一位内分泌科的同行曾和我聊起他的困境：手头的课题需要"有代表性的成年人血糖数据"，自己收病例，一年也攒不了几百例，还全是单中心的——审稿人一句"外推性存疑"就能把他拒掉。
我给他推荐了一个美国数据库：样本经过全国抽样设计、体检在标准化移动体检车上完成、实验室检测有严格质控，而且绝大多数数据公开、免费下载（少数敏感变量需向美国 CDC 的数据中心 RDC 付费申请，第 03 篇会讲怎么识别）。这个数据库叫 NHANES。
不过我要先把丑话说在前面：靠 NHANES"随便挖挖就能发文章"的时代已经过去了。这个系列不教你怎么"薅羊毛"，而是教你如何把这个数据库用对、用规范，这是当下唯一可持续的竞争力。
这个系列怎么教：我们不打算把 NHANES 拆成一堆孤立的知识点讲，而是带着你完整复现一篇真实发表的 NHANES 论文——从选题自查、下载数据、合并清洗，到加权描述、加权回归、亚组分析，最后把自己的结果与论文的每一张表逐格对照。知识在复现的过程中逐一讲清，做到最后，你手里既有"会用"的能力，也有一份与论文数字逐级对上的复现结果。
作为开篇，这一篇解决三个问题：NHANES 是什么、它的数据凭什么能代表全美国、以及它适合回答什么样的研究问题。
一、NHANES 是什么：60 余年的全国健康监测
NHANES（National Health and Nutrition Examination Survey，美国国家健康与营养检查调查）由美国疾控中心（CDC）下属的国家健康统计中心（NCHS）主持，是美国评估国民健康与营养状况的核心调查，也是美国唯一覆盖全年龄段、同时包含健康检查、实验室检测和膳食访谈的全国性健康调查。
它的数据实实在在地改变过公共卫生史：1970 年代，NHANES 首次提供了美国人群血铅超标的确凿证据，直接推动了汽油无铅化；儿科医生诊室里张贴的儿童生长曲线，正是用 NHANES 的体格测量数据绘制的；谷物中铁和叶酸的强化政策、未诊断高血压和糖尿病的全国性监测，也都建立在 NHANES 数据之上。了解这段历史有助于理解：这个数据库的分量不是靠发文量堆出来的。
它并不是一开始就是今天的样子（见图1）：前身是 1959 年启动的健康检查调查（NHES）；1971–1975 年的 NHANES I 首次把"营养"纳入核心内容；经历了 II 期、III 期之后，1999 年起转为连续调查——每年现场调查，每 2 年合并为一个数据周期公开（1999–2000、2001–2002……）。目前最新公开的是 2021–2023 周期。
图1：这里只需要记住一件事：从 1999 年起，NHANES 是"两年一周期、持续更新"的，这是后续所有数据操作（选周期、合并周期）的前提。另需注意，2017 年至 2020 年 3 月的数据被合并为"疫情前"（pre-pandemic）特殊周期发布，文件结构与权重规则与众不同，第 02 篇讲周期命名时会专门讲到。
二、抽样设计：几千到一万多人，凭什么代表全美国
"全国代表性"是 NHANES 最值钱的地方，也是最容易被囫囵吞枣的地方。它不靠样本量大，而靠多阶段分层抽样的设计（见图2）。
每个两年周期，NHANES 从全国抽出的受访者不过几千到一万多人——规模随周期略有浮动，相对全美国几亿人口只是沧海一粟。它凭什么代表全国？靠的不是人多，而是抽法：每年现场调查，分四个阶段逐级抽取受访者：第一阶段从全国 3000 多个县中分层抽取约 15 个县（主要抽样单元 PSU）；第二阶段在入选县内抽取街区/片区；第三阶段在片区内按住户清单抽取家庭户；第四阶段在住户内按规则抽取个人。
图2：四阶段概率抽样的含义是：每个美国非住院平民都有一个已知且非零的被抽中概率——这就是"代表性"的数学基础。
图中还有两个要点值得停下来理解：
其一，有意超采样。 NHANES 多数周期会有意提高特定人群的抽中概率——历史周期主要面向非裔、西班牙裔、亚裔、老年人、低收入人群（各周期超采对象不同，如 2011 年起超采亚裔），目的是让这些"小人群"的估计足够精确；而 2021–2023 疫情周期取消了种族/收入超采，改为全部抽取 0–19 岁和 60 岁及以上的家庭成员。但不管哪种设计，代价都是样本里的人群比例≠真实人群比例。
所以分析时必须用"权重"把比例还原回去。 权重是什么？一句话：每个受访者都带一个"代表系数"，表示他这一票背后代表多少个没被抽到的美国人——被超采的人群，系数小；被少抽的人群，系数大。算全国患病率、均值、关联时按系数加权，结果才代表全美国而非"这几千个受访者"。这是 NHANES 最重要的概念，本篇先建立这个直觉，第 07 篇会结合案例论文把它讲透并直接产出论文的第一张结果表。
其二，质量控制。 体检不在各医院分散进行，而是集中到标准化的 MEC 移动体检车上完成，实验室检测有统一质控流程。这保证了不同地区、不同年份的数据可比。
三、两个现场、五类文件：数据的"出生地"
每位受访者经历两个环节（见图3）：先是家庭访谈（人口学、疾病史、用药、生活方式问卷），再被邀请到 MEC 移动体检车完成标准化体检、血尿样本实验室检测和第一次 24 小时膳食回顾（第二次回顾通常在 3–10 天后通过电话随访完成）。
所有数据最终整理为五类公开文件：Demographics（人口学）、Questionnaire（问卷）、Examination（体检）、Laboratory（实验室）、Dietary（膳食），每个周期合计数千个变量，覆盖内分泌、营养、心血管、肾脏、精神心理、口腔等几乎所有临床方向——第 03 篇的选题自查会教你把自己的研究方向映射到具体变量上。
图3：这一阶段只需建立"文件地图"的直觉：变量按产生方式分属不同文件，同一个受访者靠唯一编号 SEQN 跨表对应。具体结构下一篇展开。
四、关键认知：NHANES 是横断面调查
这是入门阶段最容易被忽视、却最影响研究设计的一点：每个周期的 NHANES 都是横断面的——同一时点测量暴露与结局。
它适合回答：某暴露因素与某健康结局在人群中的关联（如维生素 D 水平与抑郁的关联）、疾病/危险因素的患病率估计、人群水平的时间趋势描述。
它不适合回答：因果推断（"A 导致 B"在横断面数据中无法确证时序）、疾病发生风险的前瞻性预测、干预效果评价。若选题天然要求因果或时序，需要考虑别的数据源，或通过 NDI 链接的死亡率随访数据获得部分结局信息（第 04 篇会讲获取方式）。案例论文自己在结论里也明确写了"横断面设计无法推断因果"——这是规范写法，第 10 篇会专门拆解这句话该怎么写、为什么必须写。
先想清楚"NHANES 能不能回答我的问题"，再动手下载数据——这也是我们把"选题可行性自查"安排在第 03 篇、而不是上来就教下载的原因。
五、发文现状：数据在涨，门槛也在涨
用 PubMed 检索式 ("National Health and Nutrition Examination Survey"[Title/Abstract]) OR (NHANES[Title/Abstract]) 实测（检索日期：2026 年，可在文末链接复现）：标题或摘要中提及 NHANES（全称或缩写）的文献累计约 3.6 万篇；年度发文量从 2021 年的 1944 篇，增长到 2023 年的 3127 篇、2024 年的 5201 篇、2025 年的 6800 余篇。
图4：数据为 PubMed 实测，检索式与日期都标在图上，你可以照着复现。
数字背后是明确的信号：参与者越来越多，简单换变量、套路化分析的文章越来越难通过审稿。不加权、不做复杂抽样校正、选题缺乏临床意义——这些是 NHANES 稿件被拒的最常见原因。本系列的立场是：与其追逐发文速度，不如把抽样、权重、方差这些"麻烦"的基本功练扎实。
六、本系列怎么学：完整复现一篇真实论文
为为避免"看的时候都懂、用的时候全忘"，整个系列设了一条暗线：完整复现一篇真实发表的、使用 NHANES 公开数据的论文。从第 02 篇起，每一篇的实操——查变量、下载、合并、清洗、加权描述、加权回归、亚组分析——全部围绕这篇论文展开：走到第 06 篇，你会亲手把数据合并清洗到与论文完全一致的 3,863 人；走到第 09 篇，论文的每一张表、每一幅图你都自己跑出来过。
先把终点说清楚，这样每一篇你都知道自己在走向哪里。这篇论文一共报告了 6 块结果，我们的目标是一块不落地复现，并且每一块都有原文数字可以逐格核对：
| 论文结果 | 内容 | 复现它的教程篇目 |
|---|---|---|
| Figure 1 | 样本筛选流程图：11,933 → 3,863 的逐级排除 | 第 06 篇 |
| Table 1 | 加权基线特征表：按有无抑郁分组，连续变量加权均值、分类变量加权百分比、组间 P 值 | 第 07 篇 |
| Table 2 | 主分析：三个递进模型的 OR，含连续型（总量/D2/D3）与四分位剂量反应、趋势检验 | 第 08 篇 |
| Figure 2、Figure 3 | 剂量反应曲线：维生素 D 水平与抑郁患病率的平滑关系（含 95% 置信带） | 第 08 篇 |
| Table 3 | 亚组分析：10 个亚组的 OR 与交互检验 P 值 | 第 09 篇 |
| Discussion / Conclusion | 结果解读、机制讨论、研究局限（含横断面设计的因果边界） | 第 10 篇 |
论文的每一节，都对应教程的一篇（见图5）：全套 10 篇走完，等于把这篇论文从数据来源到结论讨论完整走过一遍。
图5：这张表是全系列的"总地图"：左列是论文写到哪一节，中间列是教程教你什么，右列是复现脚本跑哪一步与里程碑验收。
整个复现工程另有两份配套资产：一份《案例论文复现规格书》，列明每一步的验收标准（里程碑 M0–M7），每篇做完都对照验收；一份完整可运行的复现总脚本（案例论文复现总脚本.R，约 500 行，逐行中文注释），按论文方法学章节分 10 步，零基础可直接整段运行，每一步都会打印"该看到的数字"供你核对。这份脚本已在干净环境实测跑通（退出码 0、零报错零告警），与原文逐表对照的结果见《复现核对报告》。
本系列选定的案例论文：
| 项目 | 信息 |
|---|---|
| 中文标题 | 美国成人维生素 D 与抑郁患病率的关联：基于 NHANES 2021–2023 的横断面分析 |
| 英文标题 | Association of vitamin D with depression prevalence in U.S. adults: a cross-sectional analysis from NHANES 2021 to 2023 |
| 期刊 | Frontiers in Nutrition（SCIE 开放获取期刊，近年影响因子约 4–5 分（2026 年 9 月查询，近年有波动）） |
| 发表年份 | 2025 年 |
| 数据 | NHANES 2021–2023 周期（目前最新公开周期），全部公开数据 |
| 样本 | 3,863 名美国成年人 |
| 暴露 | 血清维生素 D（25-羟维生素 D2 / D3，实验室检测） |
| 结局 | PHQ-9 抑郁量表评分 ≥10 分判定为有抑郁症状 |
| 分析方法 | 多因素加权 logistic 回归，三模型递进（未调整 → 调整人口学 → 全调整，含 BMI/吸烟/饮酒/高血压/糖尿病），并做四分位剂量反应与 10 个亚组分析 |
| 获取方式 | PubMed PMID: 40497025；PMC 开放获取全文 |
为什么选它：变量少（暴露、结局、协变量合计不超过 10 个）、方法常规（加权 logistic 回归、亚组分析都是流行病学标准动作）、用的是最新公开周期、全文开放获取，方便逐格对照。需要声明：复现的目的是掌握规范流程，不代表复现成功即可发表。
结合本篇内容可以看到，这篇论文用到了三类数据文件：Demographics（年龄、性别、种族等协变量）、Questionnaire（PHQ-9 抑郁量表）、Laboratory（血清维生素 D 检测）；因为暴露来自体检车的实验室检测，权重上要用到专门的采血权重（而非普通访谈权重）——这些术语现在看不懂没关系，下一篇先把"文件地图"讲透。
【暗线进度条 · 复现里程碑 M0】 案例论文已确定（Front Nutr 2025，维生素 D × 抑郁），全程 6 块结果的复现路线已排定 → 下一站 M1：列出案例论文的完整变量清单（第 02 篇）。全系列里程碑 M0–M7 见《案例论文复现规格书》
本篇常见坑
- 把 NHANES 当普通病例数据用：忽视抽样设计和权重，直接按简单随机样本分析——方法学硬伤，审稿人一票否决。
- 以为"全国代表性"是白来的：代表性来自"概率抽样 + 权重校正"的组合，只做抽样不加权，超采样人群的失真不会被自动修正。
- 以为横断面能做因果：在讨论中把"关联"写成"导致/预防"，是被拒稿的高频原因。
- 上来就囤数据：不先确认目标变量在哪些周期存在、样本量够不够，下载了一堆用不上的文件。
- 只做数据准备，不走到结果：把"数据集构建完"当成终点。数据准备得再干净，最后没有可解释的结果，等于工程做了一半就收工——所以本系列的结果篇（第 07–10 篇）与准备篇同样重要。
下篇预告
第 02 篇：一个人对应多少张表？看懂 NHANES 的"文件地图"——五大类数据文件、SEQN 唯一标识、变量名前缀暗号、周期命名规则（含疫情特殊周期的 P_ 前缀），并列出案例论文的完整变量清单。
参考来源
- CDC/NCHS. NHANES Tutorials. https://wwwn.cdc.gov/nchs/NHANES/tutorials/default.aspx
- CDC/NCHS. NHANES Tutorials — Sample Design. https://wwwn.cdc.gov/nchs/nhanes/tutorials/SampleDesign.aspx
- CDC/NCHS. About NHANES. https://www.cdc.gov/nchs/nhanes/about/index.html
- CDC/NCHS. What NHANES Data Have Achieved. https://www.cdc.gov/nchs/nhanes/publications/data-accomplishments.html
- PubMed 检索（可复现）：https://pubmed.ncbi.nlm.nih.gov/?term=%28%22National+Health+and+Nutrition+Examination+Survey%22%5BTitle%2FAbstract%5D%29+OR+%28NHANES%5BTitle%2FAbstract%5D%29
- 案例论文：Front Nutr. 2025;12:1545443. PMID: 40497025. https://pubmed.ncbi.nlm.nih.gov/40497025/