NHANES数据库的介绍及使用（一）

一个人旅行-

44476人浏览 · 2021-11-12 22:00:43

一个人旅行*-* · 2021-11-12 22:00:43 发布

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)