全网最强国际大型队列汇总与实战

紧接上一章介绍的公共数据库，其中设计到国内公开队列和全球共享队列。那么除了这些公共库队列，国际上还有哪些医学队列呢？近日小编整理了一下目前较为成熟的一些队列，尤其是mega队列，帮助小伙伴们快速一览国际主流资源。如果你有资源人脉，是可以获取到其中的很多数据权限的。然后你懂的，站在巨人肩膀上，IF就是起步5+，刷就是了。

1. 经典队列

经典队列优势在于长期随访，小而精，连续型延展性极佳。本文着重介绍心血管方向队列。

1.1 Framingham Heart Study：

《Nature Reviews Cardiology》杂志发表了一篇文章“70-year legacy of the Framingham Heart Study”，详细介绍了Framingham Heart Study的70年发展史。70年来参加FHS的总人数已达到1.5w人，第一代参与者的失访率不到4% 。FHS从1948年开始建立第一代队列人群， 1971年FHS开始建立第二代队列人群， 2002年FHS开始建立第三代队列人群，每间隔4-7年随访1次，致力于开展有关心血管疾病风险基因多态性研究和全基因组关联分析。1961年FHS发表6年随访结果，首次提出冠心病危险因素（Risk Factor）概念，成为此后心血管疾病流行病学研究的奠基石。FHS相继报道年龄、血压、胆固醇、吸烟、肥胖等多种危险因素的作用，制定心衰临床诊断标准，促进临床开展房颤抗心律失常和抗凝治疗，建立冠心病10年及终生风险预测评分工具，研究内容已延伸至多个疾病领域。

1.2 Rotterdam Study：

荷兰鹿特丹队列研究，共1.5w人，主要包括4个老年队列，年龄>45岁及以上入组及随访：最初的队列（RS-I）始建于1990年，在2000-2001年，建立了第二个队列（RS-II），第三个队列RS-III建于2006-2008。第四个队列RS-III建于2016-，年龄>40岁及以上入组。鹿特丹研究随访了老年人常见的各种疾病，包括：冠心病、心力衰竭和中风、帕金森病、阿尔茨海默病和其他痴呆症、抑郁症和焦虑症、黄斑变性和青光眼、COPD、肝脏疾病、糖尿病、骨质疏松症及老年人脆性骨折、皮肤病和癌症等。关注5大主题：生活方式、biomarker、女性心血管风险、高危因素、影像。

1.3 The Copenhagen City Heart Study：

CCHS，丹麦哥本哈根城市心脏研究，共2.4w人，最初目的是关注冠心病和中风的预防。多年来，研究增加了许多其他方面：肺病、心力衰竭、心律失常、酒精、关节病、眼病、过敏、癫痫、痴呆、应激、生命衰竭、社交网络、睡眠呼吸暂停、衰老和遗传学。共7个子研究。

2. mega cohort

2.1传统队列局限性

传统的流行病学教科书中，队列研究的局限性之一是不适用于发病率很低的疾病的病因研究，因为需要很大数量的研究对象，开展难度很大。然而，近年来，随着人们对复杂性疾病病因研究的不断深入，从单纯的检验环境因素或遗传因素的病因假说，发展到关注基因一基因、基因一环境的复杂交互作用；即使不是罕见病，研究者对样本量的需求也是越来越高。样本量问题可参阅前期文章“队列研究类型与样本量”。

以帕金森氏病和/或精神分裂症为例，一个随访10 年样本量为5 000的队列在结束时理论上仅能发现4 例，但一个随访10 年样本量为50 万的队列研究却能累积424 例。

针对不同发病率的疾病，假定其发生是基于一定的基因-环境交互作用，通过软件可以计算出所需的理论病例数，最终估算出不同样本量队列研究随访所需的最小年数。以发病率最高( 约为3. 00 /10 万人/年) 的白内障、高血压为例，假定某基因型频率与某环境暴露率均为0. 15，为了识别效应值为3. 0 的基因-环境交互作用( 乘法模型) ，理论上需要累计病例至少1 173 例。此时，样本量为20 万、50 万和100 万的队列均可在1 年内获取足够病例。相比以往较为单一的基于环境因素或遗传因素的流行病学病因研究而言，为识别人类复杂性疾病的基因-环境交互作用，队列研究的样本量需达到数以万计、十万计，甚至是百万计的规模。

2.2 mega大型队列

西班牙学者Kogevinas于2002年最早提出了整合欧洲出生队列的想法，并于2004 年在其发表的一篇学术论文中最早使用了“Mega Cohort”一词，呼吁将7个已有的以及规划中的欧洲出生队列整合成(pool)一个超过50万规模的超大出生队列。2010年JAMA同一期刊登了2篇关于Mega Cohort的文章，从产生原因、研究设计、招募对象和结局确定等方面做了具体介绍。

3.mega队列>10W汇总

总的来说70年代FHS为首，少而精的1w人，确定了CVD等的危险因素，改变了公众对CVD起源的认识。80年代起欧美陆续建立10w人以上规模人群cohort，如美国护士健康研究NHS，随访之间有40年，用于观察暴露因素(生活方式、环境)与慢性疾病长期风险，并且当初的人群步入老年，疾病outcome从CVD拓展到aging相关的神经退行性疾病和衰老。90年代起，陆续建立50w人以上规模cohort，如欧洲10国的EPIC，美国NIH-AARP、英国MWS和UKB。00年后法国Nutrinet-sante、瑞典的Lifegene。15年后美国的precison计划100w人以上cohort。

另有一些前瞻性人群研究是利用国家或地区的人口普查资料、征兵系统、死亡监测系统、医院信息、医疗保险数据等匹配并获取更大数量居民的基本人口社会学信息和健康结局信息，但是缺乏个体生活方式和环境暴露等信息。例如Swiss National Cohort(680万)、Scottish Health and Ethnicity Linkage Study(465万)、Canadian Census Cohort(273万)、台湾省全民健康保险研究资料库(230万)、Kaiser Permanente Southern California(KPSC)、Children’S Health Study(92万)、Danish Conscription Database(DCD，72万)等。

90年代起有一些出生队列，规模较大的是丹麦的Danish National Birth Cohort (DNBc，10万妊娠早期孕妇及其生产的9万婴儿)和挪威的Norwegian Mother and Child Cohort Study(MoBa，7万个家庭，包括孕妇及其孩子和丈夫共27万人)两个出生队列。

国外人群队列中生物学样本库规模较大的是英国的UKB(49万份血液和尿液)和欧洲10国的EPIC(38万份血液)，其次是挪威的MoBa(34万份血液)和美国的Cancer Prevention Study-II Nutrition Cohort-3(CPS3 304万份血液)。今后，这些人群队列通过整合基因组学、表观组学、蛋白组学、代谢组学等多个水平上的生物标志物，结合传统流行病学宏观研究的暴露组学，可以更好地理解疾病发生、发展的生物学机制 。

以10 万人群样本量为最低标准列举了部分国内外Mega Cohort，见下图。索要高清互动思维导图，请留言：  mega队列。

4.pooled study

很多高分SCI常见各种队列合并分析。关键点在于idea整合公共库资源，变量具有同质性。难点在于原始数据获取。剩下就是站在巨人肩膀，堆砌素材。下面两范文，都是pooled数据，利用Meta异质性，然后原始数据来凑idea。

实战案例1

吃鱼吃肉问题。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7042891：

研究背景：尽管加工肉类摄入与心血管疾病 (CVD) 和全因死亡率之间的关联已经确定，但未加工的红肉、家禽或鱼类消费与 CVD 和全因死亡率之间的关联仍不确定。 

研究过程：该研究整合了美国6个长期随访队列的数据，纳入的29682位队列参与者来自ARIC （Atherosclerosis Risk in Communities）、CARDIA （Coronary Artery Risk Development in Young Adults）、CHS （Cardiovascular Health Study）、FHS （Framingham Heart Study）、FOS（Framingham Offspring Study）和 MESA（Multi-Ethnic Study of Atherosclerosis）。该研究只采用了基线的膳食数据，用统一的标准和定义对6个队列的膳食数据做了同质化处理（harmonization）。基线膳食数据收集于1985-2002年期间，随访截止至2016年，最长的随访超过30年。该研究剔除了基线时已经有心血管疾病、极端能量摄入和有数据缺失的人群。做了8个敏感性分析，采用了更加严格的P值标准（<0.01），并且评估了非线性关系的可能性。 

研究结论：本研究发现的动物性食物与疾病的相关性较弱，但是考虑到大部分人每周或者每天都在吃这些食物，并且心血管疾病是很多国家排名第一的死亡原因，所以减少动物性食物特别是加工肉和非加工红肉的摄入，对于减轻人群水平的疾病负担是很有意义的。

实战案例2

吃鸡蛋问题。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6439941：

研究背景：食用膳食胆固醇或鸡蛋是否与心血管疾病 (CVD) 事件和全因死亡率有关？前瞻性队列研究的meta分析未能就此关联得出有意义的结论，这主要是由于数据稀少、研究间异质性以及所审查研究缺乏方法学严谨性。研究方法：数据是从 Lifetime Risk Pooling Project 的 6 个队列中汇集来。每个队列都评估了通常的饮食摄入量并具有关键研究变量的信息。6个队列分别是社区动脉粥样硬化风险（ARIC）研究、青年人冠状动脉风险发展（CARDIA）研究、弗雷明汉心脏研究（FHS）、弗雷明汉后代研究（FOS）、杰克逊心脏研究（JHS）和多种族动脉粥样硬化研究（MESA）。研究结论：在美国成年人中，较高的膳食胆固醇或鸡蛋摄入量与较高的 CVD 事件风险和全因死亡率呈剂量反应方式显着相关。

5. Lifetime Risk Pooling Project

美国全生命周期风险荟萃数据项目，https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4707197/。纳入队列数据库与对象样本量、性别、年龄、种族，以及血生化指标、结局总结如下。

Ps

小伙伴们是否发现，你用本公众号的  rcssci包 和森林图珍藏美图，做的是不是比上面2篇jama的图还好漂亮几倍？

你此时是否幻想有这些数据库后，也可以轻松可以重现这样的高分SCI。那么这时候是不是这时候该想起给公众号点个赞了，分享转发一波。

小结

一个好的idea + 好的pooled+标准同质化变量的队列数据库=高分。

but！看完本文激动的你，连米都没有又该怎么做饭呢？我想这也是绝大部分科研草根的根瓶颈所在，包括小编！