NHANES 概述
NHANES 由美国 CDC 主持的大型横断面调查，包含体检、实验室检查和问卷数据。 clinResearchKit 封装了从数据加载、权重处理到回归分析的全流程。
适用场景
横断面研究、巢式病例对照、流行病学关联分析
核心优势
自动处理复杂调查权重（PCM, WTMEC4YR, SDMVPSU 等）
01 离线数据库标准化（推荐）
如果你的 NHANES 离线库同时包含原始 XPT、官方文档以及 1988–2018 harmonized 表，建议先使用
nhanes_build_standardized()
建立一个非破坏式标准化入口层。该流程会在 NHANES 根目录下生成
nhanes_standardized/，自动整理 README、manifest、逐表 RDS
与兼容 .RData，后续读取时不需要反复手动指定复杂路径。
library(clinResearchKit) # 首次配置或换设备时，先设置 NHANES 根目录 locate_data("nhanes", "/Users/angus/Documents/02_已完成项目/NHANES离线数据库") # 构建非破坏式标准化入口层 nhanes_build_standardized() # 查看逻辑数据集索引 idx <- nhanes_read_standardized("dataset_index") # 查看 harmonized clean 清单（不全部载入内存） clean_manifest <- nhanes_read_standardized("harmonized_clean", load = FALSE) # 按需读取指定表 demo <- nhanes_read_standardized("harmonized_clean", tables = "demographics_clean")
推荐读取顺序：dataset_index
适合快速查看本地表与官方 NHANES 链接映射；
harmonized_clean
适合按需提取 clean 大表；
inventory
会盘点全库文件，包括被标记为排除的噪声目录，因此更适合审计而不是直接分析。
标准化产物：会自动生成总 README、manifest/index、逐表 .rds
与兼容 .RData 的打包入口。
跨设备迁移：最稳的方式是整个 NHANES 根目录一起迁移到新机器。迁移后重新执行：
locate_data("nhanes", "新设备上的 NHANES 根目录") nhanes_build_standardized()
02 数据加载与合并
原始 NHANES 离线库支持两种读取方式：一类是直接使用
DEMO、
BMX 这类逻辑数据代码，
自动汇总当前根目录下的所有匹配周期；另一类是使用
DEMO_B、
BMX_B 这类带后缀的 dataset stem，
精确锁定单个调查周期。
# 加载包 library(clinResearchKit) # 方式 A：bare dataset code，会自动匹配 NHANES 根目录下所有对应周期 data <- nhanes_merge(c( "DEMO", # 人口学数据 "BMX", # 体格测量（BMI、血压等） "BPX" # 血压检查 )) # 方式 B：带后缀 dataset stem，只读取单个周期 # 下面用 B (= 2001-2002) 举例；实际使用时请替换成你本地存在的周期后缀 data_single_cycle <- nhanes_merge(c( "DEMO_B", "BMX_B", "BPX_B" )) # 单表读取时，无扩展名 stem 也可以直接识别 demo_b <- nhanes_load("DEMO_B") # 根据分析变量自动推荐权重，再生成多周期权重 wt_var <- nhanes_select_weight(data, c("BMXBMI", "BPXSY1")) data <- nhanes_weight_multi_cycle(data, weight_var = wt_var)
说明：DEMO /
BMX 这类 bare dataset code
会自动展开为当前 NHANES 根目录下的全部匹配周期；
DEMO_B /
BMX_B 这类 stem 则固定到单个调查周期。
提示：如果你已经完成
nhanes_build_standardized()，
推荐优先使用 nhanes_read_standardized()
读取整理后的 clean 表；原始逐表合并更适合需要保留官方原始文件结构时使用。
注意：nhanes_select_weight()
用来选择合适的权重变量，不用于按年份筛选调查周期；如需锁定单周期，请直接改用
DEMO_B、
BMX_B 这类带后缀 stem，
并把 _B 替换成你本地实际存在的后缀。
03 Table 1（三线表）
# 生成 Table 1（按糖尿病状态分层） tbl <- nhanes_table1( data, strata = "DIABETES", # 分层变量 cat_vars = c("sex", "race", "smoke"), cont_vars = c("age", "BMI", "SBP", "LDL"), test = TRUE, # 自动进行组间比较检验 export = "xlsx", # 导出为 Excel filename = "table1.xlsx" ) # 打印查看 print(tbl)
Table 1 解读：连续变量显示为均值±标准差或中位数（IQR），分类变量显示为 n (%)， 自动进行 t 检验/卡方检验，并标注 P 值。
04 创建调查设计对象
NHANES 使用复杂抽样设计，必须创建调查设计对象后才能进行加权回归分析。
# 创建调查设计对象（自动识别所有调查周期） design <- create_nhanes_design(nhanes_data) # 指定单个调查周期 design <- create_nhanes_design(data_2017) # 自定义权重变量（高级） design <- create_nhanes_design( nhanes_data, weight_var = "WTMEC4YR", cluster_var = "SDMVPSU", strata_var = "SDMVSTRA" )
注意：所有后续的回归分析函数（nhanes_cox、
nhanes_logistic）
都会自动使用这个调查设计，不需要重复传入。
05 Cox 比例风险模型
# Cox 回归（结局：全因死亡） result <- nhanes_cox( data, formula = Surv(permth_int/12, mortstat) ~ BMI_group + age + sex + race, time_unit = "month" ) # 查看结果 print(result) summary(result) # 提取 HR 及置信区间 print_summary(result)
# 逻辑回归 lr_result <- nhanes_logistic( data, formula = DIABETES ~ BMI + age + sex + race, exponentiate = TRUE ) # 批量逻辑回归（多个自变量） batch <- nhanes_batch_glm( data, y_var = "DIABETES", x_vars = c("BMI", "SBP", "LDL", "CRP"), family = "binomial", adjust_vars = c("age", "sex", "race") )
06 森林图
# Cox 回归森林图 p <- nhanes_forest_plot(result, title = "BMI 与全因死亡（NHANES 2017-2018）") print(p) ggsave("forest_cox.pdf", p, width = 8, height = 6) # 逻辑回归森林图 p_lr <- nhanes_forest_plot(lr_result, title = "代谢指标与糖尿病") ggsave("forest_logistic.pdf", p_lr, width = 8, height = 6)
森林图自定义：支持修改配色（colors）、
字体大小（base_size）、
参考线（ref_line）等参数。
07 限制性立方样条（RCS）非线性分析
检验自变量与结局是否存在非线性关系，自动选择最优 knots 数量。
# RCS 非线性分析（BMI 与高血压） rcs_result <- nhanes_rcs( data, x_var = "BMXBMI", # 连续自变量 y_var = "hypertension", # 二分类结局 knots = 3, # 节点数（3 或 4 常用） adjust = c("age", "sex", "race") ) # 非线性检验 P 值 print(rcs_result$p_nonlinear) # 绘制 RCS 曲线 ggplot(rcs_result$rcs_data, aes(x = BMXBMI, y = OR)) + geom_line() + geom_ribbon(aes(ymin = lower, ymax = upper), alpha = 0.2) + geom_hline(yintercept = 1, linetype = "dashed", color = "red") + labs(x = "BMI (kg/m²)", y = "OR")