MIMIC数据库中科院3区SCI文章常见工作量

3区期刊的MIMIC研究定位

✅ 工作量基准：体现方法创新或临床转化价值。

✅ 核心要素：精准的自变量或者结局变量定义；筛选协变量的方法；多种统计分析方法。

✅ 常用的统计分析方法：logistic 回归、cox 回归、RCS 曲线、KM 曲线、亚组分析、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

案例一：

文章标题：Association between the triglyceride glucose index and the risk of acute kidney injury in critically ill patients with hypertension: analysis of the MIMIC-IV database

1️⃣ 数据准备

本研究重点关注 MIMIC-IV 数据库的一个子集，包括 27,793 名高血压患者。他们以非连续的方式入住 ICU，年龄在 18 岁及以上。对于多次入住 ICU 的个体，仅考虑初次住院期间的首次入院。为确保数据可靠性，如果有关 TG 和葡萄糖的信息不足，或者入住 ICU 后 48 小时内的 AKI 数据缺失，则将个体排除在外。

2️⃣ 统计分析

主分析：COX比例风险模型+KM生存曲线

高级分析：RCS+亚组分析

3️⃣ 结果呈现

COX比例风险模型：进行单因素和多因素 Cox 回归分析以确定探讨危重高血压患者 TyG 指数与 AKI 风险之间的相关性

KM生存曲线：采用 Kaplan-Meier（K-M）法绘制未调整的生存曲线，采用 log-rank 检验比较两组曲线以分析不同组别间的结局差异

限制性立方样条：探讨危重高血压患者 TyG 指数与 AKI 风险之间的剂量反应关系

案例二：

文章标题：Effect of changes trajectory of serum phosphate levels on the 28-day mortality risk in patients with sepsis: a retrospective cohort study from the MIMIC-IV database

1️⃣ 数据准备

本研究患者的纳入标准如下：（1）年龄 ≥18 周岁；（2）诊断为败血症；（3）ICU 停留时间至少 24 小时；（4）入住 ICU 后 24 小时内每隔 6 小时测量一次血清磷酸盐。符合以下标准的患者被排除在外：（1）生存信息缺失；（2）患有终末期肾病；（3）入住 ICU 后 24 小时内血清磷酸盐测量值低于 4 次。

2️⃣ 统计分析

主分析：COX 比例风险模型+RCS 曲线

高级分析：LGMM 建立动态轨迹

3️⃣ 结果呈现

COX 比例风险模型：进行单因素和多因素 Cox 回归分析以确定与患者死亡率之间的潜在关系

限制性立方样条：

KM生存曲线：采用 Kaplan-Meier（K-M）法绘制未调整的生存曲线，采用 log-rank 检验比较两组曲线以分析不同组别间的结局差异

LGMM：构建动态轨迹。脓毒症患者入住重症监护病房（ICU）后 24 小时内的血清磷酸盐水平轨迹。轨迹 1、正常水平-稳态趋势轨迹;轨迹 2、高位-稳态趋势轨迹;轨迹 3、高位下降趋势轨迹;轨迹 4、高位上涨趋势轨迹

案例三：

文章标题：Association between the lactate dehydrogenase-to-albumin ratio and 28-day mortality in septic patients with malignancies: analysis of the MIMIC-IV database

1️⃣ 数据准备

纳入标准如下：（1）年龄在 18 至 100 岁之间的患者；（2）符合基于脓毒症和感染性休克第三次国际共识定义（Sepsis-3）的脓毒症诊断标准的患者；（3）有恶性肿瘤记录的患者。

排除标准如下：（1）ICU 住院时间少于 6 小时；（2）脓毒症多次入住 ICU——仅包括第一次入院；（3）数据不足;（4）无恶性肿瘤。

2️⃣ 统计分析

Logistic 回归+KM 曲线+RCS+boruta 算法+机器学习

3️⃣ 结果呈现

Logistic回归模型：评估 LDAR 与结果之间的关联

限制性立方样条：评估 LDAR 与结果之间的剂量反应关系

KM生存曲线：分析不同组别间的结局差异

BORUTA算法：通过 Boruta 算法显示特征选择结果，将绿色变量标识为重要变量，将红色变量标识为不重要变量，将黄色变量标识为暂定变量。LDAR 被确定为最重要的参数。

机器学习：展示模型预测性能

案例四：

文章标题：Association between serum anion gap and 28-day mortality in critically ill patients with infective endocarditis: a retrospective cohort study from MIMIC IV database

1️⃣ 数据准备

经过基于纳入和排除标准的严格筛选过程，从 MIMIC IV 数据库中最初的 453 名 IE 危重患者中共选出 449 名患者。4 名患者因数据缺失而被排除在外。最终分析包括 449 名患者。

2️⃣ 统计分析

主分析：KM 生存曲线+COX 回归

高级分析：ROC

3️⃣ 结果呈现

COX 回归：研究 AG 和 28 天全因死亡的关联

KM 生存曲线：显示不同组别的生存结局的差异

ROC 曲线：计算曲线下面积（AUC），以比较 AG 和 SOFA 评分预测 28d 死亡率的能力

案例五：

文章标题：Association of Albumin–Bilirubin (ALBI) Grade With 28-Day All-Cause Mortality in Patients With Acute Respiratory Distress Syndrome: A Retrospective Analysis of the MIMIC-IV Database

1️⃣ 数据准备

使用国际疾病分类第 9 版（ICD-9）代码 577.0 和国际疾病分类第 10 版（ICD-10）代码 K85–K85.92 提取 ARDS 患者的入院信息，共计 633 名入住 ICU 的患者。进一步筛选后，符合以下标准的患者被排除在外：（1）首次入院时未满 18 岁的患者；（2）因 ARDS 再次入院的患者，仅保留首次入院数据；（3）ICU 住院时间少于 24 小时的患者；（4）入院后 24 小时内没有记录血乳酸和血清白蛋白数据的患者。最终，这项研究包括 338 名患者。

2️⃣ 统计分析

主分析：COX 比例风险模型+KM 曲线

高级分析：lasso 回归+ROC

3️⃣ 结果呈现

COX 比例风险模型：评估 28 天死亡率