骨科可以挖掘公共数据库做科研发 SCI 吗？当然可以，不仅可以利用公共数据库开展科研，骨科还有很多数据库可以选择。然而，面对主流数据库——美国的 NHANES、中国的 CHARLS、全球的 GBD、MIMIC 和 SEER 数据库，许多研究者常陷入困惑：“我都想做骨质疏松/骨折/腰痛，该选哪个库？”“骨科就可以的话，选择哪个数据库更容易发高分文章？”其实，没有最好的数据库，只有最合适的研究定位。本篇公众号将为你深度拆解：各数据库在骨科领域的特异性变量与可分析疾病，一起来看看吧！
五大主流数据库骨科研究定位
各数据库详细对比与典型研究设计
1.NHANES 数据库：
优势：
-
客观生物学医学检测：如 DXA 骨密度、身体成分分析、标准化体能测试等
-
丰富实验室数据：如炎症标志物、膳食因素、激素水平等
-
高质量问卷与临床评估：自报医生诊断的骨质疏松、关节炎、骨折史
劣势：
-
横断面设计
-
骨科结局依赖自报
-
影像数据有限
-
老年人样本偏少
-
无法分析治疗效果
适合研究方向：
-
骨质疏松与代谢性骨病
-
关节炎流行病学与共病分析
-
营养-骨骼疾病的关联
NHANES 数据库骨科方向典型案例一：与饮食因素相结合
标题：Dietary fiber intake and rheumatoid arthritis among U.S. adults: Evidence from a cross-sectional analysis of NHANES with inflammatory markers as mediators
研究方法：对 15,114 名来自国家健康与营养检查调查（NHANES，2010-2020）的≥20 岁美国成年人进行了横断面分析。膳食纤维摄入通过两次 24 小时饮食回忆进行评估。类风湿关节炎的状态基于医生自报诊断。炎症状态通过高灵敏 C 反应蛋白（Hs-CRP）、膳食炎症指数（DII）和系统免疫炎症指数（SII）进行评估。采用多变量逻辑回归模型估计关联，按性别进行分层分析。模型对相关变量进行了全面调整，包括人口统计学（年龄、种族/族裔）、社会经济地位（教育水平、收入）、生活方式因素（BMI、吸烟、酒精使用）及共病。还采用了平行和连续介导分析来评估炎症的作用。研究人群中 RA 的患病率为 6.97%。平均每日纤维摄入量为 16.9 克。纤维摄入越多，类风湿关节炎患病率越低（每 5 克/天增量：OR = 0.89,95% CI：0.86-0.98）。纤维摄入与 Hs-CRP、DII 和 SII 呈负相关，这些均与类风湿关节炎呈正相关。中介分析显示炎症部分解释了纤维-类风湿关节炎的关联。这些发现凸显了膳食纤维在调节炎症和类风湿关节炎风险中的潜在重要性。
NHANES数据库骨科方向典型案例二：与新型复合脂质标志物相结合
标题：Exploring the relationship between the non-high-density lipoprotein cholesterol to high-density lipoprotein cholesterol ratio and femoral neck and femur bone mineral density based on the nhanes database: A cross-sectional study
研究方法：分析了国家健康与营养调查（NHANES，1999-2018）的横断面数据。在不同地点，使用加权多变量线性回归模型评估非高密度脂蛋白胆固醇与高密度脂蛋白胆固醇比值（NHHR）与骨密度（BMD）之间的关系。采用了限制立方样条（RCS）分析以探索潜在的非线性关联。还进行了阈值效应分析、亚组分析和交互检验。加权回归分析显示，在完全调整模型中，NHHR 与股骨颈及股骨总骨密度之间存在一致且显著的正相关。RCS 分析显示，这些地点的 NHHR 与 BMD 之间呈非线性倒 U 形关系。阈值效应分析确定股骨颈骨密度为 NHHR = 3.275，股骨总骨密度为 NHHR = 3.441。亚组分析显示，NHHR 与股骨骨密度的关系因高脂血症显著改变。NHHR 可能作为综合生物标志物，同时评估脂质水平对骨质量的影响和心血管疾病风险。
2.CHARLS 数据库：
优势：
-
纵向队列
-
聚焦中国快速老龄化核心人群：聚集 45 岁以上中老年人
-
丰富的骨科相关结局变量：如自报骨折史、跌倒细节和功能评估
-
丰富的居住环境和行为数据：如安全变量以及吸烟、饮酒、锻炼频率等指标
劣势：
-
无客观骨健康测量数据
-
骨科诊断依赖自报
-
影像与临床细节缺失
-
样本非全国代表性
适合研究方向：
-
骨科相关社会因素分析
-
健康政策评估
-
老龄化与功能衰退研究
CHARLS 数据库骨科方向典型案例一：中介分析
标题：Persistent musculoskeletal pain and subsequent falls in China: Evidence from CHARLS with exploratory frailty mediation analyses
研究方法：研究利用了 2011 年和 2015 年中国健康与退休纵向研究（CHARLS）的数据，2011 年共计 13,057 名参与者，以及 2011 年报告无跌倒并完成 2015 年随访的 7,390 人队列。参与者标明了身体疼痛的位置，MSP 记录了是否有疼痛。基线 MSP 记录于 2011 年，持续 MSP 在 2011 年和 2015 年均有报告。调查加权逻辑回归分析了关联性，而中介分析则以 2011 年MSP基础，暴露和虚弱作为中介。比较纳入组和排除组的基线特征，以评估潜在的选择偏倚。结果显示，纵向队列中记录了 1072 次发生的跌倒，持续性 MSP 参与者的跌倒率高于无 MSP 者（25.69% 对 12.48%）。调整后的模型显示基线 MSP 增加跌倒风险（OR 1.36，95% CI 1.15-1.60），而持久 MSP 的关联更强（OR 2.08，95% CI 1.70-2.54）。多部位疼痛也观察到类似趋势。中介分析显示，虚弱部分介导了基线 MSP 对跌倒的影响，约占 29%。
CHARLS 数据库骨科方向典型案例二：关联分析
标题：The interactive influences of sleep duration and activities of daily living on low back pain: Insights from CHARLS
研究方法： 本研究对 2011 年至 2015 年收集的 CHARLS 数据进行了横断面分析。参与者自我报告了自己的睡眠时长和腰椎穿刺经历。使用 12 项量表评估日常生活活动的限制。采用逻辑回归分析评估睡眠时长和日常生活活动限制对腰背性疼痛的相互作用影响。短暂睡眠（OR = 1.50，95% CI 1.32，1.70）、基本生活活动（BADL）限制（OR = 2.22，95% CI 1.68，2.95）和日常生活工具活动（IADL）限制（OR = 2.01，95% CI 1.72，2.36）与 LBP 独立相关。在短睡眠中，伴有 BADL（OR = 3.03，95% CI 1.97，4.67）和 IADL（OR = 1.94，95% CI 1.53,2.45）中，倍增相互作用显著;在长睡眠中，BADL（OR = 2.54,95% CI 1.41、4.56）和 IADL（OR = 1.62，95% CI 1.20，2.18）均显著。在 ≥60 岁成人中，短睡眠和 BADL 显示加成协同效应（RERI = 2.81，AP = 0.56，S = 3.32），而长睡眠与 IADL 则表现出拮抗（RERI = -1.30，AP = -0.68，S = 0.41）。因此，需要纵向研究以确定因果关系和有针对性的干预。
3.GBD 数据库：
优势：
-
全球覆盖+长时间跨度
-
完整的疾病负担指标体系
-
骨科疾病分类精细
劣势：
-
无个体水平的数据
-
无治疗、医疗资源信息
-
部分低收入国家数据依赖模型推断
-
无法捕捉快速政策变化
适合研究方向：
-
趋势分析
-
归因分析
-
未来预测
-
国家比较分析
GBD 数据库骨科方向典型案例一：流行病学趋势
标题：Global, regional, and national burden trends of spinal fractures from 1990 to 2021: a population-based study
研究方法：该研究数据来源于全球疾病负担（GBD）2021 数据库。采用多种分析方法，包括趋势分析、相关分析、年龄-时期队列分析、前沿分析、健康不平等分析和预测分析，以探讨与脊柱骨折相关的疾病负担的现状和趋势。结果显示，1990 年至 2021 年间，全球脊柱骨折的年龄标准化率（ASR）呈下降趋势，预计未来这一趋势将持续。然而，脊柱骨折病例的绝对数量稳步上升。自 2018 年以来，年龄标准化患病率和残疾生存年限的下降速度放缓。2021 年，全球新增脊柱骨折病例为 749.75 万例，现有患者为 537.14 万，累计残疾寿命达 54.6 万年。不同地区观察到显著的疾病负担不平等，随着社会人口指数（SDI）的上升，负担显著增加。高 SDI 地区和国家面临最严重的疾病负担。60 岁以下人群的 ASR 依然偏低，男性的 ASR 和实际病例均高于女性。60 岁及以上人群 ASR 显著上升，女性超过男性。ASR 显示出不同性别和年龄组的整体下降趋势，但男性的绝对不平等比女性更大。此外，跌倒、其他机械力暴露和机动车道路伤害是脊柱骨折的主要原因。
GBD 数据库骨科方向典型案例二：风险归因
标题：The global, regional, and national burden attributable to low bone mineral density, 1990-2020: an analysis of a modifiable risk factor from the Global Burden of Disease Study 2021
研究方法：基于 GBD 2021 数据库分析 40 岁以上人群低骨矿物质密度对跌倒骨折负担和其他类别伤害负担的影响的最新全球、区域和国家估计。通过将观察到的标准化股骨颈骨矿物质密度分布与特定年龄和特定性别的反事实分布进行比较来计算低骨矿物质密度的人群归因分数。2020 年，全球 40 岁及以上人群骨密度低导致 8.32 万 YLDs、1720 万 DALY 和 477,000 死亡。1990—2020 年间，全球 YLDs、DALYs 和低骨密度死亡分别增加了 91.8%、89.8% 和 127.1%。在此期间，全球因骨矿物质密度低而导致的 YLD、DALY 和死亡率的年龄标准化率略有下降。2020 年，低骨密度占所有跌倒 YLDs 相关负担的 26.6%（23.2-28.7），DALY 的 25.6%（22.1-27.4）和死亡的 40.6%（35.4-44.0）。在所有与道路伤害相关的负担中，12.6% （10.8-13.5） 的 YLD、6.3% （5.4-6.9） 的 DALY 和 8.9% （7.6-9.6） 的死亡归因于骨矿物质密度低。在男性中，道路伤害占 40-59 岁人群骨矿物质密度低导致的 DALY 的最大比例，在 40-64 岁人群中死亡的比例最大。在女性中，道路伤害是 40-44 岁人群骨矿物质密度低导致 DALY 的主要原因，也是 40-54 岁人群骨矿物质密度低导致死亡的主要原因。在男性和女性的老年群体中，跌倒是导致骨矿物质密度低导致负担的主要原因。
4.SEER 数据库
优势：
-
大样本量+人群代表性强
-
标准化的肿瘤登记数据
-
长期随访与生存终点可靠
-
适合卫生政策分析
劣势：
-
不包含非肿瘤的骨科疾病
-
缺乏详细的临床与治疗细节
-
存在信息偏倚与混杂
-
骨转移定义依赖编码准确性
适合研究方向：
-
原发性骨恶性肿瘤流行病学
-
预后因素分析
-
骨转移癌的生存预测模型
-
卫生服务研究
SEER 数据库骨科方向典型案例一：机器学习
标题：Machine learning for synchronous bone metastasis risk prediction in high grade lung neuroendocrine carcinoma
研究方法：骨转移（BM）在高级别肺神经内分泌肿瘤（NETs）中很常见。该研究旨在利用多种机器学习算法，探讨这些患者骨转移的重要因素。从 SEER 登记处提取了被诊断为NETs 的患者。计算了年龄标准化发病率（ASIR）。所有患者被随机分为训练队列和验证队列（8：2）。使用了八种机器学习算法构建训练队列同步 BM 的预测模型，并选定了最优模型进行进一步验证。使用 Shapley 加法解释（SHAP）来解释每个变量在最优模型中的重要性。此外，进行了 Kaplan-Meier（KM）生存分析以评估同步排便患者的生存情况。2010 年至 2021 年间，SCLC的 ASIR 发生率下降（每 10 万人年 1.52 至 1.16，APC-2.3，95% CI-3.3 至 1.3，P < 0.001），LCNEC未发现显著变化。采用十折交叉验证开发的随机梯度增强（GBM）模型，在训练和验证队列中均显示出最佳预测价值。SHAP 分析显示肝转移影响最显著。骨转移患者癌症特异性中位生存期为 8 个月。LCNEC 与 SCLC 之间未发现生存差异。 所选的 GBM 模型有助于识别高级别 NET 患者中高风险患者。
SEER 数据库骨科方向典型案例二：生存分析
标题：Survival profiles and associated factors for overall and cancer specific survival in patients with chondroblast and fibroblastic osteosarcoma
研究方法：该研究旨在比较软骨母细胞性骨肉瘤和成纤维细胞性骨肉瘤患者之间的总体生存期（OS）和癌症特异性生存期（CSS），并识别这些亚型的预后风险因素。从 SEER 数据库中提取了 723 名软骨母细胞性骨肉瘤或成纤维细胞性骨肉瘤患者的临床和人口学数据。使用 Cox 比例风险模型评估这两种骨肉瘤与 OS 的关联，而 Cox 风险模型则评估 CSS，并在无加权和逆概率治疗加权（IPTW）样本中对协变量进行了调整。后续的单变量和多变量分析识别出每种亚型特有的预后因子。使用未加权或加权样本，未观察到两种病理骨肉瘤与 OS 和 CSS 关联的统计学上显著差异。对于软骨母细胞骨肉瘤，OS 与 ≥30 岁年龄、非西班牙裔黑人种族、首发癌症、原发部位、T2-4 分期、M1 分期、化疗和手术显著相关 OS. CSS≥30 岁、T2-4 分期、M1 分期及手术相关因素。在成纤维细胞性骨肉瘤患者中，OS 与原发部位 M1 分期及放疗和手术显著相关。CSS 与原发部位 T2-T4 和 TX 分期、N1 和 M1 分期，以及放疗和手术相关。本研究展示了软骨母细胞和成纤维细胞骨肉瘤患者的生存曲线。纤维成细胞性骨肉瘤患者的 OS 或 CSS 与软骨母细胞骨肉瘤患者相比，均不优于患者。 识别出多种预后不良的风险因素，可用于完善治疗方案。
5.MIMIC 数据库
优势：
-
临床数据丰富
-
存在多种共病数据
-
标准化且结构化的电子病历
-
支持多种高级分析方法：多变量分析、倾向性评分匹配、时间序列分析等
劣势：
-
仅限 ICU 住院患者，存在严重选择偏倚
-
缺乏骨科核心专科数据
-
骨科诊断依赖 ICD 编码，可能存在错误分类
-
无患者报告结局
适合研究方向：
-
预后因素分析
-
机器学习模型构建
-
关联性分析等
-
围手术期镇痛策略与不良事件
MIMIC 数据库骨科方向典型案例一：倾向匹配分析
标题：Relationship between antibiotic use and mortality in critical care patients undergoing hip and knee arthroplasty: A propensity score matching analysis
研究方法：该研究旨在探讨接受髋关节和膝关节置换手术的重症监护患者使用抗生素与死亡率之间的关系。分析了 MIMIC-IV 数据库中的患者数据，1039 名患者接受抗生素治疗，514 名未接受抗生素治疗。倾向评分匹配后，每组包含 382 名基线特征相似的患者。抗生素使用未显著降低 90 天死亡率（RR = 1.25，95% CI = 0.83-1.89）、30 天死亡率（RR = 1.10，95% CI = 0.96-1.51）及住院死亡率（RR = 1.11，95% CI = 0.66-1.86）。也未影响住院时间（平均 6.53 天对 5.92 天，P=0.10）或 ICU 住院时间（平均 1.69 天对 1.64 天，P=0.19）。生存分析显示两组之间没有统计学上显著的差异。二元逻辑回归分析将体重（OR = 0.98，95% CI = 0.97-0.99，P < .01）、SAPS II 评分（OR = 1.05，95% CI = 1.04-1.07，P <0.01）和 Charlson 共病指数（OR = 1.14，95% CI = 1.03-1.26，P = 0.01）为 90 天死亡率的独立风险因素。总之，在接受髋关节和膝关节置换手术并入住 ICU 的患者中，抗生素使用未影响死亡率或住院时间。
MIMIC 数据库骨科方向典型案例二：关联分析
标题：Association between oxycodone-acetaminophen use and acute kidney injury in patients with lower extremity fractures: A retrospective cohort study
研究方法：急性肾损伤（AKI）患者的死亡率较高。使用羟考酮-对乙酰氨基酚与 AKI 发病之间的关联仍然难以确定。探讨了羟考酮-对乙酰氨基酚的使用与下肢骨折住院患者 AKI 发展之间的关联。采用了 MIMIC-IV 数据库，研究了下肢骨折患者的 AKI 发生情况。收集了住院后 48 小时内羟考酮和对乙酰氨基酚的给药情况。采用逻辑回归方法分析两组之间的结果，同时调整多个模型。结果通过分层分析和敏感性分析进行可靠性评估。我们进行了一项回顾性队列研究，涉及 2801 名下肢骨折患者，其中包括 339 名羟考酮-对乙酰氨基酚使用者和 2462 名非使用者。总体感染率为 65.6%（1844/2801）。控制混杂变量后，羟考酮-对乙酰氨基酚的使用与急性肾上腺炎风险增加 38% 相关（风险比 =1.38，95%置信区间 =1.02-1.87，P<0.038）。亚组分析显示了类似的关联模式，所有交互作用的 P 值均为 >0.05。住院后 48 小时内使用羟考酮-对乙酰氨基酚，可能会增加下肢骨折患者急性肾上腺功能障碍（AKI）的风险。然而，还需要更多随机对照试验来阐明这一关系。
总结
在骨科公共数据库研究中，NHANES、CHARLS 、 GBD、SEER 和 MIMIC 数据库各具独特价值与不可替代的定位：如 NHANES 擅长揭示个体层面的生物学机制，适用于探索骨骼健康相关的生理与代谢通路；CHARLS 聚焦中老年人群的社会与制度环境，擅长解析家庭、政策与生活方式对骨科结局的影响；而 GBD 则立足全球视野，提供长期、可比的疾病负担趋势，支撑宏观健康战略分析；SEER 数据库适用于揭示肿瘤相关骨病的长期真实世界结局；MIMIC 数据库独特优势在于刻画骨科急症危重症化的动态临床过程。因此，选择合适的数据库，本质上是匹配科学问题的尺度与层次，从分子机制到个体行为，从中观社会结构到宏观流行趋势，再到肿瘤预后与危重症路径，唯有精准对接问题维度与数据禀赋，方能实现从有数据到有洞见的科学跃迁。
评论列表