想在零病例积累的情况下发一篇 SCI？在临床研究人员中，NHANES 可能是被提及最多的词：美国官方开源、免费下载、样本量大、变量丰富。这篇按一条主线讲清楚它——认识它（01）→ 拿到它（02）→ 看懂它（03）→ 用对它（04）→ 做研究（05）→ 发论文（06）。赶时间的话，先记住下面这张图。
全称：National Health and Nutrition Examination Survey（美国国家健康与营养调查）
主管机构：美国 CDC（疾病控制与预防中心）下属国家卫生统计中心（NCHS）
官网：https://wwwn.cdc.gov/nchs/nhanes/
获取方式：免费、无需注册，官网直接下载
数据周期：1999 年起连续开展，每两年一个发布周期
01 认识它：从 1960 年代走到今天的国民健康调查
NHANES 由美国 CDC 组织，是全球历史悠久、体系成熟的国民健康调查之一。项目自 1960 年代起多轮开展，1999 年起改为连续运作：2000 年起每年走访约 15 个初级抽样单元（PSU，通常为一个县或几个相邻县；1999 年为 12 个），访问约 5000 名居民（含成人与儿童）——先完成家庭访谈，再邀请到流动体检车（MEC）完成体格检查、实验室检测与问卷评估。样本为美国平民非机构人群（平民，且不居住在监狱、养老院等机构中），覆盖从婴幼儿到老年人的全年龄段，共同拼出这一人群健康与营养状况的全国画像。
调查结束后，脱敏数据按周期统一发布在官网，任何研究者都可以免费下载。数据公开、变量齐全、样本有全国代表性——这三点决定了它是"临床公共数据库挖掘"的首选入口。
02 拿到它：官网三件套
官网的数据主页按发布周期组织：目前已发布 1999-2000 至 2021-2023 的数据文件——其中受疫情影响，2019-2020 未单独发布，并入 2017-2020 “疫情前”（Pre-Pandemic）数据；2021-2023 周期即官网菜单标注的 NHANES 08/2021-08/2023，是当前最新的可用数据。更晚的 2025-2026 周期，官网目前只放出问卷工具与操作文档，数据文件页面明确标注 “not yet released”（尚未发布）。每个已发布周期的页面，都按人口统计、膳食、体检、实验室、问卷五大类分列文件清单，每份数据文件都配套说明文档与 codebook（变量说明书）。
下载之外，官网还有两个高频入口。一个是 Search Variables（变量检索）：按关键词跨周期查变量。比如想研究"糖尿病"，一次就能看到所有周期里的相关变量与可用年份——这是选题阶段的刚需工具，先确认变量在哪些周期可用，再定研究设计。
另一个是 NHANES Tutorials（官方教程）：抽样设计、加权、方差估计这些审稿人最常追问的方法学要点，官方都有逐步示范。动数据之前先过一遍，能避开大部分新手错误。
03 看懂它：五大模块与变量说明书
NHANES 的数据按主题拆成一个个独立文件，一张表一个主题，常用的五大类是：
- Demographics（人口统计）：性别、年龄、种族、教育、收入、婚姻状况与家庭结构等基础信息（如 DEMO_J）
- Questionnaire（问卷）：吸烟饮酒、膳食行为、睡眠、抑郁量表（DPQ，官方抑郁筛查问卷）、身体活动（PAQ，身体活动问卷）等自报信息
- Examination（体检）：血压、身高体重（BMI，身体质量指数）、腰围、口腔检查等体格测量，握力、骨密度（DXA，双能 X 线骨密度检测）等项目仅在部分周期提供
- Laboratory（实验室）：血糖、糖化血红蛋白、血脂、尿酸、肝肾功能、炎症因子等生物标志物
- Dietary（膳食）：24 小时膳食回顾、膳食补充剂摄入等营养数据
各文件通过受访者序列号（SEQN）关联：把人口统计文件当主表，按 SEQN 左联（以主表为基准逐行匹配，主表里的受访者一条不丢）体检、实验室或问卷文件，就能拼出一份完整的个人数据——这是每次 NHANES 分析的技术起点。
动手合并之前，先读懂 codebook。以 2017-2018 周期的 DEMO_J 人口统计文件为例：每个变量都有变量名、SAS 标签（数据文件自带的变量说明）、英文原题、适用人群和取值频数表，官方定义一目了然——不用下载数据，就能先判断这个变量适不适合你的研究。文件名末尾的字母随周期递增：2017-2018 是 DEMO_J，最新的 2021-2023 周期则是 DEMO_L；用哪个文件，以对应周期页面的清单为准。
特别要注意缺失值编码：不少分类变量用 7 = Refused（拒答）、9 = Don't know（不知道）表示缺失，但也有的变量用 77、7777 等编码，个别变量的 7 另有含义（如 DEMO_L 中种族变量的 7 表示 Other Race）。这些编码直接当数值算会污染结果，分析前必须逐个对照 codebook 清洗。
04 用对它：复杂抽样必须加权
NHANES 采用多阶段分层抽样（官方设计分四阶段：初级抽样单元→县内区段→住户→个人）：老年人、拉美裔、亚裔等亚组被超比例抽中，使亚组有足够的样本量（各周期超抽样对象略有调整，亚裔自 2011-2012 周期起纳入超抽样）。代价是——如果把它当普通数据直接跑回归，方差估计就是错的，结论无法外推到美国全人群。这也是这类论文被审稿人质疑的头号原因。
规范做法是使用数据自带的权重（WTINT2YR 访谈权重 / WTMEC2YR 体检权重）、分层变量（SDMVSTRA）与初级抽样单元 PSU（SDMVPSU）做设计加权分析：R 用 survey 包，Stata 用 svy 系列；跨周期合并时，权重按"原权重 ÷ 周期数"调整（2001-2002 及以后周期适用；合并 1999-2002 时官方已直接提供 4 年权重）。在论文方法部分写清所用软件与加权选项，是这类文章的基本功。
05 做研究：五类经得起审稿的设计
NHANES 是横断面数据（每次调查只反映调查时点的"快照"，不做长期随访），最自然的用法是"暴露-结局关联"（暴露指研究的因素，结局指健康结果）。常见且规范的五类研究设计：
- 患病危险因素分析：膳食模式、炎症指标、环境暴露与高血压、糖尿病、抑郁、NAFLD（非酒精性脂肪性肝病）等患病风险的加权回归
- 新指标与经典指标比较：如 TyG 指数（甘油三酯-葡萄糖指数）、ABSI（身体形态指数）、BRI（身体圆度指数）等新指标与传统指标对心血管代谢风险的预测力比较
- 共病与多结局探索：一个暴露对应多个结局（如代谢指标 × 抑郁 × 睡眠），形成一组选题
- 风险预测模型：基于体检与实验室变量构建患病预测模型（Logistic 回归，用于患病与否这类二分类结局；LASSO 回归，可自动筛选变量），用 ROC 曲线（区分患者与非患者的能力）、校准曲线、DCA（决策曲线分析）评估
- 跨周期趋势分析：合并多个周期，观察某指标的十余年变化趋势
同时要守住三条能力边界：横断面设计不能做因果推断，讨论部分别越界；变量定义由官方统一固定，暴露必须按官方问卷与检测方法操作；结论基于美国人群，外推要克制。写作时主动讲清这三条限制，反而是方法学成熟的加分项。
06 发论文：数据免费，门槛在选题
NHANES 数据免费，"拿到数据"从来不构成门槛——真正的门槛是选题查新与分析质量。同一批数据，叠加不同的暴露定义、亚组与方法设计，可以做出完全不同层次的论文；而套路化的"单变量 + 三结局"正越来越难过审。
我们辅导的常规路径：选题查新与差异化设计（1-2 周）→ 数据下载清洗与变量构造（2-4 周）→ 加权统计分析与敏感性分析（3-5 周，敏感性分析指改变口径或假设，检验结论是否稳健）→ STROBE（观察性研究报告规范）写作与投稿（5-8 周）。全程导师一对一示范与把关，分析与写作由你本人完成。
下一篇拆解聚焦 CHARLS（中国健康与养老追踪调查）——覆盖中国 45 岁以上中老年人、纵向追踪十余年——关注医嘉研科研资讯，九大临床公共数据库逐个讲透。