生信实操|深度好文，教你不做任何实验，仅用临床数据发SCI
对于很多临床的研究生来说，初入临床，没有实验基础，找不到课题的方向，即使有一颗上进的心，也只能一筹莫展。殊不知对临床这个专业来说，临床数据就是最大的实验数据库，一篇篇的SCI就摆在那里，等着你去挖掘。
今天小编给大家介绍一种前瞻型临床研究，只用临床数据进行分析就可以发表SCI。写这样的一篇文章前期只需思考一个问题——立意，即找到与患者生存相关的临床变量。这个变量可以是检验指标，影像学特征，亦可以是血液中的某种分子，如DNA，RNA或蛋白质等等。
发表这种前瞻性临床研究的文章，一般主要包含收集数据、处理数据和撰写文章三大部分，今天小编将着重介绍第二部分——处理数据。
第一部分：收集数据
1. 样本量：越大越好，对于仅仅有临床数据的文章来说，绝对是样本量越大越好，数据中心越多越好，至少要几百人，这样做出来的数据结果可信度会更好一些。
2. 基线资料类型：适量就好，结合相关文章确定具体类型。
当我们收集完成以后应该得到一个如下图所示的表格：
比如小编研究的是胰腺癌方向，因此在基线资料方面除了常见的年龄、性别、TNM分期、临床分期、病理分级、家族肿瘤史、生存时间和生存状态之外，还录入了糖尿病病史、慢性胰腺炎病史以及肿瘤部位等。大家可以根据自己的学科类型来确定，但有一个原则要遵守，即数据要全。此外，最重要的是要选定一个目标临床变量，这个是你这个文章的亮点，是什么因素和患者的预后相关，例如小编的数据可以做糖尿病既往病史和胰腺癌患者生存的相关性或者CA199的表达量和胰腺癌患者预后生存的相关性。
对于数据分析来说，小编更喜欢将数据转换为二分类变量，即0/1，或者1/2。但是对于一些特殊的肿瘤，像乳腺癌，肠癌等T分期比较均匀的，也可以用1，2，3和4来表示。
例如：年龄以60为分界线，1为≥60，2为<60，
当我们整理完以后可以得到这样一个表格：
第二部分：处理数据
接着，我们就可以进行分析，制作“三表一图”了。“三表”是基线资料表，Spearman相关性分析表，单因素/多因素COX回归表，“一图”是生存分析图，用到的软件是SPSS。
小编进行分析的立意是CA199的表达量和胰腺癌患者预后生存的相关性。
1. 数据导入
# 数据导入后要确定数据的最下方和最右方有没有空白项，有的话要删除。
2. 基线资料表的制作
导入数据后，按照如下步骤进行基线资料表的制作：
#对于计算出来的卡方值和对应的P值读取的时候有两种方法：1.直接看图中黄圈中的箭头，指在哪行就用哪个P值。2.看表最下面的注释，当预计值少于5的数据大于或等于50%的时候要读likelihood ratio，否则读Pearson Chi-Square值。
然后我们就能得出如下表1，基线资料表：
3. Spearman相关性研究表
完成基线资料表制作后，即可进行Spearman相关性分析，详细步骤如下：
然后将数据整理到表格中，就会得到表2：
4. 单因素、多因素COX回归分析表
接着是进行单/多因素COX回归分析。先进行单因素COX回归分析：
B:回归系数，SE:标准误，Sig.：P值，95%CI：95%可信区间。
做完单因素分析后，我们需要选几个变量进行多因素分析，最好是P值有统计学意义，这里可以将P值的范围扩大到0.1或0.5，对于一些与患者生存预后明显相关的因素（如临床分期，病理分级等），即便是P值没有意义也应该纳入多因素分析中。
随后，进行多因素COX回归分析：
然后我们就可以得出表3单因素/多因素COX回归分析结果。
5. 生存分析图
最后是进行生存分析，如下：
将结果图片“另存为”就做好了。
至此文章中常见的“三表一图”小编就带领大家做好了。
第三部分：撰写文章
文章撰写对于第一次写文章的小白来说是完全没有头绪。问师兄，他们一般会说多读文献，就会了。他们说的对吗？对也不对，确实要多读文章，可是关键的怎么读并没有告诉你，如何读文章小编下次再说。
而对于论文的撰写，我们除了多读文章，首先要找到一篇相似类型的文章，然后进行模仿。小编的老师曾告诉我们要善于模仿，模仿就是进步，在模仿中创新。对于一篇论文我们要知道每一部分写什么，也就是文章的框架，我们要模仿文章的框架然后填上自己的内容，这就是自己的文章了。这不是抄袭，是学习，也是创新。
“三表一图”是许多基础实验文章的临床部分内容，对于一些可以进行实验验证的分子最好还是继续做下细胞动物实验。但是如果分子表型并没有显著差异或者临床特征不能进行实验验证的，仅仅靠临床部分，也发表一篇独立的SCI文章的。
以上希望可以帮助你写出第一篇SCI论文。
注：由于篇幅有限，文中清晰的SPSS操作流程图可点击“阅读原文”进行获取。
下面是小编找的一些类似文章，供大家参考：
1. Uric Acid Level and New-Onset Atrial Fibrillation in the Japanese General Population
2. TRIM59 as a novel molecular biomarker to predict the prognosis of patients with NSCLC
3. High inflammatory factor grading predicts poor disease-free survival in AJCC stage I-II hepatocellular carcinoma patients after R0 resection
4. Overexpressed CISD2 has prognostic value in human gastric cancer and promotes gastric cancer cell proliferation and tumorigenesis via AKT signalling pathway
5. High expression of WWP1 predicts poor prognosis and associates with tumor progression in human colorectal cancer