主题：【整理】新冠后遗症 -- 菜根谭

受血者一般需要红细胞和/或血清和/或血小板；白细胞基本完全无用，所以一般都是要去掉白细胞再输血的。被去掉的白细胞，在输血科被称为白膜，如果没有实验室需要，就丢弃了。没了白细胞就没啥免疫排斥的问题了，血型对基本就OK。我是个10%的内行。

微博上有网友是这样理解的：

如果把人体比喻成国家的话，免疫力就是国家的军事机构。感染一次，就好比国家被外敌攻击一次。军队可以成功击退敌人的进犯，但军事资源支出很多。——这就是为什么人康复之后也特别疲倦。如果敌人频繁来袭，那么军事资源持续支出来不及补充，几次之后，资源耗竭，敌人再来进攻，国防就失陷了。新冠会重复感染，几次之后，人的血条就见底了，再次感染就会非常严重。

我这周边三次感染有多少不知道，两次感染的是大把了。按说三次感染也不会没有了，但是到现在为止还没有死人。

对照组的样本数量是感染新冠组的50多倍，是极为罕见的研究设计。

本研究使用的是美国退伍军人的医疗数据，由于是单一的（军方）保险支付，是美国可以得到的最好的医疗大数据。

单看2019年数据有600多万人次就医记录，从其中选取15万多新冠感染病人做病例组，剩余的基本上都纳入对照组了。这造成两组的基线健康水平有显著的差异。

比如新冠病例组的肥胖比例达到54%，而对照组只有42%；病例组高血脂占59%，对照组只有46%。这些都是发生脑血管意外的高危因素。

另外，新冠病例组在研究前有两次以上门诊看病经历的高达80%，相应对照组只有57%。总体来说，新冠病例组在感染新冠以前，基础健康水平比较差。

基线健康的差异，加上对照组样本量远远大于病例组样本量，极大地拉低了对照组中发生神经系统疾患（neurologic outcomes）的比例，相比于病例组加大了两组差异，所以这个研究发现的很多显著性结果都是不可靠的。

由于数据库样本量极大，更好的研究方法是使用巢式设计（nested design），从大量数据中挑选尽可能与新冠病例组健康水平匹配的人做对照，但这么设计会带来极大的额外工作，研究时间至少延长3-6个月。

下课后赶紧回复下，一会儿忘记了

作者还是偷懒了，这么对照的话，实际上没法准确控制条件，高估了风险上升的比例

论文的重要性大大下降

病例对照的确定方法一样，分析方式类同。也就是有相同的设计问题。

由于对照样本量远大于新冠病例样本，怀疑使用多因素统计分析，也不能消除选择偏差（selection bias）对分析结果的产生的影响。

这种大数据分析，不是样本量越大越好；而是病例、对照匹配的越合适结果越有价值。甚至可以玩儿出花儿来。

涉及临床医学、流行病学、统计学、医学信息学多个领域的知识，能够掌握好的人才不多。所以你之前想讨论人才的话题还是非常有价值的。

五年前我意识到这个问题，开始给国内合作单位开展学术论文报告讨论的培训，每周1-2次，大部分线上进行，小部分面对面做，非常受欢迎。

这其实是基础的研究生训练内容，国内在临床科研领域对研究生的培养极差。这几年坚持下来，反而给我收获多多，一篇学术论文，我需要在很短时间内掌握主要的东西，做得好的地方在哪里？有问题的地方在哪里？结合被培训医生自己临床工作和科研，这篇论文的结果结论是否可以应用等等，如何开展自己的临床科研等。

我这个训练是博士课程在生理学和基因工程等课上学习到的

受益良多

国内的医生，看病经验极多，科研基本不懂怎么做

跟国内的医生合作很头疼，在国外和医生的合作更多的是医生提出问题，大家一起讨论解决方法。。

国内的医生基本上需要别人带着走

临床职业培训要求按照流程、指南，不能逾越；而临床科研培训强调创新，打破原有规矩。

我发现把两个目标截然相反的培训整合在一起的切入点，就是从提出要解决的临床问题开始。虽然“国内的医生基本上需要别人带着走”，只要带着走过几次，就会有很大进展。

类似的数据，类似的分组

换个器官再水一篇，这些数据够吃好几年的

现在进入产出阶段。

文章只有三个作者，说明科研团队很小。通常做如此大数据研究，团队不会很小。

我和协和的医生合作过，他们对科研有热情，有想法，水平高于美国医生平均水平。

但的确，国内大部分医生，科学素养有待提高。医生们评职称、升职需要论文质量和数量，这个要求简单粗暴，导致灌水等一系列不理想的情况，但客观上对提高科研热情、科学素养有所帮助。

另外一个遗憾的事实，当用科研做敲门砖，升了职，评了职称，一些医生也就那样了，不再对科研投入很多精力。包括协和的医生，也不能完全免俗。