要想顺利拿下SCI，就要掌握发文流量密码，毕竟卷的要命的领域你再一头扎进去，那不是自找苦吃！近期，GBD数据库可谓是热门参赛选手，高分文章数量那是相当可观啊！今天馆长带来的就是一篇高达24分GBD数据库文章，那么各位科研天命人可以集合了，打怪升级的时候到了！
在这个研究，作者以
PM
2·5
作为研究对象，
整合GBD数据库探讨了2000年至2019年与短期暴露于PM
2·5
相关的全球、区域和城市死亡率负担及其时空变化。
本文亮点一是着眼于“GBD”这个生信大热点，再进行系统的死亡率时空变化分析，定位优势直接拉爆；此外作者还通过敏感性分析、最小风险暴露水平、滞后效应和暴露-响应函数等方法验证了上述结果的稳定性
！
层层递进，严谨的让人想要报警！
Ps:文章原文信息已放至文末
（
ps：如果小伙伴们之前就有想利用GBD发表高分文章的想法，但不知如何下手，今天就有参照了，当然也可扫码联系馆长！一对一指导等着你！）
定制生信分析
生信服务器
加好友
备注“99”
领取试用
l
题目：与短期暴露于细颗粒物（PM
2·5
）相关的全球死亡率负担估计
l
杂志：
Lancet Planet Health
l
影响因子：IF=24.1
l
发表时间：2024年3月
研究背景
近年来，短时间（数小时至数天）接触空气污染对健康的不利影响已得到充分证明。
PM
2·5
是指一类空气动力学直径小于2.5µm 的细颗粒物，由于其无处不在和对健康的不利影响，引起公众的关注。此前，已有一部分学者探究了长期（每月或每年）暴露于PM
2·5
造成的全球死亡负担，但鲜少有学者关注短期暴露于PM
2·5
对相应的全球和区域死亡负担造成的影响。因此，
在这项研究中，作者整合GBD数据库探讨了2000年至2019年与短期暴露于PM
2·5
相关的全球、区域和城市死亡率负担及其时空变化。
数据来源
作者整合了GBD数据库，收集了2000年至2019年与短期暴露于PM2·5相关的全球、区域和城市死亡率负担相关数据。
研究思路
作者整合
GBD数据库
，收集了全球每日PM
2.5
浓度
估计值、年度人口统计、国家层面的
基线死亡率和流行病学数据
，
估算了2000—2019年全球、区域和城市的PM
2.5
短期暴露导致的死亡率，并用不同的理论测试了死亡率估计的稳健性。
主要结果
1.2000年至2019年全球PM2·5浓度的时空变化和年死亡率负担
首先，作者整合了GBD数据库，调查了2000-2019年间年均PM
2·5
浓度和每十年短期PM
2·5
暴露导致的年死亡率负担的时空变化，发现自2000年到2019年全球每年平均约有100万例死亡可归因于短期
PM
2·5
暴露，亚洲约占全球因该原因死亡的65.2%，其次是非洲和欧洲；东亚因短期暴露于PM
2·5
导致的死亡比例比全球平均水平高出50%以上，而美洲和北欧的相应比例约为全球平均值的60%；
在大多数地区，每10万人的PM
2·5
归因死亡人数的变化与归因死亡
比例的变化一致，但一些地区如在非洲，2000年和2019年的归因死亡比例相同，但归因死亡人数在这一时间段内大幅下降。
2.大陆和国家年累积死亡负担趋势分析
此外作者发现，在研究期间短期暴露于PM
2·5
的全球死亡比例略有增加，从2000年的1.99% 增加到2019年的2.06%，但北美和欧洲均持续下降（图2A-B)。此外因这一原因而导致的全球每年每10万人死亡人数从2000年的17人降至2019年的16人（图2C）。图3显示了2000年、2010年和2019年
PM
2·5
暴露导致的死亡率负担排名前10位的国家，其中中国在
PM
2·5
归因死亡比例方面一直排名第一；孟加拉国从2000年的第11位上升到2019年的第3位；印度从第15位上升到第8位（图3A）。
就每10万人中可归因于PM
2·5
的死亡人数而言（图3B），在2000年时尼日尔、乍得和马里归因于PM2·5的死亡负担显著高于2010年和2019年。
图2 2000-2019年各大陆区域因短期PM
2·5
暴露导致的年累积死亡负担趋势
图3 2000年、2010年和2019年短期接触PM
2·5
国家年死亡比例分析
3.2000-2019年各大陆区域和分区域城市年平均死亡负担分析
图4显示了2000年至2019年全球和区域城市地区因短期接触PM
2·5
而导致的年平均死亡负担估计数。作者发现城市地区每年约有0.23亿例死亡可归因于短期
PM
2·5
暴露，这些死亡占全球死亡总数的22.74%。此外城市地区因短期
PM
2·5
暴露而导致的死亡比例高于其对应的整体区域。最后作者进一步分析了2000年至2019年期间各种因素对PM
2·5
归因死亡率变化的贡献。研究结果表明人口增长是这些变化的重要驱动因素；基线死亡率的变化在很大程度上对PM
2·5
归因死亡率的变化有负贡献。
最后该团队采用不同的理论最小风险暴露水平、滞后效应和暴露-响应函数，使用国家一级死亡率计算的死亡率负担估计值与使用中国省一级和印度邦一级死亡率计算的死亡率估计值之间没有明显差异，验证死亡率估计的稳健性。
图4
