劝你用 DeepSeek 这样读文献，知道的已经提升科研效率 200%

生物学霸 · 公众号 · 生物 · 2025-03-17 17:50

正文

来源：丁香科研

随着 DeepSeek 的爆火，各行各业都出现 DeepSeek 的身影。在科研方面， DeepSeek 能辅助进行文献的筛选、分类、聚类、阅读，便于研究人员系统地梳理研究领域的发展脉络和热点趋势。在文献阅读过程中， DeepSeek 凭借其强大的自然语言处理能力和深度学习算法，能够自动解析文献内容，快速提取关键信息，如摘要、研究方法、主要发现和结论等，极大地缩短了手动阅读和理解文献的时间。对于涉及多项前瞻性队列数据、复杂统计分析的文献， DeepSeek 能够帮助研究人员迅速把握研究的核心内容和创新点。借助 DeepSeek ，文献阅读变得更加高效、精准。接下来，笔者通过一篇文献带大家体验一下。

（操作指令 Step1 ：上传文献。）

图 1 上传文献

图片来源：DeepSeek 截图

图 2 文献基本信息

图片来源：Pubmed 搜索截图

（操作指令 Step2 ：文献题目、作者、单位、发表杂志、发表时间、影响因子等信息。）

英文题目：Changes in frailty and incident cardiovascular disease in three prospective cohorts

中文题目：衰弱状态的变化与心血管疾病发病风险的关系：基于三个前瞻性队列的研究

作者：Di He, Zhaoping Wang, Jun Li, Kaixin Yu, Yusa He, Xinyue He, Yuanjiao Liu, Yuhao Li, Ruiyi Fu, Dan Zhou, Yimin Zhu

单位：

1、浙江大学医学院附属邵逸夫医院流行病学与生物统计学系、呼吸疾病科

2、浙江大学医学院公共卫生学院及第二附属医院健康科学大数据系

3、浙江大学医学院第二附属医院临床大数据与分析中心

4、浙江大学癌症中心

发表杂志：European Heart Journal，心血管领域的顶级期刊，影响因子为 37.6

发表时间：2024 年 1 月 18 日

关键词: 衰弱（Frailty）、心血管疾病（Cardiovascular disease）、动态变化（Dynamic nature）、流行病学（Epidemiology）

文献摘要：

该研究通过三个前瞻性队列（CHARLS、ELSA、HRS）探讨了衰弱状态的变化与心血管疾病（CVD）发病风险的关系。研究发现，衰弱状态的进展会增加CVD的发病风险，而衰弱状态的恢复则会降低CVD的发病风险。研究结果表明，衰弱是一个潜在的可调控的心血管疾病风险因素。

研究意义：

该研究首次系统性地探讨了衰弱状态变化与CVD发病风险的关系，强调了衰弱状态动态变化对心血管健康的重要性，并为心血管疾病的预防和管理提供了新的思路。

笔者评价：内容适用于 Endnote、Zotero 等文献管理软件构建数据库，并概要总结文献主要内容。

（操作指令 Step3 ：对该文献写一篇读书笔记，字数：有或者无。PS：字数是否有限制，生成的内容不一样。）

文献读书笔记

1、研究背景与目的

随着全球人口老龄化的加剧，衰弱作为一种常见的老年综合征，逐渐成为公共卫生领域的重要问题。衰弱是指由于多个生理系统储备减少，导致个体对外界压力的脆弱性增加的状态。已有研究表明，衰弱与多种不良健康结局相关，如跌倒、残疾和全因死亡率等。近年来，衰弱与心血管疾病的关系也引起了广泛关注，尤其是在老年人群中， CVD 的发病率和患病率随着年龄的增长而显著增加。尽管已有研究发现衰弱是 CVD 的重要风险因素，但这些研究大多仅关注基线的衰弱状态，而未考虑随访期间衰弱状态的变化。研究衰弱状态的变化与 CVD 发病风险之间的关系，对于心血管疾病的预防和管理具有重要意义。

因此，本研究旨在通过分析三个前瞻性队列（中国健康与养老追踪调查 CHARLS 、英国老龄化纵向研究 ELSA 和美国健康与退休研究 HRS ）的数据，探讨衰弱状态的变化与 CVD 发病风险之间的关系。研究假设是：衰弱状态的进展会增加 CVD 的发病风险，而衰弱状态的恢复则会降低 CVD 的发病风险。

2、研究方法

本研究使用了 CHARLS、ELSA 和 HRS 三个前瞻性队列的数据。研究基线分别设定为 CHARLS 的 2011 年、ELSA 的 2004~2005 年和 HRS 的 2006 年。第二次调查分别在基线后两年进行，用于评估衰弱状态的变化。随访时间截至 2018 年，期间记录了 CVD 的发病情况。

图3 研究人群的选择过程

图片来源：文献截图

衰弱状态通过 Rockwood 衰弱指数（FI）进行评估，FI 是基于多个与年龄相关的健康缺陷的累积计算得出的。FI 的范围为 0 到 1 ，数值越高表示衰弱程度越高。根据 FI 的数值，衰弱状态被分为三类：健康（FI ≤ 0.10）、衰弱前期（0.10 < FI < 0.25）和衰弱（FI ≥ 0.25）。衰弱状态的变化通过基线和第二次调查的衰弱状态进行评估。

CVD 的发病通过自我报告的医生诊断的心脏病（包括心绞痛、心肌梗死、充血性心力衰竭和其他心脏问题）或中风来确定。

统计学方法：研究使用 Cox 比例风险模型计算风险比（HR）和 95% 置信区间（CI），并调整了潜在的混杂因素，如年龄、性别、婚姻状况、教育水平、吸烟状况、饮酒状况、体力活动水平、体重指数（BMI）、糖化血红蛋白（HbA1c）、收缩压（SBP）、高密度脂蛋白胆固醇（HDL-C）和 C 反应蛋白（CRP）等。

3、研究结果

（1）研究共纳入了 CHARLS 的 7,116 名参与者（女性占48.6%，平均年龄57.4岁）、ELSA 的 5,303 名参与者（女性占57.7%，平均年龄63.7岁）和 HRS 的7,266名参与者（女性占 64.9%，平均年龄 65.1 岁）。中位随访时间分别为 CHARLS 的 5.0 年、ELSA 的 10.7 年和 HRS 的 9.5 年。

图4 参与者的基线特征

图片来源：文献截图

（2）研究结果显示，与保持健康的参与者相比，从健康状态进展为衰弱前期或衰弱状态的参与者，其 CVD 发病风险显著增加（CHARLS：HR = 1.84，95% CI：1.54–2.21；ELSA：HR = 1.53，95% CI：1.25–1.86；HRS：HR = 1.59，95% CI：1.31–1.92）。相反，与保持衰弱状态的参与者相比，从衰弱状态恢复为健康或衰弱前期的参与者，其 CVD 发病风险显著降低（CHARLS：HR = 0.62，95% CI：0.47–0.81；ELSA：HR = 0.49，95% CI：0.34–0.69；HRS：HR = 0.70，95% CI：0.55–0.89）。此外，从衰弱前期恢复为健康状态的参与者，其 CVD 发病风险也显著降低（CHARLS：HR = 0.66，95% CI：0.52–0.83；ELSA：HR = 0.65，95% CI：0.49–0.85；HRS：HR = 0.71，95% CI：0.56–0.91）。

劝你用 DeepSeek 这样读文献，知道的已经提升科研效率 200%

正文

请到「今天看啥」查看全文