NHANES数据库能联合哪些数据库做研究？

NHANES数据库

NHANES(National Health and Nutrition Examination Survey)是美国一项具有代表性的全国性健康和营养调查项目，旨在通过综合性的健康和营养评估来监控美国民众的健康趋势和生活方式的变化。NHANES调查每两年进行一次，数据更新周期为两年，数据涵盖了人口统计学信息、饮食、实验室检查、体格检查以及生活方式和社会经济调查等多个领域。

需要具体了解NHANES数据库，可点击文章查看全文：NHANES数据库的数据结构解读

数据类型（简要）

• 人口统计学信息：包括年龄、性别、种族、教育程度、家庭收入等。

• 饮食信息：包括每日食品和营养素摄入情况。

• 体格检查：包括身高、体重、血压等常规检查。部分年份还身体组成（肌肉和脂肪量）、骨密度等数据。

• 实验室检查：对血液、尿液等生物样本进行的化验，包括各种生理和代谢指标，如血生化、血常规数据。还有血/尿样本多种环境污染物暴露数据。

• 问卷数据：包括生活方式、社会经济调查和健康状况等多个领域。

• 生存数据：通过国家死亡指数(National Death Index，NDI)数据库获取NHANES调查对象的生存状态。NDI提供了全因死亡和心血管疾病和恶性肿瘤等特因死亡案例。

NHANES数据库不仅可以独立挖掘做研究，还可以结合其他数据库，比如NHANES数据库+CHARLS数据库、NHANES数据库+GBD数据库、NHANES数据库+CHNS数据库、NHANES数据库+UKB数据库、NHANES数据库+CKB数据库，我们一起通过SCI文章实例看看NHANES数据库如何联合其他数据库一起做研究。

 CHARLS数据库

CHARLS（China Health and Retirement Longitudinal Study，中国健康与养老追踪调查）是由中国北京大学国家发展研究院主持的大型全国性纵向调查项目，旨在收集一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据，用以分析我国人口老龄化问题，推动老龄化问题的跨学科研究。CHARLS全国基线调查于2011年开展，覆盖150个县级单位，450个村级单位，约1万户家庭中的1.7万人。

数据类型

• 基本信息：年龄、性别、教育水平、户籍类型（城镇/农村）、迁移史。

• 健康状况：自评健康、慢性病患病情况（如高血压、糖尿病）、心理健康（抑郁、焦虑）。

• 生活方式：吸烟、饮酒、体育锻炼、睡眠质量。

• 体格检查数据：身高、体重、血压、握力等体检数据。

• 实验室检查数据：血常规、血生化等血检数据。

• 社会资源：经济相关数据、个人/家庭收入、社会与家庭关系、就医频率、医疗费用、医保覆盖情况。

NHANES数据库结合CHARLS数据库

NHANES数据库提供美国人群中暴露与结局的关联，CHARLS数据库通过长期追踪中国中老年人群的健康、经济和社会特征，提供本土化的追踪数据。

这种结合能够在两个国家具有代表性的人群样本中，强化证据效力，为疾病预防和健康促进提供证据。

 案例文章 

标题：Association between different triglyceride-glucose index combinations with obesity indicators and arthritis: results from two nationally representative population-based study

方法：该分析利用了来自CHARLS 2011年基线数据和NHANES 1999–2018数据。通过加权logistic回归模型分析（CHARLS数据库中无加权步骤）TyG-BMI、TyG-WC和TyG-WHtR与关节炎的相关性，并使用限制性三次样条 （RCS） 模型探索非线性效应。

结果：研究发现，TyG-BMI和TyG-WHtR与两个CHARLS的关节炎患病率呈正相关。RCS回归分析显示显著的非线性关联。ROC分析表明，在CHARLS和NHANES 中，TyG-BMI和TyG-WHtR在诊断关节炎方面优于TyG。

GBD数据库

GBD（Global Burden of Disease，全球疾病负担研究）是由华盛顿大学健康指标与评估研究所（IHME）主导的一项全球性健康研究项目，旨在系统评估全球、区域及国家的疾病、伤害和风险因素对健康的影响。GBD通过整合多种数据来源，提供全面的健康指标和趋势分析，为政策制定、资源分配和学术研究提供科学依据。

数据类型

GBD数据库涵盖疾病、伤害、风险因素、健康结果等多个方面，具体包括：

① 疾病与伤害

• 疾病分类：按国际疾病分类（ICD）标准，覆盖传染病（如艾滋病、结核病）、非传染性疾病（如心血管疾病、癌症）、精神障碍等。

• 伤害类型：交通事故、暴力伤害、跌倒、溺水等意外伤害。

• 疾病负担指标：发病率（Incidence），患病率（Prevalence），死亡率（Mortality），伤残调整寿命年（DALYs）。

② 风险因素

• 行为风险：吸烟、饮酒、不健康饮食、缺乏运动等。

• 环境风险：空气污染、水污染、职业暴露等。

• 代谢风险：高血压、高血糖、肥胖、高胆固醇等。

• 风险归因：量化各风险因素对疾病负担的贡献比例。

③ 健康结果

预期寿命（Life Expectancy），健康预期寿命（Healthy Life Expectancy, HALE），孕产妇和儿童健康，医疗服务可及性。

④ 社会经济与人口因素

• 人口结构：年龄、性别、地区分布等。

• 社会经济指标：GDP、教育水平、贫困率等。

• 卫生系统指标：医疗支出、卫生人力、药品可及性等。

NHANES数据库结合GBD数据库

GBD数据库提供全球宏观疾病趋势和风险因素，NHANES数据库提供了具有代表性的美国一般人口数据，其加权后代表性强，覆盖人群全面。此外，NHANES以两年为一个周期进行调查，也能从一定水平上反映疾病趋势。GBD的广泛风险框架与NHANES的个体暴露测量结合，细化风险机制。GBD揭示长期疾病演变，NHANES两年周期捕捉短期趋势（如新兴污染物影响），支持动态干预策略。

这种结合既能在全球视角下的指导下聚焦关键公共卫生问题，也能在美国一般人群样本中验证更细致的疾病风险关联，细化风险机制，支持动态干预策略。

 案例文章 

标题：Association between BMI and asthma in adults over 45 years of age: analysis of Global Burden of Disease 2021, China Health and Retirement Longitudinal Study, and National Health and Nutrition Examination Survey data

方法：这项横断面研究利用了三个数据库，NHANES 2011-2012数据，CHARLS 2011横断面调查数据和GBD 2021年数据。统计分析中进行平滑曲线拟合以可视化 BMI 与哮喘的关系，并针对多个混杂因素进行调整。同时应用分段回归模型来识别潜在的阈值效应，使用似然比检验来比较线性和非线性模型。

结果：高BMI是全球哮喘相关DALY的主要危险因素（2021年为14.93%）。NHANES数据显示非线性关系，转折点为21.6kg/m 2 。当BMI≥21.6 kg/m2时，BMI 每增加一个单位，哮喘风险就会增加5%（OR=1.05,95% CI：1.03-1.06）。CHARLS数据显示BMI与哮喘风险之间存在U形关系，临界点为19.9kg/m2和29.9 kg/m2 。当BMI<19.9kg/m2时，随着BMI每降低一个单位，哮喘风险增加28% （OR=1.28,95% CI：1.15-1.43）。当BMI≥29.9kg/m2时，BMI每增加一个单位，哮喘风险就会增加25%（OR=1.25,95% CI：1.05-1.49）。

CHNS数据库

CHNS（China Health and Nutrition Survey，中国健康与营养调查）是由中国疾病预防控制中心营养与健康所（原中国预防医学科学院营养与食品卫生研究所）与美国北卡罗来纳大学教堂山分校合作开展的一项大型全国性纵向调查项目。自1989年起，每2-4年进行一次追踪调查，旨在研究中国社会经济转型过程中居民健康、营养、生活方式及社会经济状况的变化趋势。

数据类型

CHNS数据涵盖健康、营养、社会经济、家庭与社区四大领域，具体包括：

① 健康相关数据

• 健康状况：自评健康、慢性病患病情况（如高血压、糖尿病、心血管疾病）、传染病史。

• 医疗服务利用：就医频率、医疗机构类型（医院、诊所）、医疗费用、医保覆盖情况。

• 生活方式：吸烟、饮酒、体育锻炼、睡眠质量、心理健康（如压力、抑郁症状）。

• 生物医学指标：血压、血糖、血脂、身高、体重、BMI、腰围、体脂率（部分波次含体检数据）。

② 营养与饮食

• 膳食摄入：食物频率问卷（FFQ）记录过去1年的食物消费情况，包括谷物、肉类、蔬菜、水果、乳制品、豆制品等。

• 营养素摄入：能量、蛋白质、脂肪、碳水化合物、维生素（如维生素A、C、D）、矿物质（如钙、铁、锌）等。

• 食品安全：食品来源（自产、市场购买）、食品加工方式（腌制、熏制、油炸）、食品添加剂暴露。

③ 社会经济与家庭状况

• 收入与支出：家庭总收入、人均收入、主要收入来源（工资、务农、经商、养老金等）、消费结构（食品、医疗、教育、住房）。

• 教育水平：受访者及家庭成员的受教育年限、学历层次（小学、初中、高中、大学及以上）。

• 职业与就业：职业类型（农业、工业、服务业）、就业状态（在职、失业、退休）、工作环境（体力劳动强度、职业危害暴露）。

• 家庭结构：家庭成员数量、代际关系（是否与父母/子女同住）、婚姻状况。

NHANES数据库结合CHNS数据库

CHNS数据库提供中国人群的膳食、生活行为方式，探究膳食与健康的关系，更提供了长期追踪调查，能够做到纵向探究膳食行为与健康的因果关联。NHANES数据库提供了具有代表性的美国一般人口数据，能够做到一般人群的膳食与健康追踪。

这种结合既能在双人群样本下聚焦关键公共卫生问题，又能在CHNS的长期追踪研究中提供纵向证据，在一定程度上解决NHANES横断面研究无法考虑因果推断的难题。

 案例文章 

标题：A nutrient-wide association study for the risk of cardiovascular disease in the China Health and Nutrition Survey (CHNS) and the National Health and Nutrition Examination Survey (NHANES)

方法：这篇文章使用一项全营养关联研究系统评估了29种营养素的膳食摄入量与CVD风险之间的关联。该文献使用了NHANES 2015–2016数据和CHNS数据库2004-2015年数据探究了29种营养素与CVD风险的相关性。在研究在NHANES数据库中为横断面研究采用加权Logistic回归，在CHNS数据库中以2004年数据为基线构建队列研究使用COX比例风险回归，并采用RCS探索剂量反应关系。

结果：在CHNS数据库队列研究中，4种营养素（硒、维生素 A、类胡萝卜素和总蛋白）与CHNS的CVD风险显著相关。在NHANES数据库中，硒保持了相似的结合方向和强度，而其他营养物质未能重复相似发现。

UKB数据库

UKB（UK Biobank，英国生物银行），由英国政府机构、科研机构、慈善组织等共同发起，于2006年正式启动招募工作，从英国各地招募了约50万名年龄在40 - 69岁之间的志愿者，是一项长期的队列研究，计划对这些志愿者进行长达数十年的跟踪随访。旨在通过对大量人群的健康数据进行收集和分析，探索基因、环境和生活方式等多种因素与疾病发生、发展之间的关系，为疾病的早期诊断、预防和治疗提供科学依据深入了解疾病的发生发展机制，推动医学研究和公共健康事业发展。

数据类型

• 人口统计学信息：包括年龄、性别、种族、教育程度、职业、社会经济状况等，这些信息有助于分析不同人群的疾病分布特征和健康差异。

• 生活方式因素：如吸烟状况、饮酒频率和量、体育活动水平、饮食习惯、睡眠模式等，生活方式对健康有着重要影响，这些数据可用于研究生活习惯与疾病的关联。

• 家族病史：记录志愿者直系亲属（父母、兄弟姐妹、子女）的患病情况，了解遗传因素在疾病发生中的作用。

生物样本数据

• 血液样本：用于检测各种生物标志物，如血脂、血糖、肝功能、肾功能指标，以及进行基因测序和分析，以研究遗传变异与疾病的关联。

• 尿液样本：可检测尿液的成分和代谢产物，辅助诊断肾脏疾病、代谢性疾病等。

• 唾液样本：部分研究中也会收集唾液样本，用于分析激素水平、免疫指标等。

• 身体测量数据：身高、体重、腰围、臀围等，用于计算身体质量指数（BMI）、腰臀比、血压、心率、肺功能等。

• 影像学数据：脑部影像、心脏影像、全身骨密度扫描等。

• 健康结局数据：疾病诊断信息、药物使用记录、认知和心理健康等。

NHANES数据库结合UKB数据库

UKB数据库是一项大样本长期的队列研究，提供长时间随访研究。NHANES数据库提供一般美国人群样本，两者同属欧美人群，具有一定的同质性。跨地域人群验证，英国与美国数据互补，提升结果普适性。UKB长期随访支持因果推断，NHANES高频更新捕捉动态趋势。在探究生存分析时，两者都对研究对象进行了长期生存追踪。

NHANES与UKB数据库进行结合，不仅能横向分析欧美人群健康危险因素，更能结合UKB追踪，进行因果推断，避免因果颠倒。准确识别危险因素，促进健全公共健康。

UKB作为大样本长期队列研究，与NHANES的全国代表性样本（加权后覆盖全美多周期人群）均聚焦欧美人群，共享遗传与环境背景的潜在相似性；而英国与美国的地域差异为比较研究提供了基础，可验证风险因素的普适性，提升研究结果的外推性。

UKB的长期随访数据（如疾病发生、死亡事件追踪）为风险因素与结局的时序关联提供依据，增强因果推断可靠性；NHANES每两年更新的横断面设计（如新兴污染物、行为模式变化）可动态校准风险模型，揭示短期暴露效应。

两库均包含生存结局追踪（如全因死亡、特定疾病死亡）还可进行生存分析多维验证：UKB侧重长期风险累积效应，NHANES补充中短期趋势，联合分析可区分持久性与瞬时性危险因素。

通过跨库数据融合，既能锁定欧美人群共性风险（如心血管代谢疾病），又可识别地域特异性干预靶点，还能在一定程度上避免因果推断颠倒，为精准公共卫生策略提供多层次证据支撑。

 案例文章 

标题：Association Between Diabetes and Anemia: Evidence From NHANES and the UK Biobank

方法：分别纳入了来自NHANES和UKB的9,026名和389,616名参与者。多变量logistic回归用于检查糖尿病与贫血的横断面关联。对于UKB随访，进行多变量Cox比例风险回归以估计与糖尿病相关的新发贫血的风险比（HR）和95%CI。

结果：在美国和英国40-69岁的白人中，被诊断为糖尿病的研究参与者同时患有贫血的研究参与者的调整后几率比血糖正常的人高2到4倍。在UKB的中位随访13.6年中，有42,354人发生贫血。将诊断为糖尿病与正常血糖进行比较，缺铁性贫血的校正新发贫血HR为3.05（95% CI 2.90-3.21），慢性病性贫血为3.02（95% CI 2.51-3.63），维生素B12缺乏性贫血为4.88（95% CI 4.23-5.63）。对炎症、肾功能不全和药物使用的进一步调整部分减弱了这些关联。

CKB数据库

CKB（China Kadoorie Biobank，中国慢性病前瞻性研究），是由英国牛津大学、中国医学科学院和北京大学等单位合作建立的一项大型慢性病前瞻性队列研究。该研究于2004-2008年间在中国10个地区（5个城市和5个农村）招募了约51.3万名30-79岁的成年人。研究人员对参与者进行了详细的基线调查，并长期随访他们的健康状况，旨在探讨各类慢性病的病因、发病机制及危险因素，为制定有效的慢性病防控策略提供科学依据。

数据类型

• 人口学信息：年龄、性别、民族、婚姻状况、教育程度、职业等。

• 生活方式因素：吸烟、饮酒、饮茶、饮食模式（包括各类食物摄入频率）、体力活动水平（职业活动、休闲活动等）、睡眠时间等，这些因素对慢性病的发生发展有重要影响。

• 个人和家族疾病史：个人过去和现在所患的疾病情况，以及直系亲属中特定疾病（如心血管疾病、癌症、糖尿病等）的患病史，有助于评估遗传和环境因素在疾病发生中的作用。

• 社会经济状况：收入水平、住房条件、医疗保险情况等，了解社会经济因素对健康的潜在影响。

生物样本数据

• 血液样本：血常规、血生化等数据，还进行基因检测和分析，研究遗传变异与慢性病的关联。

• 尿液样本：分析尿液的成分，如尿蛋白、尿糖、尿肌酐等，辅助评估肾脏功能和代谢状态。

• 随访数据：疾病发病情况、死亡信息、治疗和干预措施。

环境暴露数据

心理和社会因素

NHANES数据库结合CKB数据库

CKB聚焦中国人群独特暴露，并进行长期追踪，揭示慢性病因果链条，NHANES提供美国多民族数据，两者结合可验证风险因素的普适性及地域或人群特异性。

结合CKB和NHANES不同人群，揭示同一风险因素的跨人群作用差异。

精准防控：识别中美高危亚群，支撑差异化公共卫生策略。

 案例文章 

标题：How does obesity affect mortality through blood pressure and blood glucose in Chinese and US citizens? Insights from a causal mediation analysis of two large cohorts

方法：本研究使用CKB样本（n=458385）和NHANES 1999-2008（n=20726）样本探究采用COX比例风险回归探索体重指数（BMI）或腰臀比（WHR）之间与死亡率的关联，并采用因果中介分析估计血压和葡萄糖在其中的中介作用。

结果：在CKB数据集中，WHR对死亡率的影响由血压和葡萄糖介导，分别为38.7%和36.4%，而在NHANES中分别为6.0%和11.2%。对于超重或肥胖受试者BMI与死亡率之间的关联，血糖和血压的介质比例在CKB中分别为49.4%和16.9%，在NHANES中分别为9.10%和16.7%。