重磅更新！Scitable包发布charls数据虚弱和虚弱指数提取功能，效率提升看得见！

CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。其全国基线调查于 2011-12 年进行，于 2013 年、2015 年、2018 年和 2020 年分别开展了 4 轮常规问卷的追踪调查，并于 2014 年完成了中国中老年人生命历程调查。为确保样本的代表性，CHARLS 基线调查覆盖了全国 150 个国家/地区、450 个村庄/城市社区，涉及 10,257户家庭的 17,708 人，反映了中国中老年人群的总体情况。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。

Charls数据目前能提取到虚弱和虚弱指数这两个变量，这是两个重要的变量，这两个变量是不一样的：

虚弱目前文章定义是个2分类变量：

在上图文章中，可以看到这篇文章虚弱有5个指标定义，是个2分类变量，在本篇文章中虚弱是个结局变量，也有部分文章把它用作观察变量，查看和死亡或者其他结局的关联。

虚弱指数是个连续指标，这个就厉害了，由40个变量组成，charls上大约能提取28个左右，在文章《Association of Cystatin C Kidney Function Measures With Long-term Deficit-Accumulation Frailty Trajectories and Physical Function Decline》中定义了29个指标组成的虚弱指数

但是也是相当复杂的，29个变量中，有些变量计算非常复杂，比如说认知功能，而且每一波的有些指标会变化，等于每个年份都要校对一遍，这个工作量想想都大，我也是校对变量校对到想吐了。

在2011年中没有身体变化的这个选项，我参考了文章《Association between Solid Cooking Fuel Use and Frailty Trajectories: Findings from a Nationwide Cohort in China》的方法，提取了28个变量

虚弱指数由啥用，可以用来做潜轨迹分析，比如说上面这篇文章就拿来做了潜轨迹分析，还有很多文章也是用来做轨迹分析

虚弱和虚弱指数自己手动算还是比较麻烦的，特别是虚弱指数，光找变量就有得你找的，但是用我写的函数可以很轻易做出来，下面我来演示一下，以2011年基线表为例子

导入2011年数据

setwd("E:/公众号文章2024年/charls数据库/class2") #设置你放数据文件的地址

library(haven)
library(tidyverse)

household_roster<-read_dta('household_roster.dta')  #家庭户
family<-read_dta('family_information.dta')   #大家庭
#############3
demographic<-read_dta('demographic_background.dta')  #基线表
health_status_and_functioning<-read_dta('health_status_and_functioning.dta')  #健康状况和功能
biomarkers<-read_dta('biomarkers.dta')  #体检数据
Blood_20140429<-read_dta('Blood_20140429.dta')  #血检数据
weight<-read_dta('weight.dta')  #权重
health_care_and_insurance<-read_dta('health_care_and_insurance.dta')  #医疗保健
###########
data<-demographic  %>% left_join(health_care_and_insurance, by='ID') %>%  
  left_join(health_status_and_functioning,by='ID') %>%  
  left_join(biomarkers,by='ID') %>% left_join(Blood_20140429,by='ID') %>% left_join(weight,by='ID')

提取虚弱的是charlsfrailty函数

charlsfrailty(data)

这样结果就出来了，非常容易，接下来咱们算一下2011年基线患者的虚弱指数，使用charlsfrailtyindex函数来分析，这里除了要定义数据，还要定义一下年份，2011年咱们就是"data2011"

charlsfrailtyindex(data=data,datatype = "data2011")

OK，虚弱指数也算出来了，后期咱们会通过这个虚弱指数来进行轨迹分析。