NHANES項(xiàng)目介紹及數(shù)據(jù)提取流程

郭曉娟，田國(guó)祥，潘振宇，楊津，柳青青，呂軍,4

美國(guó)國(guó)家健康與營(yíng)養(yǎng)調(diào)查（NHANES，National Health and Nutrition Examination Survey）是一項(xiàng)基于人群的橫斷面調(diào)查，旨在收集有關(guān)美國(guó)家庭人口健康和營(yíng)養(yǎng)的信息[1]。項(xiàng)目?jī)?nèi)容包括家庭訪談和健康體檢兩部分。調(diào)查在參與者的家中進(jìn)行。NHANES協(xié)議由國(guó)家衛(wèi)生統(tǒng)計(jì)研究倫理中心審查委員會(huì)批準(zhǔn)。所有成年參與者都提供書(shū)面通知同意，18歲以下參與者需在父母或監(jiān)護(hù)人同意下進(jìn)行[2-4]。NHANES采用分層多階段抽樣設(shè)計(jì)，以獲得美國(guó)居民的代表性樣本[5]。抽樣計(jì)劃由四個(gè)階段組成：選擇初級(jí)抽樣單位（PSU），縣或鄰近的群體縣；選擇縣內(nèi)部的單位；選擇住宅單位和選擇住宅單位內(nèi)的樣本人[4]。

1 NHANES項(xiàng)目介紹

NHANES計(jì)劃始于20世紀(jì)60年代初期，是一項(xiàng)針對(duì)不同人群或健康主題的調(diào)查，由國(guó)家營(yíng)養(yǎng)監(jiān)測(cè)系統(tǒng)與國(guó)家健康調(diào)查系統(tǒng)相結(jié)合，形成了國(guó)家健康與營(yíng)養(yǎng)調(diào)查（NHANES）。自20世紀(jì)80年代以來(lái)，NHANES收集了參與者的生物樣本，包括血清、血漿和尿液等。存儲(chǔ)的生物樣本可供研究人員隨時(shí)使用。使用NHANES生物樣本產(chǎn)生的數(shù)據(jù)被添加到NHANES數(shù)據(jù)庫(kù)并提供給公眾，旨在解決未來(lái)的醫(yī)療，環(huán)境和公共衛(wèi)生問(wèn)題。1999年該調(diào)查成為一項(xiàng)持續(xù)計(jì)劃，重點(diǎn)關(guān)注各種健康和營(yíng)養(yǎng)測(cè)量，以滿足新出現(xiàn)的需求。項(xiàng)目每年調(diào)查一個(gè)全國(guó)代表性的樣本，約5000人，這些人群位于全國(guó)各縣。研究小組由醫(yī)生、醫(yī)療技術(shù)人員及健康調(diào)查員組成。參與調(diào)查遵循自愿原則，選定的參與者將接受標(biāo)準(zhǔn)化的個(gè)人訪談。NHANES訪談部分包括人口統(tǒng)計(jì)學(xué)、社會(huì)經(jīng)濟(jì)學(xué)、飲食和健康相關(guān)問(wèn)題。體檢部分包括生理測(cè)量、實(shí)驗(yàn)室檢查等內(nèi)容。調(diào)查結(jié)果將用于確定主要疾病的患病率和疾病的風(fēng)險(xiǎn)因素，也是衡量身高、體重和血壓等國(guó)家標(biāo)準(zhǔn)的基礎(chǔ)。

2 NHANES網(wǎng)站介紹

2.1 登陸網(wǎng)站打開(kāi)網(wǎng)站首頁(yè)：https://www.cdc.gov/nchs/nhanes/index.htm，該網(wǎng)站是屬于CDC（Centers For Disease Control and Prevention），也就是美國(guó)疾病控制與預(yù)防中心（圖1）。

圖1 NHANES網(wǎng)站頁(yè)面

2.2 選擇數(shù)據(jù)集在左側(cè)的導(dǎo)航欄中，選擇我們感興趣的Questionnaires，Datasets，and Related Documentation，也就是調(diào)查問(wèn)卷，數(shù)據(jù)集和相關(guān)文檔一項(xiàng)（圖2）。

2.3 選擇數(shù)據(jù)年份在這里我們看到雖然2017～2018年份已經(jīng)存在，但在本文撰寫(xiě)時(shí)該數(shù)據(jù)還未整理完成，因此這里我們選擇最近的日期，點(diǎn)擊NHANES 2015-2016（圖3）。

圖2 數(shù)據(jù)集選擇頁(yè)面

圖3 選擇數(shù)據(jù)年份頁(yè)面

2.4 選擇需要的數(shù)據(jù)集在“Data，Documentation，Codebooks，SAS Code”一項(xiàng)中，有6項(xiàng)不同的數(shù)據(jù)，分別是“Demographics Data”（人口數(shù)據(jù)）、“Dietary Data”（飲食數(shù)據(jù)）、“Examination Data”（檢查數(shù)據(jù)）、“Laboratory Data”（化驗(yàn)數(shù)據(jù)）、“Questionnaire Data”（問(wèn)卷數(shù)據(jù)）、“Limited Access Data”（限制訪問(wèn)數(shù)據(jù)）。這里我們以“Demographics Data”為例，明確如何應(yīng)用（圖4）。

2.5 理解數(shù)據(jù)變量在上表中有幾個(gè)重要內(nèi)容，“NHANES 2015-2016 Demographics Variable List”：人口數(shù)據(jù)的所有變量列表；“DEMO_I Doc”：關(guān)于所有變量如何采集和數(shù)據(jù)類型的詳細(xì)說(shuō)明；“DEMO_I Data [XPT - 3.6 MB]”：真實(shí)數(shù)據(jù)的下載鏈接。點(diǎn)擊NHANES 2015-2016 Demographics Variable List 進(jìn)入下一頁(yè)，可以看到變量類型比如患者訪談時(shí)使用的語(yǔ)言，出生國(guó)家，是否為美國(guó)公民，學(xué)歷，家庭人數(shù)等信息（圖5）。

圖4 選擇需要數(shù)據(jù)集頁(yè)面

圖5 變量說(shuō)明頁(yè)面

3 數(shù)據(jù)下載介紹

3.1 下載數(shù)據(jù)返回上一頁(yè)，點(diǎn)擊“DEMO_I Data[XPT - 3.6 MB]”，下載數(shù)據(jù)，該數(shù)據(jù)為XPT格式，也就是SAS軟件的數(shù)據(jù)格式，可以使用SAS Universal Viewer來(lái)查看，可以導(dǎo)入到R語(yǔ)言中，使用R Studio查看（圖6）。

3.2 下載并安裝R語(yǔ)言及R Studio

3.2.1 安裝R語(yǔ)言R Studio必須在安裝R語(yǔ)言的條件下才能使用，打開(kāi)R語(yǔ)言網(wǎng)址，https://cran.r-project.org/，選擇適合自己電腦操作系統(tǒng)的版本安裝（圖7）。

圖6 下載數(shù)據(jù)頁(yè)面

圖7 安裝R語(yǔ)言頁(yè)面

3.2.2 安裝RStudio進(jìn)入R Studio網(wǎng)站，找到以下鏈接，點(diǎn)擊進(jìn)入：https://www.rstudio.com/products/rstudio/download/#download，選擇適合的版本。這里我們選擇最基本的免費(fèi)版，選擇適用自己電腦操作系統(tǒng)的版本，點(diǎn)擊下載。下載完成后點(diǎn)擊按

照，此處無(wú)需特別設(shè)置（圖8）。

3.2.3 啟動(dòng)R Studio安裝完R語(yǔ)言之后啟動(dòng)，成功進(jìn)入R Studio（圖9）。

3.3 編寫(xiě)R語(yǔ)言腳本點(diǎn)擊左上角的綠色+，選擇”R Script”，來(lái)創(chuàng)建一個(gè)新的R腳本（圖10）。

3.4 編寫(xiě)代碼導(dǎo)入數(shù)據(jù)輸入以下代碼來(lái)導(dǎo)入我們剛才下載的人口數(shù)據(jù)（圖11）。

圖8 R Studio安裝頁(yè)面

圖9 R Studio啟動(dòng)頁(yè)面

圖10 R腳本創(chuàng)建頁(yè)面

圖11 編寫(xiě)代碼頁(yè)面

3.5 導(dǎo)入數(shù)據(jù)數(shù)據(jù)導(dǎo)入成功后，會(huì)以表格形式展示，可以看到，人口數(shù)據(jù)中總共有9971個(gè)樣本，47個(gè)變量。SEQN是樣本編號(hào)，以83 736為例，可以看到RIDSTATR=2，表示進(jìn)行了面試和檢查，RIAGENDER=2，表示女性，RIDAGEYR=42，表示42歲（圖12）。

3.6 合并數(shù)據(jù)人口數(shù)據(jù)里面只有關(guān)于樣本的特征信息，如我們需要研究特定人群的發(fā)病情況，需要合并多個(gè)表格數(shù)據(jù)進(jìn)行分析。如我們想知道血壓情況，同樣的方法，先去下載到血壓數(shù)據(jù)（圖13）。

圖12 數(shù)據(jù)導(dǎo)入頁(yè)面

圖13 血壓數(shù)據(jù)下載頁(yè)面

然后導(dǎo)入到R Studio，導(dǎo)入之后發(fā)現(xiàn)有9544個(gè)樣本，21個(gè)變量，說(shuō)明不是所有人都采集了血壓信息（圖14）。

將兩個(gè)數(shù)據(jù)集合并成一個(gè)，取名為merge_data，下面是完整的加載兩個(gè)數(shù)據(jù)集并合并的代碼（圖15）。

3.7 綜合分析在合并后的數(shù)據(jù)中，我們可根據(jù)自己的研究領(lǐng)域進(jìn)行查詢，如在140～190的人群分布。在合并后的數(shù)據(jù)中，點(diǎn)擊Filter，在彈出的下拉菜單中可根據(jù)變量做各種條件過(guò)濾，比如選擇BPXCHR中140-190的人群，可看到共有166個(gè)樣本符合該條件（圖16）。

4 討論

圖14 數(shù)據(jù)導(dǎo)入頁(yè)面

圖15 數(shù)據(jù)合并頁(yè)面

圖16 數(shù)據(jù)合并頁(yè)面

國(guó)家健康與營(yíng)養(yǎng)調(diào)查是由美國(guó)疾病預(yù)防控制中心國(guó)家衛(wèi)生統(tǒng)計(jì)中心連續(xù)開(kāi)展的橫斷面調(diào)查，收集了全國(guó)有關(guān)健康和營(yíng)養(yǎng)狀況的代表性數(shù)據(jù)[6]，可以為流行病學(xué)家和營(yíng)養(yǎng)學(xué)家提供全面的生物學(xué)、社會(huì)心理學(xué)、行為學(xué)及人口學(xué)等的信息[7]。與過(guò)去的健康調(diào)查一樣，NHANES收集了有關(guān)人口中慢性病患病率的數(shù)據(jù)，通過(guò)調(diào)查，可估算出以前未確診的情況，以及受訪者已知和報(bào)告的情況。這些信息是NHANES計(jì)劃的特殊優(yōu)勢(shì)。同時(shí)調(diào)查了風(fēng)險(xiǎn)因素，一個(gè)人的生活方式、體質(zhì)、遺傳或環(huán)境可能會(huì)增加患某種疾病或病癥的機(jī)會(huì)。研究吸煙、飲酒、性行為、吸毒、身體健康和活動(dòng)、體重和飲食攝入量。還收集了關(guān)于生殖健康某些方面的數(shù)據(jù)，如使用口服避孕藥和母乳喂養(yǎng)做法。研究的疾病和健康指標(biāo)包括：貧血、心血管疾病、糖尿病、環(huán)境暴露眼疾、聽(tīng)力損失、傳染性疾病、腎臟疾病、營(yíng)養(yǎng)、肥胖、口腔健康、骨質(zhì)疏松、生育史和性行為、呼吸系統(tǒng)疾?。ㄏ灾夤苎?，肺氣腫）、性病、視力等，研究結(jié)果可用于確定慢性疾病的患病率和危險(xiǎn)因素，便于研究者開(kāi)展流行病學(xué)研究，并為政府公共衛(wèi)生政策和衛(wèi)生服務(wù)計(jì)劃的制定提供依據(jù)。本文通過(guò)介紹NHANES的項(xiàng)目?jī)?nèi)容和數(shù)據(jù)提取方法，為有興趣的研究者提供參考，幫助他們更高效快捷的開(kāi)展研究。