目录

一、数据库概况

数据类型

涵盖疾病类型

研究设计

二、加权 

权重类别

权重选择

权重计算

 三、数据下载

四、数据库应用

---

一、数据库概况

NHANES（National Health and Nutrition Examination Survey）是一项旨在评估美国成人和儿童健康和营养状况的研究计划，计划始于20世纪60年代初期，是一项针对不同人群或健康主题的调查。
1999年该调查成为一项持续计划，涉及各种健康和营养测量，项目每年调查一个全国代表性的样本，约5000人，这些人群位于全国各县，每年对其中15个县进行访问。
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。调查结果将用于确定主要疾病的患病率和疾病的风险因素，也是身高、体重和血压等国家标准的基础。
(每两年进行一次调查，两年称为一个cycle year)

数据类型

主要分为Demographic data, dietary data, Examination Data, Laboratory Data, Questionnaire Data及Limited Access Data，除了Limited Access Data外，其余数据类型都可以免费使用。Limited Access Data则包括了一些地址信息及敏感信息，详细信息可通过Research Data Center中申请。

涵盖疾病类型

各个疾病类型，如下

研究设计

NHANES采用分层多阶段抽样设计，以获得美国居民的代表性样本，抽样计划由四个阶段组成：

• PSU 县（counties）
• PSU内的城市街区（segments）
• DU住户、家庭（households）
• SP个人（individuals）

权重

衡量特定参与者所代表的目标人群中人数的参数，反应了不平等的选择概率，对纳入人员不响应的调整，以及对最终样本和基于独立人口控制总数的总人口之间差异的调整。

基本公式：

但实际情况并非随机采样，对某些具有特殊公共卫生利益的亚群体，如：非西班牙裔黑人；西班牙裔的性别年龄组等，进行过采样（Oversampling），即进行更多的抽样调查。过度采样是为了增加特定亚群的样本数量，从而提高这些人口亚群健康状况指标估计值的可靠性和精确度。

过采样会导致各个人群抽样概率的不均等，如对美国人群种族分布的频率图中，未加权的一组人群中，除了Non-Hispanic white and other，其他种族的人均存在oversampling，会导致抽样人群与总体人群分布的差异。

 如果直接对抽样人群进行疾病患病率的估计，则会歪曲患病率的结果。如对年龄超过18岁的成年人进行高血压患病率的估计，未加权的人群中高血压患病率显著高于加权人群，可能是由于不同种族人群高血压患病率不同，非西班牙裔黑人的高血压患病率显著高于其他种族，对此类人群进行过采样导致整体高血压患病率的升高。

因此，有必要对NHANES数据库中的人群进行加权。

二、加权 

权重类别

分为四个类别，主要为wtint2yr，wtmec2yr，subsample weights及24小时饮食召回。

• The interview weight (wtint2yr)
• The MEC exam weight (wtmec2yr)
• Several subsample weights
• 24-hour dietary recall

权重选择

（1）所有变量都在in-home interview中收集，采用wtint2yr；（2）一些变量是在MEC中收集，采用wtmec2yr；（3）一些变量是调查子样本的一部分，采用相应子样本的权重，如研究变量中有空腹甘油三酯（接受检测的人大约是接受MEC检查的样本的一半，采用wtsaf2yr，多周期的话要注意使用合并权重；（4）一些变量来自24小时饮食召回（24-hour dietary recall）：变量来自第一天的recall，采用wtdrd1；使用两天的recall进行分析，采用wtdr2d，多周期的话要注意使用合并权重

选择原则：“the least common denominator“ 选择样本数量最少的变量对应的权重进行校正。选择之前，你需要找出你感兴趣的变量包括在调查的哪个部分中。

接下来举几个示例：

例一：所有感兴趣变量都在居家访谈时纳入，选择的权重为wtint4yr.(两个cycle的权重)

 例二：部分变量在MEC过程中获得 

blood pressure变量涵盖的样本量为11,062，少于in-home interview的样本量，根据变量最少原则，因此权重应该选择wtmec4yr。

例三：部分变量为调查研究中的子集中的部分

 根据变量最少原则，权重应该选择wtsaf4yr。

请注意，有些问卷成分是在MEC检查期间进行的，而不是在家庭访谈期间进行的，因此必须对这些成分使用MEC检查权重。

权重计算

所有访谈和MEC的权重都可以在相应调查周期的人口统计文件中找到，但涉及到多个cycle数据合并时，需要进行权重的计算。由于多个cycle合并时，每个cycle中人群的权重被过高估计，因此应该除以相对应的cycle数目。详细计算如下：

权重计算分为两部分：

（1）1999-2002四年（2 cycles）权重

这两个cycle的数据同时提供了wtint2yr、wtmec2yr及wtint4yr、wtmec4yr，在分析中整合1999-2000年和2001-2002年的调查年份时，必须使用NCHS提供的4年样本加权，以说明两个不同的参考人群。

（2）2001-2002及以后的样本权重

将两年的样本权重除以分析中的两年周期数来计算新的multi-year样本权重。

公式：weight= wtmec2yr/cycle year

示例：

a.结合两个调查周期（4年）

MEC4YR = 1/2 * WTMEC2YR，1999-2002时直接使用MEC4YR

b.结合三个调查周期（6年）

计算1999-2004年六年的权重时，当year在1999-2002时，MEC6YR=2/3* WTMEC4YR，year在2003-2004时，MEC6YR=1/3* WTMEC2YR。2001年以后时，MEC6YR=1/3* WTMEC2YR。

 *SDDSRVYR 是调查周期编号， i.e.
1 = 1999-2000
2 = 2001-2002
3 = 2003-2004

c.

d.

 三、数据下载

1.登录首页：https://www.cdc.gov/nchs/nhanes/index.htm

 

 2.选择特定年份

3.选择需要的数据集

 环境领域中的暴露来源参考Laboratory Data，

健康结局参考Examination Data，

相关协变量参考Demographic Data和Questionnaire Data

4.理解数据变量，下载数据

 “NHANES 2017-2018 Demographics Variable List”：所有变量列表；

“DEMO＿I Doc”：关于所有变量采集和数据类型的详细说明；

“DEMO＿I Data[XPT-3.3 MB]”：数据下载链接。

四、数据库应用

1.验证假设或预测模型

2.数据挖掘

3.构建预测模型