NHANES数据库中科院3区SCI文章常见工作量

3区期刊的NHANES研究定位

工作量基准：

✅ 变量计算：需要进行复杂的变量整合和计算。

✅ 严谨的研究框架：通过清晰的逻辑将各种方法串联起来，确保研究过程的系统性和完整性，有效解决科学问题并形成严谨的研究结论。

✅ 图表与补充材料：研究通常包含多个图表和表格（如案例4的6图+5表），以及详细的补充材料，以全面展示研究过程和结果。

核心要素：

✅ 核心分析方法：多样化的统计分析方法是关键，包括但不限于加权 logistic 回归、Cox 回归、限制性立方样条（RCS）分析等。高级模型的应用能够提升结果的准确性和外推性。

✅ 高级统计技术：使用机器学习模型、敏感性分析、加权分位数和（WQS）回归等方法来增强研究的深度和广度。

工作量框架与5篇案例对照

典型工作量拆解

案例一：

文章标题：Association between the triglyceride glucose index and heart failure: NHANES 2007-2018

1️⃣ 数据准备

合并 NHANES 2007-2018 周期（n=59,842→最终纳入13,825）
计算指标：TyG 指数= ln[空腹甘油三酯（mg/dL）×空腹血糖（mg/dL）/2]

2️⃣ 统计分析

主分析：加权 logistic 回归分析+限制性立方样条（RCS）分析

高级分析：受试者工作特征（ROC）曲线

3️⃣ 结果呈现

表3：Logistic 回归结果显示 TyG 指数与心力衰竭之间存在关联

图2：TyG 指数与心力衰竭之间的关联

图3：TyG 指数（连续：A-D;类别：E-H）和心力衰竭之间的受限三次样条曲线

图4：TyG 指数（连续）和 HF 之间的 ROC 曲线

附录： TG、空腹血糖和 HF 风险之间的剂量-反应关系

案例二：

文章标题：Association of frailty with mortality in cancer survivors: results from NHANES 1999-2018

1️⃣ 数据准备

合并NHANES 1999-2018 周期（n=101,316→最终纳入4,726）。
计算指标：根据概念定义开发了两种主要的衰弱模型，包括表型模型和衰弱模型。表型方法首次记录在心血管健康研究中，该研究将虚弱定义为满足 5 项或更多身体标准中的 3 项。衰弱指数模型是根据更全面的临床判断构建的，通过计算各种临床缺陷，包括老年患者的基础疾病、社会心理状况和其他体征和症状。

2️⃣ 统计分析

主分析：Cox 回归分析+RCS 曲线+亚组分析

高级分析：Kaplan‒Meier生存分析+敏感性分析

3️⃣ 结果呈现

图2：根据癌症患者衰弱评分三分位数的全因死亡率（A）、癌症死亡率（B）和心脏死亡率（C）的 Kaplan-Meier 生存曲线

表2：根据虚弱评分，癌症患者全因和特定原因死亡率的 HR （95% CI）

图3：衰弱评分与癌症患者全因死亡率（A）、癌症死亡率（B）和心脏死亡率（C）的剂量-反应关联

图4：癌症患者衰弱评分与全因死亡率相关性的亚组分析

补充材料：敏感性分析（排除虚弱评分在第 5 个百分位数和第 95 个百分位数之外的幸存者后）的结果图表

案例三：

文章标题：Association between composite dietary antioxidant index and rheumatoid arthritis: results from NHANES 2003-2018

1️⃣ 数据准备

合并 NHANES 2003-2018 周期（n=80,312→最终纳入26,501）。
在 NHANES 中，通过非连续的 2 天 24 小时访谈记录每个参与者的饮食摄入量。第一次记录在移动考试中心进行，第二次记录在 3 至 10 天后在线进行。我们根据这些饮食回忆数据提取了 6 种抗氧化剂（锌、硒、类胡萝卜素、维生素 A、C 和 E）的摄入量水平。CDAI 是六种标准化抗氧化剂摄入量的总和。

2️⃣ 统计分析

主分析：Logistic 回归分析+RCS 曲线

高级分析：亚组分析+敏感性分析

3️⃣ 结果呈现

表2：CDAI 与 RA 之间的关联

图2：RCS 用于 CDAI 与 RA 的关系

图3：CDAI 与 RA 之间关系的亚组分析

图4：RCS 研究单一抗氧化剂与 RA 的关系

案例四：

文章标题：Development and validation of a prediction model for ED using machine learning: according to NHANES 2001-2004

1️⃣ 数据准备

合并 NHANES 2001-2004 周期（n=21,161→最终纳入3,869）
勃起功能障碍（ED）评估：受访者被要求在没有面试官的情况下在 MEC 的私人房间里回答问题，允许受访者通过耳机听到问题或阅读电脑屏幕上的问题，然后他们可以触摸电脑屏幕以自己的速度指示他们的回答。问题是：许多男性在方面遇到问题。您如何描述您获得并保持足够的勃起以进行令人满意的的能力？答案选项是：1）总是能够或几乎总是能够，2）通常能够，3）有时能够，4）永远不能。回答“有时能够”或“永远无法”的受访者被归类为患有 ED，而回答“总是能够或几乎总是能够”或“通常能够”的受访者被归类为没有 ED。

2️⃣ 统计分析

主分析：机器学习模型（XGBoost、CatBoost 和 LightGBM）

高级分析：模型评估+SHAP+多重敏感性分析

3️⃣ 结果呈现

图1：数据采集、数据预处理、模型开发流程图

图2：训练组、验证组和测试组的 ROC 曲线

图3：决策曲线分析（DCA）曲线

图4：校准曲线

图5：特征重要性

图6：SHAP 汇总

表2：灵敏度分析结果—— logarithmic Transformation

表3：敏感性分析结果 — SMOTE

表4：敏感性分析结果 — 插补

表5：敏感性分析结果 — 特征选择方法

案例五：

文章标题：Association between multiple vitamins and bone mineral density: a cross-sectional and population-based study in the NHANES from 2005 to 2006

1️⃣ 数据准备

合并 NHANES 2005-2006 周期（n=10,348→最终纳入2,757）。
检测六种维生素的血清水平：使用“Quantaphase II 叶酸/维生素 B12”放射测定试剂盒测量维生素 B12 和红细胞叶酸（即维生素 B9）。维生素 A（视黄醇）和 E（α-生育酚）通过高效液相色谱（HPLC）和光电二极管阵列检测进行测量。维生素 C（抗坏血酸）在 650 mV1下采用等度 HPLC和电化学检测法测定。使用平衡放射免疫测定程序测量血清 25-OH-D。NHANES 实验室手册中详细描述了维生素测量过程。

2️⃣ 统计分析

主分析：多元线性回归+限制性三次样条

高级分析：主成分分析（PCA）+加权分位数和（WQS）回归

3️⃣ 结果呈现

表2：2005-2006 年 NHANES 参与者中六种维生素和 BMD 之间的关联