分与死亡率的独立关联和联合关联。
体力活动与睡眠评分与死亡率的独立关联：
体力活动与睡眠评分与死亡率的联合关联：
使用限制性三次样条方法来探索体力活动、睡眠评分与死亡率的非线性关联。
评论列表