恭喜中国农大！基于NHANES发表JAMA子刊
11月18号，中国农业大学团队基于NHANES数据库再次发表JAMA子刊，影响因子10.5，牛惨了~
咋高分NHANES发的越来越多，你却连有意义的选题都找不到一个，本期来看看这篇范文的选题思路🤔
💡研究背景：心血管、肾脏和代谢 （CKM） 疾病在病理生理学上是相互关联的， 在 2015 年至 2020 年期间影响了超过 25% 的美国成年人， 并且是 2021 年的主要死亡原因。 根据危险因素和已确诊的疾病，分期范围从 0（无危险因素）到 4（已确诊心血管疾病 [CVD]）。很少有研究评估美国人群的 CKM 综合征分期；在这项具有全国代表性的研究中，作者评估了 CKM 综合征分期的患病率和时间演变。
💡技术路线：
数据调整
数据调整考虑了NHANES（国家健康和营养调查）的复杂抽样调查设计，包括层、主要抽样单元和概率权重，这些都被纳入统计模型中。
基线特征差异
使用调查加权线性回归分析连续变量，使用调查加权卡方检验分析分类变量，以评估五个CKM（心血管-肾脏-代谢）阶段和高级（3或4阶段）与非高级（0、1或2阶段）CKM阶段之间的基线特征差异。
年龄标准化CKM患病率
通过直接标准化方法计算年龄标准化的CKM患病率，使用2010年美国人口普查作为标准人口，分为30至44岁、45至64岁和65至79岁三个年龄组。
差异性检验
使用调查加权和年龄标准化权重检测不同年龄组、性别、种族、民族和SDOH（社会决定因素）之间CKM阶段患病率的差异。
多变量回归模型
使用调查加权多项式逻辑回归模型，调整了基线年龄、性别、种族和民族、饮酒状况、吸烟状况和体力活动，以估计SDOH与CKM阶段患病率之间的相对风险比（RRR）和95%置信区间（CI）。
泊松回归模型
使用调查加权修改泊松回归模型，调整了上述混杂因素，以检验SDOH与CKM阶段患病率之间的关联，并估计所有参与者、仅男性和仅女性中的患病比（PR）和相应的95% CI。
决策树分析
使用χ²自动交互检测分类树估计基于多个SDOH的CKM阶段或高级与非高级CKM阶段。
敏感性分析
使用NHANES 2011-2018年的数据进行敏感性分析，复制了高级与非高级CKM阶段参与者的主要分析。
数据插补和多重比较
由于PREVENT方程不适用于插补数据，因此没有进行数据插补。鉴于研究的横断面和探索性特质，没有应用多重比较的调整。
数据展示
下表显示了各变量的患病率及调整后的PR（Prevalence Ratio）：
本篇文章研究的是CKM综合征，何为CKM综合征？
2023年10月，美国心脏病协会（AHA）发表了关于心血管-肾脏-代谢综合征的主席建议（Presidential Advisory），将CKM定义为：
一种由肥胖、糖尿病、慢性肾脏疾病和心血管疾病（包括心力衰竭[HF]、心房颤动、冠心病、脑卒中和外周动脉疾病）之间病理生理相互作用导致的全身性疾病。
由于是新概念，很容易发文章。短短半年间已经有多篇基于NHANES数据库做的关于CKM相关研究的文章发表。
未来方向探讨
既然NHANES可以，那么反过来，其他数据库是否也有这样的新兴机会呢？期待大家的探索~
相关数据展示
💡主要结果：不良SDOH组CKM晚期患病率更高
研究结果表明，所有不良SDOH组与良好SDOH组相比，CKM分期存在显著差异，失业、家庭收入低、粮食不安全与CKM分期晚期的可能性增加相关。与<2次不良SDOH相比，累计2次或2次以上不良SDOH的参与者有更高的晚期CKM患病率。
💡研究优势：
1、大样本量：研究包含了29,722名参与者，这为分析提供了足够的统计能力。
2、多阶段设计：NHANES采用复杂的多阶段概率抽样设计，有助于提高样本的代表性和研究的可靠性。
3、详细的社会决定因素（SDOH）评估：研究考虑了多个SDOH维度，如教育、婚姻状况等，这有助于全面理解这些因素如何影响CKM阶段的分布。
4、年龄标准化患病率：通过使用年龄标准化方法，研究能够更准确地比较不同社会群体之间的CKM患病率。
5、考虑了潜在的混杂因素：在统计分析中，研究控制了年龄、民族等潜在混杂因素。
6、敏感性分析：通过使用不同时间段的数据进行敏感性分析，研究验证了主要发现的稳健性。
💡研究劣势：
1、横断面设计：由于研究的横断面性质，无法确定因果关系，只能观察到关联。
2、数据局限性。
3、未测量的SDOH：研究未能评估所有相关的SDOH，如社会凝聚力、结构性种族主义这些因素可能影响CKM阶段的分布。
4、PREVENT方程的适用性限制：PREVENT方程仅适用于30至79岁的成年人，且不适用于CVD风险因素极端值的个体。
5、数据插补未进行：可能存在缺失数据的问题。
6、多重比较未调整：这可能增加了I型错误的风险。
总结：在选题上，因为是新概念，所以基于公共数据库来做研究很容易发，半年间就已有多篇相关研究，且分数都不低，既然NHANES可以，举一反三，其他数据库是不是也有这样机会呢？
