NHANES 文件合并指南
NHANES 数据文件怎么合并？
把合并规则写成可检查的文件交接说明 可请求的产物／交付目标: 合并规则说明、组件匹配核对表和样本流转记录草稿。
先核对两个文件是否属于同一调查周期、是否都是参与者一行，再用 SEQN 检查一对一匹配。合并后的行数变化，要拆开看组件适用人群、文件匹配和字段特殊编码，不能统称为缺失或失访。
本文只演示 CDC/NCHS 公开发布的 2017–2018 人口学文件 DEMO_J 与血压/胆固醇问卷文件 BPQ_J 的同周期横向合并。它回答的是文件和样本流转问题，不报告高血压患病率、效应估计或因果结论。下列人数来自两份官方 XPT 文件的 SEQN 汇总，并与相应 Codebook 核对。
把这项任务交给RigorMed：材料、产物与核对
把合并规则写成可检查的文件交接说明
下面是建议任务输入与整理目标，不是本轮实跑或客户成效；是否执行及具体交付仍须核对材料、能力与确认结果。
需要提供的材料: 已确认周期、官方文件清单、SEQN和记录粒度说明、已有匹配汇总。
可请求的产物／交付目标: 合并规则说明、组件匹配核对表和样本流转记录草稿。
可直接改写的任务输入
依据我提供的组件与实际汇总，整理文件合并顺序、SEQN关系、适用人群和匹配核对表，标出需测试的一对多情况；没有执行记录就不声称合并成功。
如何检查结果
本页真实计数来自所列官方文件；不能把它们复制成你的数据或把组件不适用叫失访。
先固定来源与记录粒度
两个文件均为 NHANES 2017–2018 公共发布组件；不要把不同周期或一人多行的组件直接套进本例。
| 文件 | 需要确认 | 本例核对结果 |
|---|---|---|
| DEMO_J.XPT | 人口学 Codebook、SEQN、RIDAGEYR；确认一人一行 | 9,254 行；SEQN 非空且不重复；其中 6,161 人年龄 ≥16 岁 |
| BPQ_J.XPT | 血压问卷 Codebook、SEQN、BPQ020；确认适用年龄和一人一行 | 6,161 行；SEQN 非空且不重复；官方说明适用于 16 岁及以上参与者 |
BPQ_J 的适用范围来自该组件的 Eligible Sample 和 BPQ020 Codebook。人口学文件的人数不是 BPQ020 的研究分母；先把组件适用条件和合并键核对清楚，再定义具体问题的纳排规则。
按 SEQN 合并前后做五次核对
只取同周期官方文件
从下方 CDC/NCHS 文件链接取得 DEMO_J.XPT 和 BPQ_J.XPT，并打开各自 Codebook。记录周期、组件、访问日期、适用人群和变量定义；不要用文件名相似或第三方镜像替代来源核验。
先查键，而不是直接拼列
分别统计行数、非空 SEQN 个数与重复 SEQN 个数。本例 DEMO_J 为 9,254 个唯一键，BPQ_J 为 6,161 个唯一键，两边均无空键或重复键，因此本例可检查参与者一对一合并。若出现一对多或重复键，应先回到组件文档确认记录粒度，不要任意去重。
用外连接审计匹配，再选择分析所需的连接方式
按 SEQN 做保留两侧来源标记的外连接：两侧都有为 6,161，只有 DEMO_J 为 3,093，只有 BPQ_J 为 0。若以 DEMO_J 为左表，左连接仍为 9,254 行，但 3,093 行没有 BPQ 字段；内连接或以 BPQ_J 为基准则为 6,161 行。连接方式是研究问题与组件适用人群的选择，不是为了得到较大的数字。
解释 3,093 人，而不是命名为失访
检查 DEMO_J 中仅左侧的记录：本例 3,093 人全部未满 16 岁；其余 6,161 名 16 岁及以上参与者均与 BPQ_J 匹配。这与 BPQ_J 的官方年龄范围一致。这个 3,093 是本例组件适用范围造成的文件差异，不能称为纵向随访中的失访，也不能推广到其他周期或组件。
再查字段编码与研究样本
BPQ020 问的是是否曾被医生或其他卫生专业人员告知患高血压，不是本次实测血压。Codebook 与文件均显示回答“是”2,137、“否”4,014、“不知道”10；如果预设分析仅保留“是/否”，可用回答人数为 6,151，而不是把编码 9 当作数值或把这 10 人归因于文件合并。后续研究还须另行定义年龄、其他字段缺失、适用权重、分层与 PSU。
把两类人数变化分开记
下表是本例官方文件的未加权人数核对，不是总体估计或正式分析的纳排流程。
| 核对阶段 | 人数 | 应如何解释 |
|---|---|---|
| DEMO_J 参与者 | 9,254 | 人口学组件全部记录；SEQN 唯一 |
| 仅在 DEMO_J | 3,093 | 本例均未满 16 岁；不在 BPQ_J 的适用年龄范围内 |
| DEMO_J 与 BPQ_J 匹配 | 6,161 | 两侧 SEQN 一对一；BPQ_J 单侧为 0 |
| BPQ020 为“是”或“否” | 6,151 | 另有 10 个“不知道”；仅用于说明字段编码检查，非正式研究样本 |
可复算口径：分别读取两份官方 XPT，只取 SEQN（人口学另取 RIDAGEYR，问卷另取 BPQ020）；先验证每侧 SEQN 唯一，再对两侧 SEQN 做外连接并统计 both、left_only、right_only；在 left_only 中统计 RIDAGEYR < 16，最后按 BPQ020 Codebook 统计 1、2、9。上述计数也可用 R、SAS 或 Python 重算，不依赖某一种软件的自动筛选。
同周期横向合并，不等于跨周期拼接
这里的 SEQN 合并是把同周期两个参与者级文件按同一个人横向链接。跨周期分析还要追加不同周期记录，并逐项核对变量定义、测量方法、编码、设计与权重；不能把本例的连接方式、人数或权重直接套到另一周期。
本例没有执行复杂抽样估计，也不代表 RigorMed 能自动合并任意 NHANES 文件。正式研究应先冻结问题和纳排规则，核对实际组件的 Analytic Notes，再选择适用的调查权重、分层、PSU 与缺失处理。
常见问题
为什么人口学有 9,254 人，血压问卷只有 6,161 人？
本例 BPQ_J 官方适用年龄为 16 岁及以上。两文件核对显示，人口学单侧的 3,093 人全部未满 16 岁；不能把人数差直接说成数据丢失、拒答或失访。
所有 NHANES 文件都能按 SEQN 一对一合并吗？
不能。先看每个组件的一行代表一个参与者、一次记录还是其他粒度，并查空键与重复键。只有当前组件和周期证实一对一时，才能沿用本例的匹配检查。
合并后 6,161 人就是正式统计样本吗？
不是。BPQ020 还有特殊回答编码，其他研究变量也有自己的适用人群和缺失。正式样本取决于预先定义的问题、纳排条件、完整数据、调查权重和分析方案。
核验来源
以下官方来源核验于 2026 年 9 月 28 日 / RigorMed: 2026-10-13，页面发布前将再次检查访问条件和更新时间。
带着材料和产物目标开始
把合并规则写成可检查的文件交接说明
登录工作台，说明你有权使用的材料和希望拿到的产物，可改写上面的任务输入。按执行前材料与积分提示确认，再核对实际交付中的依据、数字和待确认项。