冲刺高分！挑战7天一篇NHANES，Day 1-7!_光速科研nhanes-优快云博客

挑战7天完成NHANES

Day 1!

今天发起一个全新的挑战，挑战7天完成一篇NHANES数据库SCI！

今天的主要任务就是初步检索+确定目标期刊。

NHANES数据库全名叫National Health and Nutrition Examination Si Urvey，是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。项目每年调查一个全国代表性的样本，约5000人。NHANES访谈部分包括人口统计学、社会经济学、饮食和健康相关问题。体检部分包括生理测量、实验室检查等内容。

数据量特别的大，涉及的相关指标很多，可以适合各个不同的科室的朋友来挖掘写作，所以近些年非常多的火热，我也来试试水，嘿嘿

我首先就用简单的“NHANES”进行了初步的检索，发现目前文章非常多，高分文章不少，仔细看了看，基本集中在5分-10分居多，而且基本都是1区2区，还是可以的。因为我最近对抑郁症恰好比较感兴趣，就打算做关于抑郁症文章，又去检索了“NHANES and depression”，发文数目和文章的质量都还是不错的，那就真么定啦。刚好出现在第一个文章是复旦大学最新的抑郁文章，后面全是我们之前调整的Journal of Affective Disorders，那我们就换一个目标杂志，我的目标文献就是这篇啦（DOI: 10.1080/07853890.2024.2314235），目标期刊就是Annals of Medicine。随后去深入了解了这个杂志，不是水刊，发文量和被引数都还可以，那就他啦。然后有检索了我之前就有点关注的血液指标，发现他和抑郁的关系没有被写过，所以，嘿嘿，就他啦

好啦，让我们一起探索NHANES数据库

Day 2!

我的新挑战继续进行~

第2天主要任务：数据库的认识

NHANES数据库听名字就知道和我们的MIMIC、eICU 一样是一个公开数据库，但是这个数据库的比较特别的点在于数据获取相对来说比较的简单，也就是说能非常方便的就下载到原始数据，这对我们这些“临床牛马”来说是非常利好的。之前也尝试过搞MIMIC，数据量太大了，本地安装数据库装了很久都没装上，NHANES就没有这个烦恼，可以疯狂冲锋冲锋

利用公开数据库发文章，最重要的就是要知道数据库的数据组成，他有那些数据，才能知道我可以利用些什么样子的数据进行idea构思。NHANES是关于营养调查的健康和营养的信息，是一个横断面的调查。从网站上我们可以看到，数据内容是非常丰富的。里面有不同的年份，比如“2013-2014”，我们叫一个周期，因为NHANES每2年上传一次相关数据。每一个周期里面有很多数据，但是我们主要利用的是（Data, Documentation, Codebooks），里面是包括了人口统计学、饮食数据、体格检查、实验室数据、问卷调查和Limited Access Data，我们最常用的是前5个，Limited Access Data数据需要申请，需要的批准候才行。

点击进去后就可以看到Doc File和Data File，我们可以通过Doc File刊这个数据集的一些基本介绍，点击Data File就能下载数据，然后利用R或者SPPS就能打开这个XPT的数据集文件

因为后面也会用得到NHANES里面的数据，所以我花了一些时间把所有的周期的所有数据全部下载完了哈哈哈。这个工作量还是很大的

好啦，今天的分享就到这里啦！

Day 3-4!

进度汇报：数据下载＋数据清洗。

Day2的时候我把所有的数据都下载好了，现在就是数据清洗啦，任何一个公开数据库最费时费力的就是数据清洗了我打算用R来获取相关的数据。获取的数据可以用来构建一个自己的数据库，我换个指标，即换个指标、换个研究人群，就又能有一篇新的文章。

在提取变量之前我们需要确定需要提取什么数据，你重点关注的指标（X），和关注的疾病（抑郁，Y），还有一些协变量（Z），具体需要哪些协变量可以根据既往的文献中获得。我就提取了：年龄、性别、种族、教育程度、婚姻状况、贫困收入比率、体重指数（BMI）、肾小球滤过率（eGFR）、睡眠持续时间、饮酒、吸烟状况、心血管疾病、高血压、糖尿病、高脂血症和抗抑郁药使用。所以说，数据提取是公开数据库中最费时费力的，但是有代码的话，也还好，毕竟一二区的文章也不是大风刮来的

使用代码提啊提，终于用了2天的时间搞完了因为比如说高血压看起来只有是和否，但实际上定义有很多：目前正在口服降压药或血压大于140/90mmHg，其中血压值是由受过培训的人员连续测量三个血压读数，并计算这三个读数的血压平均值。那么也就意味着，需要提取更多的数据来综合组成这个协变量。工程还是很浩大滴

只要数据清晰了，后面的一切都好说，没什么复杂和困难的，重点就是选题（选择指标和idea）+数据提取。这就是我花了很多的时间进行初步检索确定目标期刊、选题的意义，千万不要一来就闷头开跑，

一起加油呀~

Day 5！

进度汇报：完成Table和Figure

数据已经整理好啦，那现在就是做出Table和Figure。在具体操作之前呢，肯定要再去看文献啦。模仿文献一步一步来就好啦。常规NHANES文章就是需要下面这些，当然，我们也会看到有很多文章会有一些其他的处理，比如加上了机器学习呀，本质上还是这个思路，只不过在暴露的选择、分析方法会有一些差异。万事开头难，我们就先学会这种最简单的思路，后面我们慢慢学习和挑战别的

Figure 1：研究人群-------数据来源过程

Table 1：基线资料表-----人群基本信息描述

Table 2：回归分析---X与Y之间有无关系

Figure 2：限制性回归样条--X与Y的剂量效应关系

Table 3：亚组分析---敏感性分析

Figure 1：就是简要说明我们的筛选数据的流程，比如说2013-2014总计有10175例，根据我纳入条件（年龄大于20岁，同时具有抑郁评分和暴露某某血清学指标）进行纳入和排除，最终纳入1900人。

本质上就是数据的筛选和清洗流程，对数据处理的过程进行简单的可视化呈现。

Table 1：就是基线资料比较。比如我的结局是抑郁，那我就可以列分为depression组和non-depression组，对比两组之间的基线资料的差异，变量数据类型是连续变量或者分类变量，那就用t-检验或者卡方检验等。

Table 2：回归分析。根据纳入协变量的多少构建3个不同的模型以评估暴露和结局之间的关系的是否稳健。Crude Model中不纳入协变量；Model I纳入人口统计学（性别、年龄、种族、婚姻、教育程度等）；Model II纳入Model I中+疾病（糖尿病、高血压、高脂血症等）+生活方式（吸烟、饮酒、BMI等）。

Figure 2:RCS结果呈现。X和Y是相关的，那么他们是有什么样的剂量效应关系呢？直线?L型？N型？J型？这些都可以通过RCS曲线非常直观的看到，而且会检验线性和非线性关系，如果是非线性关系还会找到对应的拐点值。Ｐ　ｆｏｒ　ｎｏｎｅ－ｌｉｎｅａｒ＜０.０５就说明是非线性的。

RCS是这种类型文章的核心，一定要会看哦！

Table 3：亚组分析。X与Y的关系会不会在不同的亚组中存在一定的差异呢？就举个例子，儿童的抑郁风险和成年人的抑郁风险肯定是不一样的，做亚组分析就是看X与Y在不同组别（性别，年龄，有某种疾病）关系是否依旧稳健存在，如果有差异，能否通过目前文献进行合理的解释。

这就是NHANES文章的主要结果啦，因为已经整理好了数据，后面的分析实际上是非常简单的，选题和整理数据才是最费时间的，也是容易浮躁滴，静下来，方向对了，就一定能出成果。

今日份挑战成功，欧耶