IF=8.2！中国学者用NHANES指标ERS发文一区| NHANES数据库周报（11.23~11.29）

健康 2024-12-19 07:49 浙江

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60篇NHANES论文。其中6篇一区，28篇二区。

1.外国学者文章介绍（一）

文章题目：目前美国成人脂肪性肝病和纤维化的负担，2017-2023年。

研究背景：多个学会的专家建议采用新的术语，代谢功能障碍相关的脂肪性肝病（MASLD）和脂肪性肝病（SLD）。我们研究了美国目前SLD及其亚类的患病率。

方法：使用2017年至2023年的国家健康和营养检查调查，我们分析了12，199名参与者（≥18岁）完成瞬态弹性成像的数据。SLD及其亚类，包括MASLD，代谢和酒精相关性肝病（MetALD）和酒精相关性肝病（ALD），根据共识命名法进行分类。

结果：年龄校正的SLD患病率（截止值：285 dB/m）为35.0%（95%置信区间[CI]：33.4-36.7）。在该类别中，MASLD的年龄校正患病率为31.9%（95% CI：30.4-33.4），MetALD为2.2%（95% CI：1.8-2.6），ALD为0.8%（95% CI：0.6-1.1）。在COVID-19期间，SLD和MASLD的患病率在统计学上无显着下降，而ALD的患病率无显着增加。相比之下，在COVID-19时代，SLD中晚期纤维化的患病率显著更高，285 dB/m为9.8%，263 dB/m为7.8%，而COVID-19之前为7.4%（P=0.039）和6%（P=0.041）。ALD患者中晚期纤维化和肝硬化的比例是MASLD和MetALD的两倍，主要是由于COVID-19时代的增加。

结论：虽然SLD及其亚型的患病率保持稳定，但在COVID-19时代，SLD个体中晚期纤维化显著增加，ALD的晚期纤维化和肝硬化比例是MASLD和MetALD的两倍。

2.外国学者文章介绍（二）

文章题目：美国成年人健康相关社会需求与心血管健康之间的关系。

研究背景：不利的健康相关社会需求（HRSNs）有可能恶化健康和福祉，并推动健康差距。它与心血管健康（CVH）的关联，由Life's Essential 8评估，尚未在美国成年人中进行全面研究。

数据来源：我们使用了2011年至2020年3月的国家健康和营养检查调查数据，针对年龄≥20岁的成年人。共纳入14，947名参与者（n= 7，340名男性[49.3%];平均[SE]年龄，46.4 [0.35]岁）。

方法：我们将Life's Essential 8评分分为低（0-49）、中等（50-79）和高（80-100）CVH。我们确定了8个不利的HRSN，并将每个不利状态的值指定为1。对不利HRSN的数量进行求和，范围为0 - 8，数量越大表示越不利HRSN。我们使用多变量线性和多项逻辑回归分析HRSN和CVH之间的关系。

结果：更多的不利HRSN与更差的CVH相关：将不利HRSN为1-2、3-4和≥5的成人与无不利HRSN的成人进行比较，低CVH的完全校正患病率比（95% CI）分别为1.42（1.17-1.73）、2.11（1.69-2.63）和2.42（1.90-3.08）。高CVH的相应患病率比（95%CI）分别为0.77（0.68-0.87）、0.58（0.49-0.67）和0.46（0.38-0.55）。这些关联在各亚组和敏感性分析中是一致的。

结论：不利的HRSN与低CVH的高患病率或高CVH的低患病率之间存在分级关联。针对HRSN的公共卫生干预措施可能会减少健康差异并促进CVH。

3.中国学者文章介绍（三）

文章题目：全氟烷基和多氟烷基物质共同暴露与代谢性疾病之间的关系：炎症和氧化应激的介导作用。

研究背景：全氟烷基和多氟烷基物质（PFAS）对人类健康构成潜在风险。在现实世界中，人类通过多种途径暴露于各种PFAS。本研究评估了PFAS暴露与肥胖及其合并症之间的关系，沿着炎症和氧化应激的介导作用。

数据与方法：我们分析了2003-2018年国家健康和营养调查（NHANES）的11，090名参与者。线性回归，逻辑回归和广义相加模型被用来评估PFAS暴露对肥胖及其合并症的个体影响。采用自适应弹性网络模型计算环境风险评分（ERS），以评估联合暴露效应。线性和逻辑回归模型探讨了ERS与肥胖及其合并症之间的关系。中介分析探讨了炎症（中性粒细胞，淋巴细胞和碱性磷酸酶）和氧化应激（γ-谷氨酰转移酶，总胆红素和尿酸）标志物在ERS和肥胖及其合并症之间的关联中的作用。

结果：ERS每增加一个单位，肥胖和2型糖尿病（T2 DM）的几率分别增加3.60倍（95%CI：2.03，6.38）和1.91倍（95%CI：1.28，2.86）。ERS每增加一个单位，BMI增加2.36（95%CI：1.24，3.48）kg/m2，腰围增加6.47（95%CI：3.56，9.37）cm，腰高比增加0.04（95%CI：0.02，0.06）。淋巴细胞、碱性磷酸酶和总胆红素与ERS和肥胖均显著相关，中介比例分别为4.17%、3.62%和7.37%。淋巴细胞、碱性磷酸酶、总胆红素和尿酸与ERS和T2 DM均显著相关，介导比例分别为8.90%、8.74%、29.73%和38.19%。

结论：PFAS暴露与肥胖和T2 DM相关，这些相关性可能是由炎症和氧化应激介导的。需要进一步的机制和前瞻性研究来验证这些关联。

4.中国学者文章介绍（四）

文章题目：体脂百分比与抑郁症的关系：NHANES的横断面研究。

研究背景：数据来自2005-2006年和2011-2018年的NHANES。采用双能X线吸收法（DXA）评估体脂百分比。使用患者健康问卷-9（PHQ-9）评估抑郁症。采用调查加权二元Logistic回归分析探讨体脂百分比与抑郁的关系。分层分析按性别和BMI分层。

数据与方法 ：数据来自2005-2006年和2011-2018年的NHANES。采用双能X线吸收法（DXA）评估体脂百分比。使用患者健康问卷-9（PHQ-9）评估抑郁症。采用调查加权二元Logistic回归分析探讨体脂百分比与抑郁的关系。分层分析按性别和BMI分层。

结果：该研究包括10，694名参与者。在控制混杂因素的情况下，全身脂肪百分比的四分位数越高，抑郁症的OR越高（Q4 vs Q1：OR，1.46; 95% CI，1.04-2.05）以及腿部（Q4 vs Q1：OR，1.48; 95% CI，1.07-2.05），妇科（Q4 vs Q1：OR，1.51; 95% CI，1.11-2.05）、小计（Q4 vs Q1：OR，1.47; 95% CI，1.06-2.03）和头部（Q3 vs Q1：OR，1.30; 95% CI，1.00-1.68）。在按性别和BMI分层分析中，男性或体重过轻和超重组的体脂百分比似乎与抑郁症更密切相关。

结论：体脂百分比升高与抑郁症患病率升高密切相关，尤其是在男性或体重过轻和超重组中。

5.中国学者文章介绍（五）

文章题目：血清载脂蛋白B与抑郁症的关系：一项横断面和孟德尔随机分析研究。

研究背景：抑郁症是一种普遍存在的精神疾病，对全球公共卫生产生重大影响。本研究的目的是确定抑郁症的危险因素，并阐明它们之间的因果关系。

数据与方法：使用来自国家健康和营养调查（NHANES）和全基因组关联研究（GWAS）的数据。对血清ApoB进行对数转换，并进一步分为4组。采用多因素Logistic回归分析血清ApoB水平与抑郁症的关系。采用亚组分析和交互作用检验观察两者之间关联的稳定性。平滑曲线拟合用于研究非线性相关性。使用孟德尔随机化（MR）分析评估血清ApoB对抑郁症的因果效应。

结果：共有6531人参加了这项研究。校正所有协变量后，血清ApoB水平与抑郁呈正相关（OR = 1.40，95%CI = 1.06-1.84; P = 0.0176）。血清ApoB水平与抑郁症无明显因果关系（OR = 0.9985，95%CI = 0.9962-1.0008; P = 0.1923）.敏感性分析验证了结果的可靠性。

结论：血清载脂蛋白B与抑郁症风险增加呈正相关，但MR分析未显示载脂蛋白B与抑郁症之间存在遗传因果关系。根据目前的研究结果，没有迹象表明维持高水平的ApoB有助于抑郁症的管理。

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

医学论文与统计分析

本号为高校统计学老师所设，介绍医学论文进展与统计学方法，SPSS分析方法、真实世界研究、R语言与数据挖掘。关注后，发送关键词“33”到公众号就可以获取常见的统计软件比如Spss，sas，PASS（绝对无毒）等

最新文章

一区Top8.5分杂志同一天发表两篇机器学习预测模型文章，分析过程几乎一样

NEJM：偏态数据如何分析？【附R语言代码】

就在本周日，“临床试验设计与数据分析”直播课，教你如何设计高质量临床试验项目

所有的P≤0.05为何结论却是阴性结果？来看JAMA正刊的一个活生生例子

可预开发票，郑老师团队25年统计新课预告，发表文章后退款

大爆发！一周发文269篇，79篇二区以上| 孟德尔随机化周报（12.1-12.7）

IF=8.2！中国学者用NHANES指标ERS发文一区| NHANES数据库周报（11.23~11.29）

统计超100万条新浪微博后，他们发了JAMA子刊文章，发现全国人失眠的一个幕后黑手

新一期的SPSS公开课今天开始了！“30天学会SPSS与R语言”，欢迎报名

临床试验设计，我认为最要多考虑是关于结局指标的设置，但很多人都没有认真考虑

首发！NHANES数据库2023年数据发文一区（IF=14）

复旦大学：中国原创新药研究首次登顶JAMA正刊，治疗乳腺癌效果显著

完整一天直播! “临床试验设计与数据分析课12.22 举行，欢迎参加

JAMA一篇论文显示：申报课题用上“促销词”，容易中标且资助金额更大，概率提升50%

零基础也可掌握的“机器学习方法”构建预测模型，立即可学，欢迎参加

这篇二区Top文章的临床预测模型，虽然用了8种机器学习方法，但它不靠谱，原因是住院时长不应作为预测因子

硕士毕业论文，如何规范设计临床试验课题？欢迎参加老郑的直播课

NEJM循证：如何做好公共数据库挖掘？

四种方法！一文教会你NHANES加权数据如何计算P trend!

预测模型自变量太多怎么筛选？这篇Lancet子刊如何从249个变量筛出11个

2024年“临床试验设计与数据分析"直播课12.22 举行，欢迎参加！

我国学者79例的临床试验数据发表JAMA子刊！小而精的顶级论文是怎么做到的？

中国学者用15年数据构建临床预测模型发文Lancet子刊，机器学习方法就这么干

可预开发票，郑老师团队25年统计新课预告，发表文章后退款

机器学习方法的佼佼者--超级学习者！来看医学一区top（IF=12.9)的文章

空气净化器对儿童很有用！复旦阚海东团队发文JAMA杂志，证实净化器可改善呼吸系统

机器学习入门（5）| Logistic回归模型

Nature子刊：研究生和博士生抑郁风险增加，“导师Push”成最大危险因素

2025年我们将提供统计服务！医院临床/护理数据分析，可预开发票

NEJM：6位统计学编辑联合发文，如何规范应用模拟RCT方法开展观察性研究

就在明天！零基础入门的R语言“机器学习”预测模型，欢迎参加

第一次见到！中外学者利用几乎相同的数据连发3篇JAMA、JACC顶级文章

就在本周末！零基础入门的R语言“机器学习”预测模型，欢迎参加

还能这么玩！利用轨迹模型+机器学习构建预测模型，乱花渐欲迷人眼

新一期的SPSS公益课程开始了！“30天学会SPSS与R语言”，欢迎报名

双重差分（DID）法：类实验研究重要方法！看看Lancet子刊如何分析中国数据

机器学习入门（5）| logistic回归模型

可预开发票，郑老师团队25年统计新课预告，发表文章后退款

中国学者一周内，连续发表3篇阴性结果在《柳叶刀》、《NEJM》！我们如何解读？

就在本周！零基础入门的“机器学习”预测模型，欢迎报名，发文后退款

NHANES数据库自动下载平台2.0版来啦！一键帮你绘制SCI论文纳排流程图！

年底大课！零基础入门的“机器学习”预测模型，欢迎报名，发文后退款

牛牛牛！海军医大刘建民教授以第一作者同一天发文顶刊NEJM、Lancet！

机器学习“黑箱”模型结果如何解读？SHAP法！这篇实用指南指导讲的很细致

挑战半天搞定一篇NHANES！加权数据分析，0代码搞定全部图表

十年磨一剑，但差点阴沟翻船！首都医科大学团队首登JAMA正刊

年底大课！零基础入门的“机器学习”预测模型，欢迎报名，发文后退款

这个一区杂志不再拥有影响因子！我们来看看近期发表的临床预测模型文章质量如何吧

可预开发票，郑老师团队25年统计新课预告，发表文章后退款

缺失数据填补新方法：递归特征消除+随机森林，也许更优！

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉