一区严选！挑战7天一篇NHANES day1-7！

Day 1!

今天我要发起一个崭新的挑战，就是在7天内完成一篇利用NHANES数据库的SCI论文！今天的主要任务是进行初步检索并确定目标期刊。

NHANES数据库，全称National Health and Nutrition Examination Survey，是一项基于人群的横断面调查，旨在收集有关美国家庭人口健康和营养的信息。每年，该项目会对一个全国代表性的样本进行调查，涵盖约5000人。NHANES的访谈部分包括人口统计学、社会经济学、饮食和健康相关问题，而体检部分则包括生理测量和实验室检查等内容。数据量庞大，涉及的相关指标极多，适合各个科室的朋友来挖掘写作，因此近年来备受关注，我也想试试水，哈哈。

我首先简单使用关键词“NHANES”进行了初步检索，发现目前已有大量相关文章，其中不乏高质量的作品。仔细观察后发现，大部分高分文章集中在5分到10分之间，并且多数发表在一区和二区期刊上，这个情况还是挺不错的。由于最近我对抑郁症比较感兴趣，于是我尝试了搜索“NHANES and depression”，发现相关文章的数量和质量都令人满意，因此我决定就从这个方向入手。

第一篇文章是复旦大学最新的抑郁研究成果，后续的文章都出自我们之前调研过的《情感障碍杂志》，但考虑到新的目标，我决定换个目标期刊——我的目标文章是一篇发表在《医学年鉴》上的作品（DOI: 10.1080/07853890.2024.2314235）。

之后我对《医学年鉴》进行了更深入的了解，发现它并非水刊，发文量和被引数都相当可观，于是就决定了这个目标。

接着我检索了之前就有些关注的血液指标，发现它与抑郁症之间的关系还没有被充分研究过，这可是一个不错的研究方向，嘿嘿。

好了，让我们一起来探索NHANES数据库吧！期待未来的7天，一起迎接这个挑战！

Day 2!

我的新挑战继续进行~

第2天的主要任务是了解数据库。

NHANES数据库一听名字就知道和我们的MIMIC、eICU一样是一个公开数据库，但与众不同的是，NHANES的数据获取相对来说更加简便，也就是说可以非常方便地下载到原始数据，对我们这些“临床牛马”来说是非常有利的。之前尝试过搞MIMIC，但由于数据量庞大，本地安装数据库花费了很长时间，NHANES就没有这个烦恼，可以轻松上手。

利用公开数据库发表文章，最重要的就是要了解数据库的数据组成，知道它包含哪些数据，这样才能确定可以利用哪些数据进行构思。NHANES是关于健康和营养调查的横断面调查。从官方网站上我们可以看到，数据库内容非常丰富。

NHANES数据库包含了不同年份的数据，比如“2013-2014”，我们称之为一个周期，因为NHANES每两年上传一次相关数据。每个周期里包含了大量的数据，但我们主要利用的是Data、Documentation、Codebooks，其中包括人口统计学、饮食数据、体格检查、实验室数据、问卷调查和Limited Access Data，而我们最常用的是前五个。Limited Access Data需要申请批准后才能使用。

点击进入后，我们可以看到Doc File和Data File，通过Doc File我们可以了解这个数据集的基本情况，点击Data File就能下载数据，然后利用R或者SPSS等软件打开这个XPT格式的数据集文件。

因为后面会用到NHANES里的数据，所以我花了一些时间将所有周期的数据全部下载下来，这个工作量还是相当可观的。

好了，今天的分享就到这里啦！期待明天的继续探索！

Day 3-4!

进度汇报：数据下载＋数据清洗。

在Day 2，我已经将所有的数据都下载好了，现在就是数据清洗的时候了。对于任何一个公开数据库来说，数据清洗都是最为费时费力的一环，但也是非常关键的步骤。我打算使用R来处理相关的数据，这样获取的数据可以用来构建一个自己的数据库。只要换个指标、换个研究人群，就又能有一篇新的文章诞生。

在开始提取变量之前，我们需要明确需要提取哪些数据。我特别关注的指标包括：年龄、性别、种族、教育程度、婚姻状况、贫困收入比率、体重指数（BMI）、肾小球滤过率（eGFR）、睡眠持续时间、饮酒、吸烟状况、心血管疾病、高血压、糖尿病、高脂血症和抗抑郁药使用等。确定需要提取的变量是关键的一步，而这些协变量的选择可以根据既往的文献中获得。数据提取是公开数据库中最耗时的环节之一，但有了代码的帮助，也能够顺利进行，毕竟一篇二区的文章也不是易如反掌的。

通过代码的提取，我终于在两天的时间内完成了数据清洗工作。有些变量看起来似乎只有是或否的情况，但实际上其定义却有很多细节。举个例子，对于高血压来说，定义不仅包括目前是否正在口服降压药或者血压是否超过了140/90mmHg，而且还需要考虑血压值的测量方式等。这就意味着需要提取更多的数据来综合组成这个协变量。这一工程的确是相当浩大的。

只要数据清洗完成，后续的工作就变得相对简单，没有什么复杂和困难的。而重点就在于选题（选择指标和idea）以及数据提取这两个方面。这也是我花了很多时间进行初步检索并确定目标期刊、选题的意义所在。在开始研究之前，一定要慎重考虑，千万不要一来就急于开跑。

一起加油吧！期待明天的进一步进展！

Day 5！

进度汇报：完成Table和Figure。

经过数据的整理，接下来的任务是制作Table和Figure。在开始具体操作之前，我再次翻阅了相关文献，以模仿文献的思路来进行操作。NHANES文章的常规流程通常包括以下几个步骤，当然，也会有一些文章采用了其他处理方法，比如机器学习，但本质上还是一样的思路，只不过在数据的选择和分析方法上会有一些差异。在刚开始的时候，我们可以先学会最简单的思路，之后再逐步学习和挑战其他方法。

Figure 1：研究人群的数据来源过程。这个图表简要说明了我们筛选数据的流程，比如在2013-2014年，总共有10175例数据，根据我的纳入条件进行筛选和排除，最终纳入1900人。这是数据筛选和清洗流程的可视化呈现。

Table 1：基线资料表。这个表格用于比较不同人群之间的基线资料差异，例如抑郁组和非抑郁组，以描述人群的基本信息。在这个表格中，我们会列出不同变量的连续或分类数据，并进行t-检验或卡方检验等统计分析。

Table 2：回归分析表。通过构建不同的回归模型，评估暴露和结局之间的关系是否稳健。这包括了三个不同的模型，分别是 Crude Model、Model I 和 Model II。在这些模型中，我们会纳入不同的协变量，例如人口统计学信息和疾病情况，以评估其对结果的影响。

Figure 2：限制性立方样条（RCS）结果图。通过RCS曲线的呈现，展示了X和Y之间的剂量效应关系。这种图表非常直观地展示了线性和非线性关系，并且通过检验P for non-linear是否小于0.05来判断是否存在非线性关系。

Table 3：亚组分析表。这个表格用于评估X与Y的关系是否在不同的亚组中存在差异。通过在不同的组别（如性别、年龄、特定疾病）中进行分析，我们可以观察到X与Y的关系是否依然稳健存在，以及在不同组别中是否存在差异。

这些Table和Figure是NHANES文章的主要结果展示方式。由于数据已经整理好，后续的分析工作实际上相对简单。选题和数据的整理才是最费时间的部分，也容易让人浮躁，但只要方向正确，就一定能够获得成果。

今天的挑战圆满成功，继续加油！

Day 6-7！

进度汇报：完成文章写作+投稿。

表格和图片制作完成啦，接下来就是写作部分啦！写作其实是最简单的一部分，采用《框架写作法》，我快速地进行了撰写。

虽然我不是"芒果"，但我依然将电脑带到了科室进行夜班工作。在科室里，我投入到了写作的状态中，情绪十分投入，甚至都没注意到有人在喊我。有个大妈多次喊我，我都没反应过来，直到她说了些话才意识到。她夸赞了医生们的辛苦和水平，并提到了她孙女没能考上某某大学医学院的遗憾，但后来找了个学医的男朋友。这让我感受到了一种特别的情绪，哈哈哈！

根据之前挑战Meta和MR的经验，我知道一般来说一天就能写完初稿。而且我在挑战开始时就已经开始了方法部分的写作，所以现在只需要将图片和结果放进去，然后按照我目标文献的风格进行模仿即可。

完成中文稿后，我会进行翻译、润色，然后做好投稿前的准备工作。挑战成功！