查看原文
其他

惊了!论文要多,发量要少,人人都有晋升梦!这群医生晋升又卷出新高度!

解螺旋 解螺旋 2022-05-29


解螺旋公众号·陪伴你科研的第2935天


SCI白嫖新卷法


万物皆可内卷,尤其在医院。医院的内卷名场面往往和晋升密切相关,众所周知,医生的职称晋升不仅是个人医疗技术和科研水平的反映,更决定了医生的未来。

现在的医生一旦进入临床后,也意味着加入一场内卷狂欢。今天我们就来谈一下医生「晋升」的卷法,一起来看看,医生在晋升过程中的新卷法?

学历新卷法:

现在的医生在卷学历上这件事上,从不敢懈怠。

毕竟,在学历贬值的今天,本科生沦为了“遍地都是”的存在,名校生扎堆小城市,2022年博士生招生突破13万大关,在读博士将达到56万。

更何况,医院里的学历内卷是出了名的,他们说自己学历内卷第二,其他行业不敢称第一。

相比较之下,20多年前,好的医学院校出来的本科生有机会进省级大医院,现在本科毕业出来多数去了乡镇卫生院或者是社区医院,一线三甲医院招聘普遍博士门槛起步,土博一不小心还会被洋博比下去,想要晋升博后也必须安排。

现在的医学生本科毕业几乎默认考研选项,研究生还没毕业就开始考虑要不要读博。

当然,同样是卷学历,如果你卷的方式稍有不慎,10年后你就会发现一个奇妙的现实:

你本科成绩中下的同学,大五发愤图强,考研二战成功上岸,后来顺利转博留院工作,已经开始评副教授。

而你一路保持学霸姿态,本科毕业不幸考研失利后,去一家医院规培了几年,期间执业医生资格证考了好几次才通过。

规培结束,工作两三年后再度考研成功,后来又顺利读博,35岁才毕业,远离导师,进入一家没有任何熟人的医院,好在生活终于有了点起色。

然后你慢慢意识到,医院的学历内卷现状已演变成同等学历之下,拼的反而是个人选择。

发量新卷法:

当你好不容易苦读十多年的书,几乎花光了家里的所有积蓄,来到梦想中的宇宙三甲医院,心想终于可以大展身手。

不曾想,刚进来你茂密的头发就出卖了你,原来,头发的密度,决定病人对你的信任程度,并不是一个段子。

就在前几天,00 后小伙因总被患者质疑医术,于是将自己的头发全部剃掉这件事还登上了微博热搜!

原来年轻医生扮成熟已经不够用了,自觉用人为手段将自己变秃头,这样才能让患者放心你的医术,让周围人对你多一分客气,工作才能顺利展开。

很快你的压力真的变大了,头发也真的变少了。秃头成为了大家共有的痛楚。


主任新卷法:

几乎每个医生都收到过朋友突然的关心:等你工作个几年,当个主任妥妥的吧?

而这时你只能只裹了裹单薄的白大褂,回答他:“等我睡上一觉就可以,毕竟梦里什么都有。”

从实习熬到住院医、再熬个主治,接下来就主治熬副高,最后少数人“修成正果”熬成正高,甚至当上主任。

这个过程的艰辛,只有医生自己知道。评职称并不是一件简单的事情,医生晋升职称与医生的学历、发表论文数量等级、工作年限及医学职称晋升制度有关。

如今,如果你想晋升主任,就一定要做好为此奋斗半辈子甚至一生的准备。而就算你上来就想躺平,并不想做主任,身边人也会用实际行动提醒你:不想当主任的医生不是好医生。

整个竞争激烈的环境也会促使你不得不断提升医术,想着赶紧发几篇论文,不然最后连做个普通医生的资格都没有。在这种人人都争当主任的环境下,你感觉自己躺平了实际上又没躺平。

论文和国自然还没拿下,随后,你就发现科室卷主任的程度越来越离谱, 70% 都是主任级的,3个主任, 5个副高, 2 个主治,只有你是住院医,就这样你被卷没了。

论文新卷法:

对医生来说,从住院医师、主治医师、副主任医师到主任医师,职称的晋升堪比经历九九八十一难。

当医生越老越吃香的说法,只是一种表象。因为医疗作为一个技术密集型产业,医生的核心竞争力在于诊疗水平,不是年龄,而晋升的核心归根结底论文。

就拿从副主任晋升到主任的标准来说,医生需要:

副主任工作满 5 年 + 发表一个专著 + 主持厅局级课题 2 项 + 省级科研课题 1 项 + 国家级科研课题 1 项 + 发表论文 5 篇 + 通过计算机考试和英语考试。
(*数据来源:中华人民共和国卫生部《临床医学专业中、高级技术资格评审条件(试行)》)

如果你手里没论文,最残酷的现实莫过于,别人靠卷论文节节高升,你只能在临床兢兢业业一辈子,因没有一篇论文,始终等不来一个主治。

眼瞅着隔壁老王又发了论文,又晋升了,而自己光是应对临床工作就花费大部分时间与精力了!

你内心不免疑惑重重,于是向他们请教如何搞科研。

这才得知老王早靠白嫖数据库发了好几篇SCI,而靠公共数据库挖掘发SCI根本没有自己想象中的那么难,甚至不用整天趴那查病例,连实验都不用做就能发。

这时你顿悟:在医院,就连发SCI也要有自己的卷法!

虽然,你知道了白嫖数据库的新卷法,但课题和代码经验薄弱的你,只能空怀着发文热情,却没有更系统、更科学的手段付诸行动。

这时候,解螺旋的力荐的两大公共数据库白嫖方案就派上用场了。

方案一:SEER数据库挖掘

临床医生没时间,没数据,没文章?SEER 肿瘤数据库你一定要了解下,作为资深的老白嫖党,能不花钱、足不出户就能快速发表文章的机会我绝对不允许你错过,现在我就给在座的各位介绍一个可以免费白嫖的数据库——SEER(The Surveillance, Epidemiology, and End Results)。

啥是seer数据库?

图片来源:网站截图

SEER 数据库是由美国国立癌症研究所于 1973 年建立,是美国常用的癌症数据库,里面包括各式各样的肿瘤类型,如肺癌、乳腺癌、胃癌、结直肠癌、前列腺癌等等。

主要提供了各式各样的临床资料,如性别、年龄、TNM 分期等。

我初步摸索了一番后,发现 SEER 数据库的魅力超乎我的想象。

当我小手一抖点进PubMed,检索标题为「SEER」的近五年文章时,总共检索出6869篇,从「下方截图」可以看出,每年发表的论文数量都在增加,SEER数据库数据分析可以说是发表SCI论文的最为快速的途径之一。

图片来源:Pubmed

与此同时,相比于纯生信文章,seer数据库的相关论文现在已不再是低分灌水的代名词,近年来,有众多5-8分的seer数据相关文章发表,且涵盖了几乎所有专科和部位的类型。

既然 SEER 数据库这么香,我们该怎么通过白嫖它发表文章呢?我试吃了下,白嫖步骤大致包括以下五步:

  • 获取数据库的使用权限

  • 下载专用软件——SEER*Stat

  • 解锁软件常用功能

  • 数据的提取与导出

  • 数据的处理与分析


篇幅有限,我就不在此给大家演示白嫖的基本操作。

说来容易做起来难,这才只是开启了万里长征的第一步。大家也都知道医生平时有多忙,没时间不说,一个人单打独斗是很难解决数据分析、统计难题、落实课题写作的。

想要抓住这次白嫖发文章的机会,看来你还是要解螺旋一站式助力。

哪里有需要就出现在哪里,针对有急需快速发表SCI论文的医学研究生及临床工作医生,解螺旋此次推出了SEER数据库服务,手把手带你开启“无中生有”发SCI之旅。

医学人如何抓住SEER数据挖掘新机遇?

首先,我们会带你开启SEER数据库注册以及使用指导第一步,其次,我们会是助力你搞定最为关键核心的问题,例如点拨选题思路,提供一站式数据分析服务,帮你横扫统计分析学习难题。再次,我们会提供贴心的写作、绘图等指导。

最终,做到为你的文章发表保驾护航。

以下就是具体的落地实操步骤,而你只需要做对以下6点就能快速搞定SCI。


【落地合作步骤】

1. 你需要提供一个edu邮箱的账号和密码,发给米粒老师;然后我们启动帮你们注册SEER数据库账号;


2. 然后我们开始文献调研工作,帮你确定具有发文潜力的选题;


3. 选题分配给你之后,我们会启动标准化的下游数据分析;


4. 当你参加我们开设的作图训练营,我们会为你提供跟最终交付产品接近的套路的模拟数据,你自己学会拼图、图片格式修改、美化等基本技能;


5. 你参加我们开设的写作训练营,我们提供跟最终交付产品接近的套路的模拟数据,然后,你按照我们的规定完成写作的训练;


6. 最终,我们将分析完的产品交付给你,你就可以直接开始作图和写作了。




总之,这个快速发文的白嫖路径已帮你安排的明明白白,完全可以避免你浪费时间试错。

这条看似简单的合作路径集结了解螺旋很多年来的课题落地经验和很多学员发文成功案例。所以,SEER数据库在手,解螺旋伴随左右,SCI成功发表根本不是梦!

你能不能参与?注意啦!该服务提供方向有:胃癌,卵巢癌,宫颈癌,食管癌,甲状腺癌。

看完发现我们的方向一致,你又对SEER数据库服务感兴趣,那一定要抓住这个发文机遇!

扫描下方二维码,即刻了解详情


方案二:TCIA影像组学数据挖掘

除了通过白嫖SEER数据库帮你快速高效发文,解螺旋再次为大家指路另一个宝藏白嫖路径——TCIA影像组学数据挖掘。

先来说说啥是影像组学?

它是一个新兴的方法学,能够帮助医生做临床诊断与治疗,目前,还在飞速发展中。

通俗来讲,就是你看片子,依靠肉眼识别,只能辨别出几个特征,比如肿瘤的大小、位置、形状等,而影像组学可以在一张片子中筛选出来上百种、甚至上千种特征!

再通过筛选,确定最重要的几十个特征,从而进行疾病的诊断、分型、治疗反应与预后情况的预测。

影像组学目前是大家公认的可以不做实验,快速发文的蓝海,你只需要利用科室常年吃灰的影像数据,就有机会逆袭。

它的神奇之处就在于不做实验,仅靠TCIA公共数据挖掘,也能在3个月成功发一篇3~5分SCI,甚至还可以申请国自然。

现在很多同行都还没发现这个捷径,暂未踏入这片发SCI的蓝海,竞争力约等于无呀!

最可喜的是,它门槛不高,我等普普通通的医生、医学生都可以入局!无论你是不是影像科医生,手里有没有片子都可以发!

秉承实证态度,一起看看它真的可以帮我们快速发SCI吗?小手一滑,打开Pubmed,输入“Radiomics”[Title/Abstract]。

图片来源:Pubmed

结果显示:从2021/12月开始,影像组学在所有疾病中发表文章数仅4956 篇,在癌症研究领域,仅2021篇,这发文量可太少了,暗自窃喜,机会来啦!

并且用影像组学这个方法发的文章很受期刊认可,不乏有人在这个领域发高分SCI!

图片来源:Pubmed

而且它属于original article,不管职称晋升、成果认定都能派上用场,不是综述、个案、meta分析等题材,它可以解决你的晋升刚需!妥妥的宝藏研究热点了。

科研小白如何白嫖TCIA数据库?

综上所述,既然影像组学那么有潜力,如何利用TCIA影像组学快速发SCI呢?你需要具备哪些条件呢?如下表所示:

基本流程基本条件
课题设计良好的课题设计决定了文章的高度;
影像获取需要有权限获取DICOM原始格式的影像;需要满足科研要求,包括影像的质量与数量
感兴趣区域勾画需要影像专业知识以识别病灶;需要一定的时间和精力对病灶区域进行逐层勾画
临床资料收集需要对临床指标与随访信息进行收集与整理;需要人力、物力的支持
分析方法包括影像组学特征提取、筛选与模型建立、评估等;需要有python、R语言等基础,具备编写代码与调试算法的能力;

请自行参照这张影像组学入场券上的标红规则,对号入座。问题来了,你无法达到以上指标???

当你想大展身手之时,你所在的医院,影像科不开放图像获取权限,无人力收集临床指标,那是不是意味着你无法入局了呢?

那就直接利用白嫖通道——TCIA数据库入局,很多人还不知道这个数据库,它是癌症研究的医学图像的大规模公用数据库。

借助这个数据库就能“打开”到各大期刊的眼球,奠定国自然前期基础,可以说这个数据库,既是拯救“三无医学人”的突破口,又是机遇,千万不要错过!

它的功能有多强大呢?

首先,它病种丰富,资料全面,有术前或治疗前的影像数据,还有不同时间点的随访影像,更有对应的临床资料,如肿瘤大小、病理指标、死亡信息等等。

你可以用它来做生存分析,还可进行临床指标的关联性分析,可探索性空间MAX。你也可以结合自己中心的数据集,将TCIA作为建模或者验证数据集。

总之,你要的它都有,你不需要的它也有。

对于大部分医生而言,TCIA虽然是影像组学修仙的捷径通道,但它并不是没有任何门槛。

你在使用时一定会遇到这样的问题:影像数据来源与扫描方案不同,用于影像组学研究前需要图像预处理;影像质量参差不齐,需要挑选评估。

很多人就被困在这里,但是,作为目前性价比最高的研究,它值得你花时间克服眼下的问题。

为了帮大家把握这个难得的发SCI弯道超车的机会,解螺旋决定来拯救大家了,TCIA影像组学一站式挖掘服务已经敞开大门在等你!想要乘风破浪晋升的各位,看过来哈!

以下是我们的服务规则介绍,一起来看看我们可以帮你解决哪些问题?


如图展示,我们为你定制了一整套的课题落地服务,解决发文过程中你会遇到的各种疑难杂症。如果你还想深入了解该服务流程,那快来和我一起提前感受科研成果一步又一步落地的充实。


【服务流程】• 1选题辅导;• 2.用户从解螺旋提供的列表中选择一个具有发表潜力的候选分子(已做过文献调研和批量筛选);• 3.DICOM图像数据下载、筛选;• 4.专业影像科团队的靶区勾画(双人、双盲)、审核;• 5.基于Python的影像组学特征提取;• 6.影像组学标准化分析流程(提供数据量大于3-5分案例文献的工作量);• 7.联合TCGA数据的生信分析(赠送,由课题辅导人员制定安排);• 8.作图、写作、投稿、期刊推荐辅导;

该服务提供方向如下:

OV、KIRC、LGG、GBM、LIHC、BRCA、BLCA、HNSC
卵巢癌、肾癌、低级别胶质瘤、高级别胶质瘤、肝癌、乳腺癌、膀胱癌、头颈鳞癌

最后,@所有对论文的手足无措又急需发论文晋升或毕业的医生和医学生,一定要抓住这次白嫖公共数据库发文的秘籍哦,改变现状就趁当下!

通过这项服务你可以实现什么?

01

成功发表影像组学相关的SCI√

02

拥有自己中心的影像数据库,持续发SCI√

03

结合基础研究的课题设计,成功中标国自然√

04

成为精通医工结合课题设计的影像组学达人√


如何申请该服务?


扫描下方二维码,即刻改变现状



END

撰文丨解螺旋
排版丨豨莶


近40名专家的集体跳槽去郑大一附院被省卫健委叫停!可网友们却力挺跳槽专家!


学校门口打印店老板,毕业生都要喊导师!


有什么书推荐给医学生医生看?(第四期)


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存