临床SCI的发文神器—NHANES数据库！无法收集临床样本的一定要看！公开免费的海量数据
很多做临床研究的小伙伴们一定经常为收集不到样本而发愁，今天番茄君就给零基础的科研小白们分享个非常实用的临床数据库NHANES。这个数据库开发的比较早，也有大量的文献发表，但是样本数据一直在持续更新中，所以只要肯挖掘，还是可以产出优秀的文章的。接下来就让我们来一探究竟吧~
1. NHANES数据库是什么？
NHANES（National Health and Nutrition Examination Survey）是一项大型横断面研究，旨在评估美国各地儿童和成人的健康和营养状况。该调查始于20世纪60年代，主要包括访谈和体检数据。自1999年起，调查以2年为周期进行，每年选取约5000名参与者进行数据收集。
数据类型包括Demographic Data（人口统计学数据）、Dietary Data（饮食数据）、Examination Data（检查数据）、Laboratory Data（实验室数据）、Questionnaire Data（问卷数据）以及Limited Access Data（有限访问数据）。其中，Limited Access Data包含了一些敏感信息，可通过Research Data Center申请访问，其余数据类型均可免费使用。
2. 如何下载数据？
（1）登录数据库首页https://www.cdc.gov/nchs/nhanes/index.htm
（2）点击主页中的Survey Data and Documentation或者左侧导航栏的Questionnaires, Datasets, and Related Documentation获取相关数据集。
（3）选择感兴趣的年份（以2017-2018为例），并且选择以下6种数据类型进行下载。
4）数据下载，以Demographics Data为例，点击Doc File查看数据说明，并且点击Data File下载XPT数据文件（需用R语言进行导入和查看）。
5）进行数据的整理和归纳。
1. 基于NHANES数据库的发文情况？
PubMed搜索显示，自2016年以来，以NHANES数据库为数据来源的SCI文章每年发表数量为4000+。
其中国人发表数量的占比在2022年达到了54.70%。
在文章发表的国家里，中国排名第二，是第三名（英国）发表数量的近6倍，可见用NHANES数据库发文文章很受国人喜爱。
（不知道如何利用NHANES数据库进行分析或发文章的可以找小云~）
番茄君今天以一篇4分+的文章为例，看一下基于NHANES数据库数据的分析思路。
题目：来自全国健康与营养调查(NHANES)的类风湿关节炎和地中海饮食对中老年人心血管疾病风险的相互作用
杂志：BMC public health
影响因子：4.135
发表时间：2023年3月
数据信息
研究思路
心血管疾病(CVD)的发生与类风湿关节炎(RA)和地中海饮食(MD)相关，但鲜有研究探讨两者的联合作用。本研究基于NHANES数据库，概述RA和MD共存与CVD风险的关系。采用加权多变量logistic回归方法探讨RA、MD与CVD风险的关系，以及RA与MD共存效应，评价加法相互作用。用乘积项的比值比(OR)和95%可信区间(CI)评价乘法相互作用。
主要研究结果
1. 收集数据并整理资料
研究共纳入NHANES数据库中的3352名参与者，将其分为CVD组(n = 385)和非CVD组(n = 2967)(图1)。表1显示了CVD组和非CVD组参与者的一般特征。
图1. 参与者研究流程图
2. 类风湿关节炎(RA)和地中海饮食(MD)与心血管疾病（CVD）风险的关系
RA与CVD、MD与CVD的关系见表2。多因素logistic回归模型结果表明，RA与CVD风险增加相关。与那些高依从性的MD患者相比，那些低依从性的MD患者与心血管疾病的风险呈正相关。
3. RA与MD并存对CVD风险的影响
分析RA和MD对心血管疾病风险的交互作用，发现RA和MD的低依从性对CVD风险增加的交互作用(表3)，提示可能存在协同作用。同时,评估RA和低依从性MD对CVD风险的乘法交互作用(表4)。提示RA和MD在CVD风险上存在交互作用。
4. RA和MD并存对CVD风险的影响基于年龄、性别、种族、BMI和CVD家族史
根据年龄、性别、种族、BMI和CVD家族史进行亚组分析。如表5所示，在其他亚组分析中，除了有CVD家族史的患者外，RA和低依从性MD对CVD风险的加性相互作用也存在。此外，表6还显示了RA和MD基于年龄、性别、种族、BMI和CVD家族史对CVD风险的乘法交互作用。
总结
NHANES数据库的优点：
1) 免费！
2) 数据量大（轻松获取10000+的样本量）；
3) 覆盖大多数临床科室，疾病种类丰富；
这个数据库拥有着庞大的数据量，自变量和因变量的组合理论上来说有N种可能，因此想要挖掘出新颖的选题并非难事。
今天对这个数据库的介绍就到这里啦，希望这些内容可以帮助大家实现SCI从0到1的突破！数据库中的海量数据，总有一个分析角度适合你~
如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对NHANES数据库挖掘感兴趣的小伙伴快来联系小云吧！
