如何核對 NHANES 變量

用 RigorMed 交付這項任務

1. 把變數名單變成可追溯的資料字典草稿

   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: 研究定義、週期、候選欄位及官方 Codebook、問卷與測量說明。

   可請求的產物／交付目標: 來源綁定的資料字典草稿、跨週期差異表與欄位缺口清單。

2. 可直接改寫的任務輸入

   逐變數記錄官方名稱、組件、定義、適用人群、單位、特殊編碼、缺失含義與來源位置，整理成資料字典草稿；找不到的定義留空並說明。

3. 人工核對

   同名不等於可比，不從欄名推斷單位、編碼、時間關係或權重。

一條可用的變量記錄應包含什麼

建議為主要暴露、主要結局和關鍵協變量建立逐項映射，而不是只保存一張變量名清單。

變量標籤適合發現候選字段，官方數據文檔、Codebook、Frequencies 和方法說明才是確認語義的主要依據。若多個字段看起來相似，應回到問卷、檢查或實驗室組件確認它們分別測量什麼。

核對 NHANES 變量的七個步驟

1. 從官方檢索入口定位候選變量

   用疾病、指標、問卷概念和可能的英文術語檢索候選變量，記錄出現在哪些調查週期和數據組件。搜索結果只用於定位，不作為最終變量定義。

2. 打開對應週期的數據文檔

   確認變量來自人口學、問卷、檢查、膳食還是實驗室文件，並記錄文件名、週期和參與者標識。不要從其他週期的同名文檔推斷當前週期含義。

3. 核對適用人群與跳題

   查看變量適用於哪些年齡、性別或受訪條件，以及問卷中哪些回答會跳過後續問題。結構性未詢問、拒答、不知道和真實缺失不能混為一種狀態。

4. 核對測量方法、單位與特殊值

   實驗室和檢查變量需要確認樣本類型、儀器、方法、單位、檢測限及特殊編碼；問卷變量需要保存問題原文、回答選項和訪談對象。必要時查看組件方法文件和分析說明。

5. 逐週期比較可比性

   建立週期對照表，比較變量名、定義、問卷措辭、設備、實驗室方法、單位、編碼和適用人群。官方提供橋接研究或校正方法時，應按其適用條件處理；沒有依據時不要自行假定等價。

6. 確定合併鍵與調查權重

   同一週期內，不同參與者級組件通常依據 SEQN 合併，但仍要檢查記錄粒度和重復情況。權重應由實際使用的數據組件和分析人群決定，並同時保留分層與 PSU 變量。

7. 凍結變量字典與派生規則

   正式統計前，固定原始字段、目標名稱、類型、單位、代碼映射、缺失規則、派生公式、週期處理和來源鏈接。無法從官方證據確認的語義應明確列為缺口，不應靠經驗補寫。

最常見的六個變量錯誤

1. 把變量標籤當作完整定義，沒有打開對應週期的 Codebook；
2. 忽略適用年齡和跳題邏輯，把未詢問者計入分析分母；
3. 把拒答、不知道、低於檢測限或其他特殊代碼當成普通數值；
4. 跨週期合併時只比較列名，沒有比較方法、單位和編碼；
5. 從多個組件取變量，卻仍使用不適用於最小分析子樣本的權重；
6. 先在代碼里自行重編碼，後補變量字典和來源依據。

變量進入分析前的檢查清單

對每個主要變量，至少確認以下內容：

• 官方變量名、標籤、組件文件和調查週期是否一致？
• 目標人群、年齡範圍和問卷適用條件是否明確？
• 問題原文或測量方法是否支持計劃中的研究定義？
• 單位、檢測限、設備和實驗室方法是否已記錄？
• 所有代碼和特殊缺失值是否有官方解釋？
• 跨週期可比性是否有逐項證據，而非僅憑同名判斷？
• 文件合併鍵、記錄粒度和重復情況是否已核對？
• 調查權重、分層和 PSU 變量是否與數據組件匹配？
• 派生變量是否有預設公式、來源字段和處理邊界？
• 訪問日期與官方文檔鏈接是否保存到變量字典？

如果主要暴露或結局無法通過這些檢查，不應先用相近變量替代。應回到研究問題，重新選擇週期、變量或數據來源。

常見問題