详情请点击下方：
零基础两天掌握NHANES公共数据库挖掘技巧，发表SCI论文！！！
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计划始于20世纪60年代初，并作为一系列针对不同人口群体或健康主题的调查进行。自1999年以来，对美国的人口健康状况进行了更为定期的调查。每次调查中，来自美国约3000个县中30个选定县的约10000名参与者被要求在移动检查中心（MEC）参加家庭访谈、随后的身体检查和实验室测试。
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。
一、2024年NHANES文献预览
本周PubMed数据库“标题/摘要：NHANES”搜索发现，共发表29篇NHANES论文。其中3篇一区，14篇二区。
1.外国学者文章介绍（一）
文章题目：结合广义代谢流的数字孪生模型识别和预测2型糖尿病患者的慢性肾脏疾病。
研究背景：开发了一种基于数字双胞胎的CKD识别和预测模型，该模型利用2型糖尿病（T2DM）患者的广义代谢通量（GMF）。GMF数字双胞胎使用基本的临床和生理生物标志物作为识别和预测CKD的输入。
数据来源：NHANES数据库。
方法：采用了四个不同的多种族队列（n=7072）：一个新加坡队列（EVAS，n=289）和一个北美队列（NHANES，n=1044）用于基线CKD识别，两个多中心新加坡队列（CDMD，n=2119和SDR，n=3627）用于3年CKD预测和风险分层。利用单一数据集进行了一项综合研究，以评估GMF预测CKD的临床效用。基于GMF的识别模型表现强劲，AUC在0.80和0.82之间。在预测中，使用完整参数生成的GMF获得了高性能，AUC为0.86，而使用不完整参数，其AUC为0.75。利用完整输入的基于GMF的预测模型是我们算法的标准实现：HealthVector Diabetes。我们已经建立了GMF数字孪生模型，作为一种强大的临床工具，能够预测和分层未来CKD的风险在3年的时间范围。
结果：报告了GMF与基本输入参数的相关性，它们区分未来健康状态和基线药物状态的能力，以及它们量化CKD进展率的能力。这种整体方法基于GMF代谢特征差异提供了对患者健康状态和CKD进展率的见解，从而实现个性化护理计划。
2.外国学者文章介绍（二）
文章题目：基于生理学的妊娠期特异性血清铁蛋白测定在美国孕妇铁缺乏症中的应用。
研究背景：血清铁蛋白（SF）浓度是铁缺乏症（ID）最广泛使用的指标。在怀孕期间，世界卫生组织最近根据专家意见建议，在怀孕的第一个三个月，ID的SF阈值为<15 µg/L，并且没有对第二个和第三个月提出建议。
数据来源：在1999-2010年和2015-2018年NHANES的横截面数据中检查了SF与缺铁性红细胞生成发作的两个独立指标血红蛋白（Hb）和可溶性转铁蛋白受体1（sTfR 1）的关系。纳入了1288名15-49岁的孕妇，排除了患有炎症或潜在肝病的妇女。
方法：我们使用限制性立方样条图（RCS）回归分析，以确定铁缺乏性红细胞生成的SF阈值。
结果：SF在妊娠期间下降;几何平均SF在第一阶段较高，在第二和第三阶段较低。使用RCS分析，在怀孕期间确定的SF阈值为<25.8（18.1,28.5)妊娠早期为18.3（16.3,22.9）µg/L，妊娠中期为19.0（14.4,26.1）µg/L。这些SF阈值水平跟踪铁调素的浓度，铁调素是控制铁储存动员的铁调节激素。SF浓度<15 µg/L作为ID的标准可能会低估整个妊娠期间ID的真实患病率。
结论：在我们的研究中，每十名孕妇中就有一名被认为缺铁，这是通过使用基于生理学的阈值，即在第一个三个月期间SF约为25 µg/L，在第二个三个月期间约为20 µg/L。
3.外国学者文章介绍（三）
文章题目：一种将人体生物监测数据与模型预测的膳食暴露相结合的新方法：使用高效氯氟氰菊酯的作物保护化学品案例研究。
研究背景：适当使用人体生物监测数据来模拟人口接触化学品是一项挑战，特别是对于快速代谢的化学品，如农业化学品。
研究目的：将模型预测的膳食暴露和生物监测数据整合起来，以潜在地为监管风险评估提供信息。
数据来源：美国国家健康和营养调查（NHANES）。
方法：证明了随着ABC阈值缩小预测与观察到的尿液测量值的可接受容差范围，模型化的尿液3PBA与NHANES 3PBA测量值之间的相关性增加了两倍以上。使用ABC方法预测的尿液浓度中位数比使用当前监管的蒙特卡罗方法更接近测量值的中位数。
结论：通过整合模型预测的膳食暴露和生物监测数据，并使用近似贝叶斯计算方法校准预测值与测量值之间的差异，可以更准确地反映人口化学暴露情况，从而为监管风险评估提供更可靠的信息。
4.中国学者文章介绍（四）
文章题目：确定抑郁症与便秘之间的关联：一项观察性研究和孟德尔随机化分析。
研究背景：抑郁症和便秘都是严重影响生活质量的常见疾病，但抑郁症与便秘的表型关系及因果关系尚不清楚。
数据来源：国家健康与营养检查调查（N = 11,585）。
方法 ：通过logistic回归分析评估表型关系。然后，我们使用全基因组关联研究（GWAS）数据（抑郁症：N = 807,553;便秘：N = 377,277）通过双向双样本孟德尔随机化（MR）分析评估因果关系。为了探讨抑郁症的严重程度是否影响抑郁症和便秘之间的因果关系，我们对480,359例重性抑郁症患者的GWAS数据进行了进一步的MR研究。
结果：便秘组约有11. 31%的参与者患有抑郁症，明显高于肠道正常组（6. 09%）。观察性研究显示抑郁与便秘呈正相关（OR = 1.968，95%CI = 1.530-2.532）。此外，重度抑郁症患者发生便秘的风险（OR = 2.294，95%CI = 1.538-3.422）高于轻度抑郁症患者（OR = 1.549，95%CI = 1.242-1.932）。双向MR分析显示抑郁症与便秘有明显的因果关系，而便秘与抑郁症无因果关系。此外，MR分析还揭示了重度抑郁症和便秘之间的因果关系。
结论：抑郁症与便秘呈正相关，抑郁症对便秘有因果关系。临床医生在治疗抑郁症患者时应牢记便秘的风险。
5.中国学者文章介绍（五）
文章题目：尿多环芳烃代谢物和高脂血症：NHANES 2007-2016。
研究背景：尿中多环芳烃（PAH）代谢产物与高脂血症的关系尚未得到深入研究。本研究的主要目的是调查美国成人尿液中PAH代谢物浓度与高脂血症患病率之间的联系。
数据来源：2007-2016年国家健康和营养检查调查（NHANES）的数据。
研究方法：Logistic回归模型用于评估尿PAH代谢物水平与高脂血症风险之间的相关性，而限制性立方样条图模型用于检查剂量-反应关系。进行亚组和相互作用分析，以进一步阐明这些协会。加权分位数和（WQS）回归分析了各种尿PAH代谢产物对高脂血症风险的累积影响。
结果：这项研究包括7,030名参与者。值得注意的是，尿PAH代谢物浓度最高五分位数的个体表现出高脂血症患病率显著升高，即使在综合校正后也是如此（比值比OR=1.33，95%置信区间CI：1.01-1.75）。此外，第四个五分位数的1-羟基菲和2-羟基萘以及第三、第四和第五个五分位数的2-羟基芴水平升高与高脂血症的患病率呈正相关。这些关联在亚组分析中持续存在。此外，在WQS模型中观察到尿PAH代谢物混合物与高脂血症之间呈正相关（阳性模型：OR = 1.04，95% CI：1.00-1.09），其中2-羟基萘的贡献最大。
结论：横断面分析确定了美国人口统计学中尿PAH代谢物和高脂血症患病率之间的显著相关性，2-羟基萘是主要影响因素。这些发现强调了需要减轻PAH暴露作为高脂血症的预防措施。
6.中国学者文章介绍（六）
文章题目：单核细胞与高密度脂蛋白-胆固醇比率和体重指数与心肾综合征的独立和联合关联：NHANES 2003-2020。
研究背景：随着病理生理学的发展，心肾综合征（CRS）作为一种复杂而严重的疾病越来越受到人们的关注。单核细胞与高密度脂蛋白胆固醇比值（MHR）和体重指数（BMI）是心血管疾病的独立危险因素，但其与CRS的关系尚未研究。本研究旨在探讨MHR和BMI对CRS的独立和联合作用。
数据来源：NHANES 2003-2020中42，178名参与者。
研究方法：CRS的确定是指同时存在心血管疾病（通过自我报告确定）和慢性肾脏疾病（eGFR < 60 mL/min/1.73 m²）。我们采用多变量加权logistic回归分析来评估MHR和BMI与CRS的独立和联合关联的比值比（OR）和95%置信区间（CI）。进行了限制性立方样条图以探索非线性关联。
结果：CRS的患病率为3.45%。MHR和BMI的增加与CRS的风险增加相关（MHR：OR = 1.799，95%CI = 1.520-2.129，P<0.001，P-trend<0.001; BMI：OR=1.037，95%CI=1.023-1.051，P<0.001）。同时处于最高MHR四分位数且BMI ≥ 30的个体与处于最低MHR四分位数且BMI <25的个体相比，CRS风险最高（OR=3.45，95% CI=2.40-4.98，P<0.001）。然而，MHR和BMI与CRS之间没有交互关系。
结论：较高的MHR和BMI与CRS的几率较高相关。MHR和BMI可分别作为CRS早期预防和干预的工具。
7.中国学者文章介绍（七）
文章题目：炎症是相对握力与高脂血症之间缺失的一环吗？来自一项大型人群研究的证据。
研究背景：相对握力（RHGS）与心血管标志物的健康水平呈正相关，与代谢性疾病风险呈负相关。然而，其与高脂血症的关联仍然未知。本研究利用国家健康和营养调查（NHANES）的数据调查了RHGS和高脂血症之间的联系，并进一步研究了炎症可能在这种关系中起中介作用的假设。
数据来源：2011-2014年NHANES数据库中的4610名参与者。
方法：使用多变量logistic回归模型探索RHGS与高脂血症之间的相关性。进行亚组分析以辨别不同人群中RHGS与高脂血症之间的相关性。通过平滑曲线拟合和阈值效应分析来验证RHGS与高脂血症之间的相关性。此外，还探讨了炎症对这种关联的潜在介导作用。
结果：根据完全校正模型，RHGS与高脂血症呈负相关（比值比OR=0.575，95%置信区间CI=0.515至0.643），在所有人群中，尤其是女性中，这一点始终显著。平滑曲线拟合和阈值效应分析证实RHGS与高脂血症呈负相关。介导效应分析显示，白色细胞（WBC）、中性粒细胞（Neu）和淋巴细胞（Lym）计数起介导作用，介导率分别为7.0%、4.3%和5.0%。
结论：RHGS与高脂血症呈显著负相关。升高的RHGS可能通过调节炎症过程的潜在机制作为抗高脂血症的保护因子。
更多文章如下：
外国学者：
中国学者：
一个专门做公共数据库的公众号，关注我们
详情请点击下方：
670
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
