UK Biobank 数据库实战系列-医院选手篇
写在开篇：实战医学统计君，也就是小编，即将开展UKBiobank公共数据库相关研究，会将一些心得、好文章、体会陆陆续续分享给小伙伴们，当然也希望大家提供优秀的素材和稿件来，一个人搞公众号比较费劲需要小伙伴们多多支持分享。如果已经有了成熟的UKB构思并且有进一步深入统计合作需求，可以联系小编。
UK BioBank（英国生物样本库）是英国迄今以来规模最大的有关致病或预防疾病的基因和环境因子的信息资源库。
目的是探求一些特定基因、生活方式和健康状况之间的关系，提高对一些遗传类疾病致病基因的理解，包括癌症、心脏病、糖尿病和一些特定的精神疾病。
该项目已经在英国境内采集 40 至 69 岁人群中 50 万份志愿者的基因信息和血液样本、生活方式及环境暴露数据，并跟踪记录他们之后数十年的健康医疗档案信息。
研究期间，所有疾病、药品处方以及参加者死亡等都将被记录在库，以供英国国家医疗服务体系（NHS）利用并管理，成为了全球少数大规模的人体生物健康信息库之一。
UK Biobank 数据库有哪些重要信息？
1、流调数据
（1）社会人口因素、吸烟和饮酒状况、家族史（常见癌症、心血管疾病等）和个体早期的一些暴露因素（出生体重、母乳喂养、母亲吸烟、儿童体型）等。
（2）环境因素。调查问卷考虑了大量潜在的环境暴露，选择被认为是常见疾病影响的指标，这些问题包括当前住址、出生时的居住地、职业和其他工作场所因素、被动吸烟暴露、室内空气污染和使用手机频率。
（3）饮食习惯。主要是包括食物频度问卷、24 小时饮食回忆和多天饮食回忆问卷。
（4）参与体育活动情况。主要是体力活动强度（剧烈、适度），体育活动频率，关于常见久坐活动的问题也被纳入。
（5）心理和认知状态。在心理状态方面，调查问卷的方法是在标准化问卷的基础上评估心理特质和情绪，并记录影响心理症状的严重事件及其医学表现。
2、体格检查
身体测量指标。当志愿者完成问卷后，接下来会进行一系列的身体测量过程，包括血压（和脉搏）、身高、体重、腰围、臀围、握力、肺活量、骨密度数据。
3、生物样本检测
主要收集的血液数据和尿液数据，用于进行基因组，蛋白质组，代谢组学的检测。
4、电子医疗记录数据
包括，死亡和癌症登记数据、入院诊断数据、全科医生数据、其他医疗（如处方、病理报告、影像报告、筛查）与健康有关的数据。
利用开放数据库能发顶刊吗？
全球学者利用UK Biobank数据库已经发表了5,244篇SCI论文，20%论文发表在10+ SCI期刊；其中中国学者也发表了980篇，而且发表的论文数量在持续快速增长。
2023.4.19—2023.4.24PubMed数据库“标题/摘要：UK Biobank”搜索发现，共发表23篇UK Biobank论文。
利用UK Biobank数据库，论文发表最多的期刊是Sci Rep（IF 5），其次是Nat Commun (IF 17.7)，PLoS One (IF 3.8)，BMC Med (IF 11.2)，Int J Epidemiol (IF 9.7)。
可以看到，有极高比例发表在顶刊。
涉及的研究领域多样。
利用UK Biobank数据库，主要研究糖尿病、抑郁、睡眠、痴呆、肥胖、癌症、中风等常见病。
UK Biobank是一个大型人口队列研究，旨在研究遗传和环境因素对疾病的影响。研究者从UK Biobank提取患者的临床和生物学指标，所以研究的热点指标主要包括遗传风险因素与疾病的关系等。
中国医生深度参与
如果我们只看论文发表的累计影响因子，可以看到来自中国的华西医院、华山医院、广东省人民医院、湘雅医院、上海第九人民医院、浙江大学医学院附属第一医院等均居前列。
统计专家大显身手
如果仔细看这些专家的背景，可以看到统计专家大显身手。
在利用UK Biobank数据库发表论文影响力最高的7位专家中，有3位是统计或者流行病学专家。
利用UK Biobank都发了什么样的论文
利用UK Biobank，机器学习、多基因风险分析及相关研究是最常见的研究论文形式。
1、国内学者文章介绍：山东省立医院的学者，分析了肥胖和代谢异常与重症COVID-19风险的关系
2、国内学者文章介绍：南方医科大学的学者，利用UK Biobank数据库分析了喝咖啡（加糖）与较低全因死亡风险相关。
3、外国学者文章介绍：
人类心脏心肌间质纤维化的遗传学及其与疾病的关系
研究背景： 心肌间质纤维化与心血管疾病及不良预后相关。数据来源：41505名接受心脏磁共振成像的英国生物样本库参与者。方法：为了研究人类心脏纤维化的生物学途径，我们开发了一种机器学习模型来测量41505名接受心脏磁共振成像的英国生物银行参与者的天然心肌T1时间（心肌纤维化的标志物）。结果：T1时间过长与糖尿病、肾病、主动脉狭窄、心肌病、心力衰竭、心房颤动、传导疾病和类风湿关节炎相关。全基因组关联分析鉴定出11个与T1时间相关的独立位点。发现的基因座涉及葡萄糖转运（SLC2A12）、铁稳态（HFE、TMPRSS6）、组织修复（ADAMTSL1、VEGFC）、氧化应激（SOD2）、心脏肥厚（MYH7B）和钙信号（CAMK2D）等基因。利用转化生长因子β1介导的心脏成纤维细胞激活试验，我们发现11个基因座中有9个由表现出时间变化的基因组成，这些基因表达或开放染色质构象支持它们与肌成纤维细胞状态获得的生物学相关性。
结论： 通过利用机器学习，利用心脏成像对心肌间质纤维化进行大规模量化，我们验证了心肌纤维化与疾病之间的关联，并确定了纤维化背后的新的生物学相关途径。
4、外国学者文章介绍：抑郁症家族风险人群的认知功能
研究目的：在4个评估深度不同的独立队列中，采用家族史和遗传风险测量，探讨抑郁症家族风险与认知表现之间的关系。
数据来源：本研究使用了来自纵向抑郁高风险和低风险三代（TGS）家庭研究（数据收集于1982年至2015年）和3个大型人群队列的数据，包括青少年大脑认知发展研究（ABCD；数据收集于2016年至2021年）、全国青少年至成人健康纵向研究（Add Health；数据收集于1994年至2018年），以及英国生物样本库（数据收集于2006年至2022年）。
方法：暴露：家族史（前1或2代）和抑郁症多基因风险。主要观察指标：随访神经认知测试。对回归模型进行混杂因素调整，并对多重比较进行校正。
结果：共研究了57308名参与者，其中87名来自TGS（42名[48%]女性；平均[SD]年龄19.7[6.6]岁），ABCD患者10 258例（女性4899例[48%]；平均[SD]年龄12.0[0.7]岁），1064人来自Add Health（女性584人[49%]；平均[SD]年龄37.8[1.9]岁），来自UK Biobank的45899人（女性23605人[51%]；平均[SD]年龄，64.0[7.7]岁）。在年轻组（TGS、ABCD和Add Health）中，抑郁家族史主要与记忆领域较低的表现相关，有迹象表明这可能与教育和社会经济因素部分相关。在较老的英国生物银行队列中，有与处理速度、注意力和执行功能相关的，几乎没有证据表明教育或社会经济影响。这些关联甚至在从未患过抑郁症的参与者身上也很明显。家族性抑郁风险与神经认知测试成绩之间的效应量在TGS中最大；在主要分析中，TGS的最大标准化平均差异为-0.55（95% CI，-1.49至0.38），ABCD的最大标准化平均差异为-0.09 （95% CI，-0.15至-0.03），Add Health的最大标准化平均差异为-0.16（95% CI，-0.31至-0.01），UK Biobank的最大标准化平均差异为-0.10 （95%CI，-0.13至-0.06）。多基因风险评分分析的结果大致相似。在UK Biobank中，几项任务在多基因风险评分分析中显示出统计学上显著的关联，而在家族史模型中并不明显。
结论：在这项研究中，无论是通过家族史还是遗传数据进行评估，前几代人的抑郁症与后代的认知能力低下有关。有机会通过基因和环境决定因素、大脑发育和大脑衰老的调节因素，以及整个生命周期中可能改变的社会和生活方式因素，来产生关于这是如何产生的假设。
5、外国学者文章介绍：睡眠行为特征与阿片类药物相关不良事件的关联：一项队列研究
研究目的：阿片类药物相关不良事件（OAEs），包括阿片类药物使用障碍、过量和死亡，是严重的公共卫生问题。OAE通常与睡眠中断有关，但睡眠不良与随后的OAE风险之间的长期关系尚不清楚。本研究在一个大的人群队列中调查睡眠行为特征是否与OAE事件有关。
数据来源：来自英国生物样本库（UK Biobank）的444,039名参与者。
方法：来自英国生物样本库（UK Biobank）的444,039名参与者（平均年龄±SD 57±8岁）报告了2006-2010年间他们的睡眠行为特征（睡眠时间、白天嗜睡、失眠样抱怨、午睡和睡眠类型）。这些特征出现的频率/严重程度决定了睡眠行为负担得分（0-9）较差。事件OAE从住院记录中获得，平均随访12年。Cox比例风险模型检验了睡眠和OAE之间的关系。