NHANES ファイルをどう結合する？

このタスクを RigorMed に依頼する

1. 結合規則を確認できるファイル引継ぎ説明にする

   以下はタスク入力と整理成果物の提案例です。今回の実行結果、顧客の成果、完了保証ではありません。

   手元の資料: 確認済みの周期、公式ファイル一覧、SEQN と記録単位の説明、手元の対応集計。

   依頼できる成果物・納品目標: 結合規則の説明、構成ファイルの対応確認表、標本フロー記録の案。

2. 書き換えて使えるタスク入力例

   私が提供する構成ファイルと実際の集計から、結合順序、SEQN の関係、適用集団、対応確認表を整理してください。テストが必要な一対多関係を示し、実行記録がなければ結合成功とは書かないでください。

3. 人による確認

   このページの実際の計数は掲載した公式ファイルに由来します。自分のデータの数値として流用せず、構成ファイルの適用対象外を追跡不能と呼びません。

出典と記録粒度を固定

両ファイルとも NHANES 2017–2018 の公開構成ファイルです。異なる周期や参加者ごとに複数行あるファイルに、この例をそのまま適用してはいけません。

BPQ_J の適用範囲は、その構成ファイルの Eligible Sample と BPQ020 Codebook に基づきます。人口統計ファイルの人数は BPQ020 の研究上の分母ではありません。構成ファイルの適用条件と結合キーを先に確認し、その後に具体的な研究課題の組入れ・除外規則を定義します。

SEQN 結合前後の五確認

1. 同周期の公式ファイルのみ

   下記の CDC/NCHS ファイルリンクから DEMO_J.XPT と BPQ_J.XPT を取得し、それぞれの Codebook を開きます。周期、構成ファイル、アクセス日、適用集団、変数定義を記録します。似たファイル名や第三者のミラーを出所確認の代わりにしてはいけません。

2. 列結合より先にキー確認

   それぞれの行数、空でない SEQN の数、重複 SEQN の数を集計します。本例では DEMO_J に 9,254、BPQ_J に 6,161 の一意なキーがあり、どちらにも空キーや重複キーはないため、参加者の一対一結合を確認できます。一対多や重複キーがあれば、構成ファイルの文書に戻って記録単位を確認し、任意に重複を削除してはいけません。

3. 外部結合で監査し結合方式を選ぶ

   両側の出所マーカーを残して SEQN で外部結合すると、両側に存在するのは 6,161、DEMO_J のみは 3,093、BPQ_J のみは 0 です。DEMO_J を左表とする左結合では 9,254 行のままですが、3,093 行には BPQ の値がありません。内部結合または BPQ_J を基準とした場合は 6,161 行です。結合方法は研究課題と構成ファイルの適用集団によって選び、数を大きくするために選んではいけません。

4. 3,093 人を失訪と呼ばず説明

   DEMO_J の左側だけにある記録を確認すると、本例の 3,093 人は全員 16 歳未満で、残りの 16 歳以上の 6,161 人は全員 BPQ_J と対応しています。これは BPQ_J の公式の年齢範囲と一致します。この 3,093 は本例の構成ファイルの適用範囲による差であって、縦断追跡での脱落ではありません。他の周期や構成ファイルに一般化もできません。

5. コードと研究標本を確認

   BPQ020 は、医師または他の医療専門職から高血圧だと言われたことがあるかを尋ねる項目であり、今回の測定血圧ではありません。Codebook とファイルの回答は「はい」2,137、「いいえ」4,014、「わからない」10 です。事前に定めた解析で「はい／いいえ」だけを残す場合、利用可能な回答者は 6,151 です。コード 9 を測定値として扱ったり、この 10 人を結合の問題としたりしてはいけません。その後の研究には、年齢、他の変数の欠測、適用する重み、層、PSU の別途定義が必要です。

二種類の人数変化を分離

公式ファイルの非加重人数確認で、集団推定・正式解析フローではありません。

再計算：XPT の SEQN、人口 RIDAGEYR、質問 BPQ020 を読み、一意性、外部結合 both・left_only・right_only を数えます。left_only の RIDAGEYR < 16、BPQ020 の 1、2、9 を集計。R、SAS、Python で特定ソフトの自動選別なく再現できます。

よくある質問