代码公开！复旦大学冯建峰团队“高分收割机”，挖掘UKB数据库，基于机器学习的预后模型构建，这样做还怕发不了高分？

主要观点总结

本文介绍了复旦大学冯建峰团队在Neurology杂志上发表的研究，该研究使用机器学习算法结合血浆蛋白和临床-人口学变量，构建帕金森病高风险预测模型。通过挖掘UKB数据库，极大提升了帕金森病的预测效果。文章主要介绍了研究背景、研究思路、主要结果和文章小结。

关键观点总结

关键观点1: 研究背景

文章介绍了当前帕金森病预测的现状以及研究的意义，强调了不断在思路上进行创新的重要性。

关键观点2: 研究方法和过程

研究通过挖掘英国生物样本库（UK Biobank）和帕金森病进展标志物计划（PPMI）数据库，使用血浆蛋白质进行分析，基于机器学习算法，筛选重要蛋白质，并构建帕金森病高风险预测模型。

关键观点3: 主要结果

文章展示了研究结果，包括人群特征、预测器的预测性能、分层风险组的Kaplan-Meier图以及预测因子的时间趋势。

关键观点4: 文章小结

研究使用机器学习算法结合血浆蛋白和临床-人口学变量，极大提升了帕金森病的预测效果。

文章预览

代码公开！复旦大学冯建峰团队 “ 高分收割机 ”， 挖掘UKB数据库，基于机器学习的预后模型构建，这样做还怕发不了高分？ 嗨喽~大家好，智星在实验室忙碌了一天，终于抽出一点时间给大家分享文献啦！不知不觉2024年快过完了，大家的SCI有没有成功发表？实验是否顺利？不管你是还没有发文思路的医学小白，还是手拿几篇高分SCI的临床大佬，都可以来智星这里开阔思路，说不定就灵感爆发呢？毕竟学无止境，快来看看今天智星带来了什么好文章吧！ 本篇是由复旦大学冯建峰团队发表于 “Neurology （IF 7.7） ” ，作者结合 机器学习算法 ，开发了一个基于血浆蛋白和临床-人口学变量的帕金森病高风险 预测模型 ，极大提升了帕金森病的预测效果，并且 代码公 开！想复刻该思路的小伙伴们可以来学哦~ 2024年的进度条已拉过大半，仅仅凭借常规的分 ………………………………