2026 年 08 月 03 日，《JAMA network open》(IF=11.7) 发表了一篇前瞻性人群队列研究，使用来自丹麦哥本哈根出生女性的国家登记和学校健康检查数据，评估了儿童期身体质量指数 (BMI) 轨迹与女性首次分娩时间

研究使用多中心队列评估了转甲状腺素蛋白心脏淀粉样变性 (ATTR-CM) 的风险预测模型的表现。研究发现，基于机器学习的时间 - 事件模型在预测全因死亡和心力衰竭住院复合终点方面，优于国家淀粉样变性中心和梅奥诊所分期系统，提示其可改善个体化

很多疾病的机制和现在治疗介绍的很好。

如果多个样本的观察值满足独立性，服从正态分布，并且各组之间的方差齐，则可选用单因素方差分析，如果样本数据不满足上述几个条件，则需要用到多个独立样本的秩和检验。

上节课程我们一起学习了包括线性回归、Logistic回归、泊松回归、Log-Binomial回归在内的“广义线性模型”，不知道小伙伴们是不是都完全消化了~ 本节课程，我们将通过4步，来详解很多人都关注的“K-M曲线和Log-Rank检验”：

要比较不同药物组之间的“生存”分布是否不同，可以使用 Kaplan-Meier法估计生存函数，并使用Log-rank检验比较不同药物组之间的“生存”分布的差异。使用Kaplan-Meier法时，需要考虑6个假设。

2026 年 08 月 18 日，《European journal of preventive cardiology》(IF=10.0)发表了一篇前瞻性队列研究，使用来自女性健康研究 (Women's Health Study) 的数据，

可以显示IF影响分子的文献检索网站

研究者想知道不同工作年限之间CWWS得分是否不同。由于CWWS得分不服从正态分布（仅为模拟数据，实际使用时需要专业判断或结合正态性检验结果），因此可以使用Kruskal-Wallis H检验。

这篇文章详尽说明了：为什么我们要制定这样的规则，以及我们实际要求作者做到什么。需要强调的是，这项政策不适用于在“开展研究过程”中使用AI；如果 AI 参与了研究本身，那么它必须作为方法的一部分在论文中予以报告。