医学sci论文怎样发表才不会影响工作？

　医学sci论文怎样发表才不会影响工作？国内很多医生目前都背负着临床和科研两个重担。由此，艾德思给您总结以下详细内容介绍，希望能帮到您！

　小编最近看到一条评论感触颇深，迫切想分享给大家：

　　“不会做科研的医生是一个走不远的医生。”

　　为什么会走不远?放眼三十多年前，咱父母那一代的临床医生，数篇中华牌论文就能晋升副高。

　　而如今，想要进优秀三甲医院争当廉价劳动力入站规培都必须手握SCI论文，更不要说晋升副教授、教授、主任医师等职称，没有SCI论文是“寸步难行”!

　　就算想听到同行夸一句“牛逼”，那你也一定是Academic Physician，即学术型的临床医生，只会看病做手术是远远不够的，医疗、教学、科研样样优秀才算厉害。

　　所以，国内很多医生目前都背负着临床和科研两个重担。

　　那对于一个临床医生而言，兼顾好工作和科研到底有多难?

　　首先，临床医生没有时间和精力准备SCI论文。IQVIA对全国1000名临床医生工作强度进行调查，报告显示临床医生平均每周工作时间超过62小时，普外科、心胸外、ICU医生平均每周工作超过65小时，相对工作时间较少的科室也是平均每周56小时!

　　可以说医生的时间和精力都奉献给了病人，很多临床医生都感叹，“休息睡觉时间都是奢侈的”，实在是挤不出时间发SCI论文。

　　其次，自己发SCI论文漫长且不一定有回报，即使有时间也很少有人能坚持下去，因为人的本性是需要得到及时反馈才会有动力。

　　就好比大家熟悉的嗑瓜子，一粒瓜子从嗑出来到吃进去只需要几秒钟。也就是说几秒钟的时间，我们就可以得到嗑瓜子行为的反馈，持续嗑一小时你也不会觉得累，但是这一个小时如果用去做一件没有反馈的事，你会觉得度日如年。

　　同样，对于临床医生而言，做科研从调研启动到结束，要收集太多数据，尤其重症数据又少，周期耗时太长，而且不一定会有满意的结果。绝大多数人会半途而废!

　　当然也有人做到了，曾有一位令小编敬佩的院长，他是妇科医生，为了得到国家科研基金的支持，停下手术两年，专门去读文章，做科研积累，最终获得了国自然的支持，并以此为起点，不断获得更多的科研资助，做到了所在领域的国内领先地位。

　　但在停下手术的这两年内，他损失了什么，恐怕只有他自己才清楚。如果当时他没有拿到国家自然科学基金的资助，后果将不堪设想，重返临床第一线都将不能保证。这样的尝试，对一般的医生来讲，就是冒险。

　　所以，很少有人能拥有像院长一般孤注一掷的勇气，但是又不甘心彻底躺平，还是想要评职称，给自己和家人更好的生活。

　　今天小编就给大家强烈推荐MIMIC重症数据库，无需收集临床数据，无需好几年地漫长谋划，几个月就能得到有效反馈发SCI论文，赢过同科室的人!

　　1.MIMIC数据库是什么?

　　近些年来，分析数据的方式发生了令人瞩目的变化。大数据改变了很多行业利用数据的方式，医疗行业也不例外。

　　就比如MIMIC数据库，是面向全球科研人员公开的公共大型临床数据库，搜集了美国马塞诸塞州波士顿贝斯以色列女执事医疗中心收治的从2008 年至 2019 年超过 38 万名患者「其中 5 万余重症患者」的临床数据。

　　该数据库于 2012年首次发布MIMIC-II 1.0版本，在此后10年内进行了多次动态数据更新，最新版本为 2021 年 6 月发布 MIMIC-IV 2.0 。

　　MIMIC数据库详细记录了患者的人口统计学信息、实验室检查、用药情况、生命体征、手术操作、疾病诊断、药物管理、生存状态等详细信息，包含了多种类型ICU(外科监护室、内科监护室、创伤外科监护室、心脏病监护室、心外恢复监护室)的入住信息。

　　在 PubMed 数据库以关键词「MIMIC database」进行粗略检索，可以发现此数据库已经发表了 2937 篇文献。且每年的发文趋势都在上升，尤其是近几年突飞猛进，越来越多的学者开始发现这个“香饽饽”。

　　下面我们来看一篇学者基于MIMIC数据库做的研究实例。

　　2021年5月13日，刊登于BMC Pulmonary Medicine 中的一项回顾性研究利用 MIMIC IV 的大型重症监护数据库，来探究关于低氧血症患者早期拔管后HFNC的治疗效果和HFNC失败时再插管的预测因素。

　　研究共筛选出524,520份病历，纳入机械通气撤机时出现中重度低氧血症(100吸氧 (HFNC) 治疗的患者358例。分组为治疗组：接受HFNC治疗;对照组：接受NIV治疗。

　　患者拔管前4小时的HR/PaO2和HR/SpO2的AUC均大于ROX指数及RSBI。患者拔管后4小时的HR/PaO2和HR/SpO2的AUC均大于ROX指数。

　　研究结果显示，HFNC疗法的治疗效果不亚于无创通气 (NIV)，即使是在呼吸机脱机时氧合指数为160至180 mmHg 的患者。

　　这位学者没有去收集中重度低氧血症患者数据，仅利用MIMIC Ⅳ数据库已有数据，通过自己的分析照样发了SCI。

　　总而言之，在没有太多实验支持的情况下，公共数据库挖掘就是一个值得的选择

　　2.MIMIC数据库难点

　　MIMIC 数据库虽然是做科研的“利器”，但也不是随随便便就能拿来用的，对于新手来说，可能会存在以下三大难点：

　　1、数据库使用权限的获取

　　MIMIC数据库经常更新改版，注册要求也在不断变换，所以新手往往连注册这一关也难通过。如果没有拿到官方授权的数据权限，投稿期刊是不认可的!

　　2、数据的整理和清洗

　　MIMIC 数据库的数据量恒河沙数，且分布在不同的模块里。

　　core : 主要包含患者的住院信息「例入入院和转院」;

　　hosp: 医院级别的患者数据:实验室检查，微生物检查，药物处方等;

　　icu : 主要包含ICU的数据;

　　ed : 急诊室的数据;

　　cxr : 患者胸部x光检查数据;

　　note : 包含关于患者的一些注释。

　　从海量数据中提取出自己需要的，可以进行后续研究的数据，但绝不是一个小工程，一般都需要借助 Python 、R这样的软件才能完成，对于没接触过编程的临床医生来说，是个不小的挑战。

　　3、数据分析和文章撰写

　　其实用 MIMIC 数据库进行的临床研究和我们用普通的临床数据进行的研究没什么不同。MIMIC除了不需要自己收集数据，特别省事外，研究设计和数据分析方法上没有特殊之处。

　　难就难在，就算把数据“喂到嘴里”，对于很多临床研究方法学没整明白的医生朋友来说，也不知道如何分析这些数据库发SCI论文。

　　如果有一位精通挖掘 MIMIC 数据库的「老司机」，手把手带你挖掘 MIMIC 数据库，并且——

　　✓ 从注册开始一步步指导你如何下载、整合、清洗数据，获得一份可供后续分析的完整数据库。

　　✓ 再到如何挑选合适的数据进行分析，指导分析代码、作图、写作，完成一篇可以自信投稿的 SCI论文初稿。

　　✓ 最后还能指导你修改返修意见，直到成功发表。