如何核对 NHANES 变量

把这项任务交给RigorMed：材料、产物与核对

1. 把变量名单变成可追溯的数据字典草稿

   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: 研究定义、周期、候选字段及官方Codebook、问卷和测量说明。

   可请求的产物／交付目标: 来源绑定的数据字典草稿、跨周期差异表和字段缺口清单。

2. 可直接改写的任务输入

   逐变量记录官方名、组件、定义、适用人群、单位、特殊编码、缺失含义与来源位置，整理成数据字典草稿；无法找到的定义留空并说明。

3. 如何检查结果

   同名不等于可比，不从列名推断单位、编码、时间关系或权重。

一条可用的变量记录应包含什么

建议为主要暴露、主要结局和关键协变量建立逐项映射，而不是只保存一张变量名清单。

变量标签适合发现候选字段，官方数据文档、Codebook、Frequencies 和方法说明才是确认语义的主要依据。若多个字段看起来相似，应回到问卷、检查或实验室组件确认它们分别测量什么。

核对 NHANES 变量的七个步骤

1. 从官方检索入口定位候选变量

   用疾病、指标、问卷概念和可能的英文术语检索候选变量，记录出现在哪些调查周期和数据组件。搜索结果只用于定位，不作为最终变量定义。

2. 打开对应周期的数据文档

   确认变量来自人口学、问卷、检查、膳食还是实验室文件，并记录文件名、周期和参与者标识。不要从其他周期的同名文档推断当前周期含义。

3. 核对适用人群与跳题

   查看变量适用于哪些年龄、性别或受访条件，以及问卷中哪些回答会跳过后续问题。结构性未询问、拒答、不知道和真实缺失不能混为一种状态。

4. 核对测量方法、单位与特殊值

   实验室和检查变量需要确认样本类型、仪器、方法、单位、检测限及特殊编码；问卷变量需要保存问题原文、回答选项和访谈对象。必要时查看组件方法文件和分析说明。

5. 逐周期比较可比性

   建立周期对照表，比较变量名、定义、问卷措辞、设备、实验室方法、单位、编码和适用人群。官方提供桥接研究或校正方法时，应按其适用条件处理；没有依据时不要自行假定等价。

6. 确定合并键与调查权重

   同一周期内，不同参与者级组件通常依据 SEQN 合并，但仍要检查记录粒度和重复情况。权重应由实际使用的数据组件和分析人群决定，并同时保留分层与 PSU 变量。

7. 冻结变量字典与派生规则

   正式统计前，固定原始字段、目标名称、类型、单位、代码映射、缺失规则、派生公式、周期处理和来源链接。无法从官方证据确认的语义应明确列为缺口，不应靠经验补写。

最常见的六个变量错误

1. 把变量标签当作完整定义，没有打开对应周期的 Codebook；
2. 忽略适用年龄和跳题逻辑，把未询问者计入分析分母；
3. 把拒答、不知道、低于检测限或其他特殊代码当成普通数值；
4. 跨周期合并时只比较列名，没有比较方法、单位和编码；
5. 从多个组件取变量，却仍使用不适用于最小分析子样本的权重；
6. 先在代码里自行重编码，后补变量字典和来源依据。

变量进入分析前的检查清单

对每个主要变量，至少确认以下内容：

• 官方变量名、标签、组件文件和调查周期是否一致？
• 目标人群、年龄范围和问卷适用条件是否明确？
• 问题原文或测量方法是否支持计划中的研究定义？
• 单位、检测限、设备和实验室方法是否已记录？
• 所有代码和特殊缺失值是否有官方解释？
• 跨周期可比性是否有逐项证据，而非仅凭同名判断？
• 文件合并键、记录粒度和重复情况是否已核对？
• 调查权重、分层和 PSU 变量是否与数据组件匹配？
• 派生变量是否有预设公式、来源字段和处理边界？
• 访问日期与官方文档链接是否保存到变量字典？

如果主要暴露或结局无法通过这些检查，不应先用相近变量替代。应回到研究问题，重新选择周期、变量或数据来源。

常见问题