NHANES数据库数据下载

最新推荐文章于 2024-06-14 09:43:53 发布
最新推荐文章于 2024-06-14 09:43:53 发布
阅读量1.3w 收藏 213
点赞数 29
文章标签： big data 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40563866/article/details/120113073
版权

今天跟大家分享一下如何用R包nhanesA下载NHANES数据

以一个简单的研究目的为例：使用NHANES数据库中的数据构建一个舒张压的预测模型。

根据该研究目的，整理纳入分析的周期和变量：

①研究周期：2013-2014年；

②因变量：舒张压；

③自变量：性别、年龄、种族、婚姻状态、收缩压、吸烟和饮酒；

④抽样调查相关信息：weights、strata、psu（这部分数据比较特殊，至于为什么要下载这些数据，下一篇推文跟大家介绍权重的时候再详细说）。

目录

 0、NHANES数据库数据存储结构

1、 下载与加载包 

2、查询指定年份和指定分类中的表格

3、 查找表格中包含的字段

4、下载数据

5、选择相应变量

6、翻译分类变量

 7、下载EXAM分类中的数据

8、下载存放表格未知的变量

 9、 连表

0、NHANES数据库数据存储结构

NHANES数据库的数据主要分为五个公开数据类别和一个受限访问数据，其中五个公开数据类别分别为：

  • DEMO：人口统计学

  • DIET: 饮食

  • EXAM: 检查  

  • LAB: 实验室指标

  • Q: 问卷调查

为了方便大家理解，我们绘制了一张NHANES数据存储结构脑图

图片

1、 下载与加载包 

install.packages("nhanesA")
install.packages("knitr")
install.packages("tidyverse")
install.packages("plyr")
library(nhanesA)
library(knitr)
library(tidyverse)
library(plyr)

2、查询指定年份和指定分类中的表格

用 nhanesTables()方法可查看5个分类中各有哪些表格，以2013-2014年的人口统计学资料为例：

# data_group=DEMO/DIET/EXAM/LAB/Q, year写入一个周期中的奇数年份即可
nhanesTables(data_group = 'DEMO', year = 2013)

图片

 

可以看到2013年的人口统计学资料表叫做DEMO_H，其中H代表2013年的索引，若查询的是2015年的人口统计学资料，便是DEMO_I。

3、 查找表格中包含的字段

我们知道了2013年的人口统计学资料表叫做DEMO_H后，可以用以下代码查询该表格中包含了哪些字段，以及每个字段的描述

kable(nhanesTableVars(data_group = 'DEMO', nh_table = 'DEMO_H', namesonly = FALSE))

 

图片

 我们用同样的方式观察一下血压所在表BPX_H中相关字段与描述

kable(nhanesTableVars(data_group = 'EXAM', nh_table = 'BPX_H', namesonly = FALSE))

 如果想要对表和字段有更深的了解，我们可以用以下代码，跳转到NHANES官网，查看表和字段的说明

browseNHANES(data_group = 'EXAM', nh_table = 'BPX_H')

图片

4、下载数据

用nhanes()方法可直接在R中下载指定表格（这里以人口统计学数据为例）

demo <- nhanes('DEMO_H')

 下载时如果出错，多重试几次，如果重试多次还是下载不了，也可以把官方的XPT文件下载到本地，然后用以下代码加载（这里以2013-2014的DEMO_H为例）

图片

library(haven)
demo <- read_xpt(file ='DEMO_H.xpt')

5、选择相应变量

下载完成后，我们根据研究目的选择变量。本案例需要的性别、年龄、种族、婚姻状态以及weights、strata、psu都是在人口统计资料中，用以下代码从demo中选择这些变量

demo1 <- demo %>% select(SEQN, # 序列号
RIAGENDR, # 性别
RIDAGEYR, # 年龄
RIDRETH3, # 种族
DMDMARTL, # 婚姻状况
WTINT2YR,WTMEC2YR, # 权重
SDMVPSU, # psu
SDMVSTRA) # strata

图片

6、翻译分类变量

直接下载下来的分类变量是以1、2等数字表示，如上图中的性别和种族等，用以下代码，将数字翻译成其所代表的含义

demo_vars <- names(demo1)
demo2 <- nhanesTranslate('DEMO_H', demo_vars, data=demo1)

在翻译过程中，可能会出现如下图所示警告，这是由于有些字段不是分类变量，不需要翻译，所以我们可以忽略这个警告

图片

 最后翻译完成的数据，如下图所示

图片

 7、下载EXAM分类中的数据 

 其中收缩压和舒张压数据位于BPX_H表格中

bpx <- nhanes('BPX_H')
bpx1 <- bpx %>% select(SEQN, # 序列号
BPXDI1, # 舒张压
BPXSY1) # 收缩压

8、下载存放表格未知的变量

对于一些不知道在哪个表格里的变量，可以在官网进行关键词搜索，链接如下

https://wwwn.cdc.gov/nchs/nhanes/search/default.aspx

以吸烟数据为例

图片

可以看到有很多不同的数据集都包含了吸烟信息

图片

然后我们根据描述，选取适合我们研究目的的变量，我们这里选择SMQ040: "你现在是否吸烟？"（也可以通过查看详细描述后再选择更加适合自己研究目的的变量）

图片

 进入2013-2014 Questionnaire页面后，我们会看到Q分类下所有的表格，再找到我们所需要的SMQ040字段所在的表SMQ_H，点击SMQ_H DOC可以查看该表格以及表中字段的具体信息

图片

图片

查到吸烟数据对应的表格和字段后，用以下代码下载表格并选取字段

smq <-  nhanes('SMQ_H')
smq1 <- smq %>% select(SEQN, # 序列号
SMQ040) # 你现在吸烟吗？

# 用同样的方式查询并下载饮酒数据
alq <- nhanes('ALQ_H')
alq1 <- alq %>% select(SEQN, # 序列号
ALQ130) # 过去12个月每天饮酒量

 9、 连表

此时我们有了以下4个表

  • 人口统计学资料表：demo2

  • 血压数据表：bpx1

  • 吸烟数据表：smq1

  • 饮酒数据表：alq1

根据序列号‘SEQN’将4个表连接成一个表，用来进行后续的分析（SEQN是NHANES数据库中被调查者的唯一标识）

# 方式1：逐张连表
data <- demo2 %>% full_join(bpx1, by = 'SEQN') %>% full_join(alq1, by = 'SEQN')
# 方式2：全部连表
data <- join_all(list(demo2, bpx1, alq1, smq1), by = 'SEQN', type = 'full')

 至此生成的data就是研究目的所需要的所有数据了

需要注意的是由于NHANES中数据抽样方法的复杂性，这份数据不能够直接利用传统的统计方法进行分析。至于如何正确分析，我们将在后续的推文中跟大家介绍！

 

科研杂录
关注
  • 29
    点赞
  • 踩
  • 213
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
download-nhanes:用于下载和格式化 NHANES 数据的 R 函数
07-04
下载-nhanes R 函数来下载和格式化 NHANES 数据。 用户可以按年份和部分（演示、饮食、检查、实验室、问卷）指定所需的数据。 完成后，该函数将从 CDC FTP 站点下载数据，合并数据，计算多年权重，并返回一个加权调查对象，以供分析。
NHANES:包含NHANES数据版本的R包
05-12
NHANES套餐 NHANES软件包包含来自美国国家健康和营养检查研究的两个版本的数据集。 NHANESraw包含NHANES网站上的数据，并对其进行了重新编码以使其更易于在R中使用。 NHANES包含该版本的重采样版本，其中考虑了采用的采样方案。 所得数据集是对美国人群中简单随机样本的合理近似。 有关更多详细信息，请参见数据集的帮助页面。
NHANES数据库使用（1）
weixin_49320263的博客
02-18 1450
NHANES数据库使用（1）
代码+视频，手把手教你下载NHANES死亡数据
最新发布
dege857的博客
06-14 767
美国国家健康与营养调查（ NHANES, 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。既往再文章《Nhanes临床数据库挖掘教程1----数据库下载》中，咱们已经初步介绍了Nhanes临床数据的下载，但是这个数据没有涉及到死亡结局和随访时间，本次继续视频介绍如何下载死亡结局相关的数据。地址为：https://wwwn.cdc.gov/nchs/nhanes/Default.aspx。
R语言文章复现：NHANES数据库论文生存分析复现！
郑老师统计
01-10 2444
美国国家健康和营养检查调查（NHANES）是一项旨在评估美国成人和儿童健康和营养状况的研究计划。该调查的独特之处在于它结合了访谈和体格检查。由美国疾病控制和预防中心（CDC）负责为国家提供健康统计数据。NHANES访谈包括人口统计，社会经济，饮食和健康相关问题。检查部分包括医疗，牙科和生理测量，以及由训练有素的医务人员进行的实验室测试。近年来公共数据库发文量逐年攀升，NHANES数据库的数据质量较...
Nhanes临床数据库挖掘教程1----数据库下载
dege857的博客
10-24 7955
21(1):292.为参照（糖尿病与肺功能之间的非线性关联：一项基于人群的研究）为参照，对数据进行下载，作者取的是2007-2012年的数据，我这里取的是2007-2008的数据。需要找到年龄、性别、种族、体重指数、血糖、FVC等相关指标，这是一个花时间的过程，需要慢慢找，先把人口统计数据下载下来看看，使用haven包的函数把数据打开。还需要关键的血糖和肺功能的指标，血糖应该在化验室指标那里，这次我们使用nhanesA包来下载。对数据进行提取，序列号都要提取，等下对数据进行合并用的。数据小的话还是很快的。
懒人方法｜（一）分享：NHANES数据库怎么下载整理
Senoh的博客
03-28 3133
继前面孟德尔随机化的代码分享，应粉丝要求出一篇关于NHANES数据库的数据整理入门教程全代码分享｜R语言孟德尔随机化怎么做？TwoSampleMR包MR一套标准流程。
NHANES数据库的介绍及使用（一）
热门推荐
Christina
11-12 3万+
一、数据库概况 NHANES（National Health and Nutrition Examination Survey）是一项旨在评估美国成人和儿童健康和营养状况的研究计划，计划始于20世纪60年代初期，是一项针对不同人群或健康主题的调查。 1999年该调查成为一项持续计划，涉及各种健康和营养测量，项目每年调查一个全国代表性的样本，约5000人，这些人群位于全国各县，每年对其中15个县进行访问。 NHANES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。体检部分包括生理测量、实验室检查等
NHANES数据库的介绍及使用（二）
Christina
11-12 1万+
前一篇介绍了NHANES数据库的加权及数据的下载NHANSE数据库的介绍及使用（一）_Christina-CSDN博客，这一篇主要介绍数据库如何导入软件进行下一步计算合并。 例一： 以NHANSE数据库的文章为例（Brody DJ, Pratt LA, Hughes J. Prevalence of depression among adults aged 20 and over: United States, 2013-2016. NCHS Data Brief, no 303. Hyattsvill
自己提取的nhanes数据库
11-03
Nhanes数据库由多个数据集组成，每个数据集针对特定的研究主题。例如，`nhanes.csv`可能包含了个人基本信息、体检结果、问卷调查数据等多个方面的内容。这些数据通常被组织成表格形式，每行代表一个调查对象，每列则...
nhanes截止至2020年数据2
04-30
【标题】"nhanes截止至2020年数据2"所指的是一份关于美国国家健康与营养检查调查（National Health and Nutrition Examination Survey, 简称NHANES）的更新数据集，该数据集截止到2020年，并由于其体积庞大而被分为...
nhanesA
04-01
nhanesA R包，用于浏览和检索国家健康与营养检查调查（NHANES）中的数据。 该软件包旨在用于研究和指导目的。 nhanesA软件包中的功能允许直接从完全自定义选择和导入数据，因此建立有效的网络连接至关重要。 从CRAN安装：install.packages（“ nhanesA”） 从开发仓库安装：install_github（“ cjendres1 / nhanes”）
NHANES_Data_Analysis
04-20
NHANES_Data_Analysis 可以在上找到有关此数据的信息，包括数据预处理在内的分析位于同一存储库中的不同jupyter笔记本中。 NHANESPreprocessing.ipynb-大约2500名参与者的NHANES数据集的初始预处理。 NHANESMerge_Hybrid.ipynb-为每个参与者合并和预处理NHANES数据集。 NHANESExploratoryAnalysis.ipynb-NHANES数据探索。 NHANES_Traditional_Scenario_1.ipynb-传统ML方案，适用于2500种左右前五种疾病的参与者。 NHANES_Traditional_Scenario_2.ipynb-适用于所有个人的传统ML方案。 NHANES_NeuralNetworks_CNN_Approach.ipynb-由于对数据复杂性的了解，CNN在NH
NHANES.xlsx
03-15
适用于决策树的数据集
nhanesR包（付费）学习笔记
09-01
此为nhanesR包 数据提取部分的笔记。是根据老师讲课的内容以及自己的需求记的。个人认为很详细，可用于在记不得做法的时候回溯用。想免费要我的笔记可以联系我。跟我交换笔记或者交流科研。
论文研究 - 睡眠障碍与心血管疾病之间的关联：NHANES的结果
05-14
目的：睡眠障碍与心血管疾病（CVD）之间的关系尚不明确。 这项研究评估了美国成年人中睡眠障碍与CVD之间的关联以及睡眠时间对睡眠障碍与CVD之间关系的影响。 设计：横截面分析。 地点：NHANES（国家健康与营养检查调查）。 参与者：NHANES调查的2015-2016年周期共纳入5660名成年人。 测量：主要结局是存在任何CVD，包括自我报告的心绞痛，充血性心力衰竭，冠心病，高血压和心肌梗塞。 使用logistic回归分析睡眠障碍与CVD的睡眠时间之间的关联。 使用睡眠时间的分层模型来评估效果改善。 结果：我们纳入了5660名参与者（男性为52.2％），其中32.7％的参与者报告睡眠受到干扰，而38％的参与者报告了CVD。 与未报告任何睡眠障碍的人相比，睡眠障碍者的CVD几率高出85％（OR 1.85，95％CI 1.43-2.39）。 同样，与睡眠时间为6至9小时的人相比，那些睡眠时间较短的人中CVD的几率更高（OR 1.40，95％CI 1.01-1.95）。 但是，没有证据表明睡眠时间会改变效果。 结论：我们的研究结果表明，睡眠障碍与CVD几率较高有关。 临床医生和其他医疗保健
nhanes插补数据，可以用于nhanes插补数据的分析
12-09
nhanes插补数据，可以用于nhanes插补数据的分析
nhanesA包的介绍及使用
Christina
08-14 7533
Introducing nhanesA Christopher J. Endres 2021-01-30 Background nhanesA was developed to enable fully customizable retrieval of data from the National Health and Nutrition Examination Survey (NHANES). The survey is conducted by the National Center for
nhanes数据库中体力活动分组
05-01
NHANES数据库中的体力活动分组是指将人们从事的各种体力活动分为不同的等级，以便研究人员能够更好地理解人们的身体活动水平。NHANES数据库中的体力活动分组包括以下几个等级： 1. 久坐：这个等级适用于那些在绝大部分时间内都是坐在一个地方的人。 2. 轻度活动：这个等级适用于那些在绝大部分时间内都是在轻度活动中的人，如行走或做家务。 3. 中度活动：这个等级适用于那些在绝大部分时间内都是在中度活动中的人，如快走或做重活。 4. 重度活动：这个等级适用于那些在绝大部分时间内都是在重度活动中的人，如慢跑或其他剧烈运动。 这些等级可以帮助研究人员了解人们的身体活动水平，并且可以用来评估人们的健康状况。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值