保姆级NHANES数据库使用教程
NHANES数据库介绍
及
保姆级使用教程
National Health and Nutrition Examination Survey （NHANES数据库，网址：https://www.cdc.gov/nchs/nhanes/index.htm），收集了有关美国家庭人口健康和营养信息，是一项基于人群的横断面调查。
该数据库开始于80年代，生物样本包含了参与者的血清，血浆，尿液等，涉及多种测量指标。此外，还包含了大量的调查问卷数据，调查问卷涉及广泛，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、实验室检查等内容。
该数据库自20世纪末开始，每两年一个周期，更新数据，而且是免费对外开放的，研究者可以根据需要直接下载数据。
该数据库所涉及的参与者的死亡状况存在另一个数据库：NDI数据库。网址为https://www.cdc.gov/nchs/ndi/index.htm，如下图：
从1或3处可以按年份下载，每个年份包含Demographics Data”（人口数据）、“Dietary Data”（饮食数据）、“Examination Data”（检查数据）、“Laboratory Data”（化验数据）、“Questionnaire Data”（问卷数据）、“Limited Access Data”（限制访问数据）。
点击相应的图标即可进入下载页面，本文以下载2009-2010年份的人口数据为例。注意2020-2022年的数据目前还不能下载。
Step 3. 点击数据文件即可下载数据XPT文件,该格式数据可以用SPSS软件打开，也可以用R软件打开。
点击变量注解，进入变量解释页面，主要关注右边的codebook栏，是对变量的具体解释，非常重要（尤其是在调查问卷文件中）。
左边栏的codebook和Frequencies 中是对字段值的解释，比如：gender中的1 代表male，2 代表female，点代表缺失。
Step 4. 数据处理，可采用SPSSR软件、R软件或Excel 处理。
数据处理方法（1）：SPSS数据导入及处理。
a. 格式转换XPT文件格式转化为另存为sav文件或者xlsx文件，以方便处理。
b. 数据合并。
打开先要合并的数据，选中需添加的表格，这里以在数据集1上添加数据集2中的变量，并剔除不需要的变量为例，操作演示如下图的五个步骤，注意的是两个数据集的相同变量为键变量，即患者序列号（SEQN）。
数据处理方法（2）： 用R-Studio软件导入及初步处理数据
a. 在R-Studio 安装"foreign"包。
采用镜像安装比较快（这里采用的是阿里镜像）
具体代码如下：
options(repos=structure(c(CRAN="http://mirrors.aliyun.com/CRAN/")))
install. packages("foreign")
b. 把XPT文件放入R软件下的文件夹
备注：如果不清楚该文件路径，可以运行getwd() 语句获取相应的文件路径
c. 导入XPT文件（如下例子读取了四个XPT文件）
library(“foreign”)
mydata1<-read.xport("ACQ_D.XPT")
mydata2<-read.xport("AGQ_D.XPT")
mydata3<-read.xport("ALQ_D.XPT")
mydata4<-read.xport("AUQ_D.XPT")
d. 文件合并（根据每个文件的“SEQN”的进行合并，“SEQN”表示受访者ID号）
merge_data<-merge.data.frame(mydata1,mydata2,by.x="SEQN",by.y="SEQN",all=TRUE)
若有多个数据集可以分步两两合并，也可采用其它的函数进行合并（下次介绍）
e. 合并文件导出Excel,需要先安装”xlsx”包（这里采用阿里镜像安装）
options(repos=structure(c(CRAN="http://mirrors.aliyun.com/CRAN/")))
install. packages("xlsx")
library(“xlsx”)
write.xlsx(merge_data3,file=”D:/merge_data3.xlsx”)
数据处理方法（3）：Excel数据匹配
如果数据很少的话，也可用SPSS或R软件把XPT文件转化为xlsx文件之后，也可采用Excel匹配数据，操作如下：
用Excel打开，根据每个文件中的相同字段患者序列号（SEQN），利用VLOOKUP函数进行数据匹配。函数如下图所示。Vlookup(A2,sheet2!A:E,2 1)，该函数中A2是查询值，这里是SEQN；Sheet2!A:E表示匹配范围；2代表匹配的数据所在列；1 代表精准匹配。
现在有很多国际认可的临床数据库，这些平台的数据都是鼓励科研人员去挖掘数据、做科学研究的。
生信相关分析，欢迎共同探讨
“
扫码关注学术小助手
共同探讨学术问题
