NHANES 文件合併指南
NHANES 數據文件怎麼合併？
把合併規則寫成可檢查的檔案交接說明 可請求的產物／交付目標: 合併規則說明、組件配對核對表與樣本流轉紀錄草稿。
先核對兩個文件是否屬於同一調查週期、是否都是參與者一行，再用 SEQN 檢查一對一匹配。合併後的行數變化，要拆開看組件適用人群、文件匹配和字段特殊編碼，不能統稱為缺失或失訪。
本文只演示 CDC/NCHS 公開發佈的 2017–2018 人口學文件 DEMO_J 與血壓/膽固醇問卷文件 BPQ_J 的同週期橫向合併。它回答的是文件和樣本流轉問題，不報告高血壓患病率、效應估計或因果結論。下列人數來自兩份官方 XPT 文件的 SEQN 匯總，並與相應 Codebook 核對。
用 RigorMed 交付這項任務
把合併規則寫成可檢查的檔案交接說明
以下為建議任務輸入與可請求整理產物，不是本輪實跑、客戶成果或保證完成。
已有材料: 已確認週期、官方檔案清單、SEQN 與紀錄粒度說明、已有配對彙總。
可請求的產物／交付目標: 合併規則說明、組件配對核對表與樣本流轉紀錄草稿。
可直接改寫的任務輸入
依我提供的組件與實際彙總，整理檔案合併順序、SEQN 關係、適用人群與配對核對表，標出需測試的一對多情況；沒有執行紀錄就不聲稱合併成功。
人工核對
本頁實際計數來自所列官方檔案；不能把它們複製成你的資料，也不能把組件不適用稱為失訪。
先固定來源與記錄粒度
兩個文件均為 NHANES 2017–2018 公共發佈組件；不要把不同週期或一人多行的組件直接套進本例。
| 文件 | 需要確認 | 本例核對結果 |
|---|---|---|
| DEMO_J.XPT | 人口學 Codebook、SEQN、RIDAGEYR；確認一人一行 | 9,254 行；SEQN 非空且不重復；其中 6,161 人年齡 ≥16 歲 |
| BPQ_J.XPT | 血壓問卷 Codebook、SEQN、BPQ020；確認適用年齡和一人一行 | 6,161 行；SEQN 非空且不重復；官方說明適用於 16 歲及以上參與者 |
BPQ_J 的適用範圍來自該組件的 Eligible Sample 和 BPQ020 Codebook。人口學文件的人數不是 BPQ020 的研究分母；先把組件適用條件和合併鍵核對清楚，再定義具體問題的納排規則。
按 SEQN 合併前後做五次核對
只取同週期官方文件
從下方 CDC/NCHS 文件鏈接取得 DEMO_J.XPT 和 BPQ_J.XPT，並打開各自 Codebook。記錄週期、組件、訪問日期、適用人群和變量定義；不要用文件名相似或第三方鏡像替代來源核驗。
先查鍵，而不是直接拼列
分別統計行數、非空 SEQN 個數與重復 SEQN 個數。本例 DEMO_J 為 9,254 個唯一鍵，BPQ_J 為 6,161 個唯一鍵，兩邊均無空鍵或重復鍵，因此本例可檢查參與者一對一合併。若出現一對多或重復鍵，應先回到組件文檔確認記錄粒度，不要任意去重。
用外連接審計匹配，再選擇分析所需的連接方式
按 SEQN 做保留兩側來源標記的外連接：兩側都有為 6,161，只有 DEMO_J 為 3,093，只有 BPQ_J 為 0。若以 DEMO_J 為左表，左連接仍為 9,254 行，但 3,093 行沒有 BPQ 字段；內連接或以 BPQ_J 為基準則為 6,161 行。連接方式是研究問題與組件適用人群的選擇，不是為了得到較大的數字。
解釋 3,093 人，而不是命名為失訪
檢查 DEMO_J 中僅左側的記錄：本例 3,093 人全部未滿 16 歲；其餘 6,161 名 16 歲及以上參與者均與 BPQ_J 匹配。這與 BPQ_J 的官方年齡範圍一致。這個 3,093 是本例組件適用範圍造成的文件差異，不能稱為縱向隨訪中的失訪，也不能推廣到其他週期或組件。
再查字段編碼與研究樣本
BPQ020 問的是是否曾被醫生或其他衛生專業人員告知患高血壓，不是本次實測血壓。Codebook 與文件均顯示回答“是”2,137、“否”4,014、“不知道”10；如果預設分析僅保留“是/否”，可用回答人數為 6,151，而不是把編碼 9 當作數值或把這 10 人歸因於文件合併。後續研究還須另行定義年齡、其他字段缺失、適用權重、分層與 PSU。
把兩類人數變化分開記
下表是本例官方文件的未加權人數核對，不是總體估計或正式分析的納排流程。
| 核對階段 | 人數 | 應如何解釋 |
|---|---|---|
| DEMO_J 參與者 | 9,254 | 人口學組件全部記錄；SEQN 唯一 |
| 僅在 DEMO_J | 3,093 | 本例均未滿 16 歲；不在 BPQ_J 的適用年齡範圍內 |
| DEMO_J 與 BPQ_J 匹配 | 6,161 | 兩側 SEQN 一對一；BPQ_J 單側為 0 |
| BPQ020 為“是”或“否” | 6,151 | 另有 10 個“不知道”；僅用於說明字段編碼檢查，非正式研究樣本 |
可復算口徑：分別讀取兩份官方 XPT，只取 SEQN（人口學另取 RIDAGEYR，問卷另取 BPQ020）；先驗證每側 SEQN 唯一，再對兩側 SEQN 做外連接並統計 both、left_only、right_only；在 left_only 中統計 RIDAGEYR < 16，最後按 BPQ020 Codebook 統計 1、2、9。上述計數也可用 R、SAS 或 Python 重算，不依賴某一種軟件的自動篩選。
同週期橫向合併，不等於跨週期拼接
這裡的 SEQN 合併是把同週期兩個參與者級文件按同一個人橫向鏈接。跨週期分析還要追加不同週期記錄，並逐項核對變量定義、測量方法、編碼、設計與權重；不能把本例的連接方式、人數或權重直接套到另一週期。
本例沒有執行複雜抽樣估計，也不代表 RigorMed 能自動合併任意 NHANES 文件。正式研究應先凍結問題和納排規則，核對實際組件的 Analytic Notes，再選擇適用的調查權重、分層、PSU 與缺失處理。
常見問題
為什麼人口學有 9,254 人，血壓問卷只有 6,161 人？
本例 BPQ_J 官方適用年齡為 16 歲及以上。兩文件核對顯示，人口學單側的 3,093 人全部未滿 16 歲；不能把人數差直接說成數據丟失、拒答或失訪。
所有 NHANES 文件都能按 SEQN 一對一合併嗎？
不能。先看每個組件的一行代表一個參與者、一次記錄還是其他粒度，並查空鍵與重復鍵。只有當前組件和週期證實一對一時，才能沿用本例的匹配檢查。
合併後 6,161 人就是正式統計樣本嗎？
不是。BPQ020 還有特殊回答編碼，其他研究變量也有自己的適用人群和缺失。正式樣本取決於預先定義的問題、納排條件、完整數據、調查權重和分析方案。
核驗來源
以下官方來源核驗於 2026-09-28 / RigorMed: 2026-10-13，發布前將再次檢查存取條件與更新時間。
帶著材料開始
把合併規則寫成可檢查的檔案交接說明
帶著有權使用的材料，依本頁任務範例提交到工作台；按執行前的材料與積分提示確認，再複核可審閱的成果。