绝！NHANES数据库这这样挖！南京医科大学团队，选题贴地气+方法创新，快来抄作业吧！

想必很多小伙伴会说，怎么又是NHANES数据库。

不是小途啰嗦，而是这个数据库确实太香了，人气居高不下，PubMed上已经累计发了6.8万篇了。为了小途的KPI，这就又找到一篇经典的NHANES数据库挖掘文章，带给大家，欲上车从速哦~

这篇文献有如下特点

1，选题贴地气。作者关注的是饮食炎症指数（DII）与中风的关联。不是每篇文章都能放卫星，金字塔顶端固然显眼，那也是靠着巨大的基座支撑的。结合小途不成熟的切身感受，有时候看起来越是高大上的内容，反而离临床距离越远，除了部分研究具有潜在转化价值外，少量研究越做越偏，越做越小众，小途高度有限，暂无法理解这是好是坏。

2，数据量大。本研究应用NHANES数据库中的10个周期横断面数据，入组队列超过10万名，为高质量的分析结果打下基础。

3，多种分析方法整合应用。本文应用至少3种回归分析方法，探讨DII与中风的关联，并以此构建出预后模型，为临床提供指导。

综上，本文是一篇非常经典的临床数据挖掘文章，具有0实验，不用收集临床数据，周期短，性价比高等优势，小伙伴们千万不要错过。如果有想法，没思路？有计划，无法落地，欢迎寻找小途求助哦！    

l题目：美国人群中饮食炎症指数与中风的关联：基于NHANES 1999–2018年的数据

l期刊：BioMed Central

lIF=4.5

l见刊：2024年1月

研究背景

已有研究表明，中风与饮食之间存在一定关系，且饮食可以调节全身炎症。因此，为了明确饮食炎症指数（DII, Dietary Inflammatory Index）与中风之间的关联，作者团队利用NHANES的横断面数据，进行了关联分析。

数据来源

NHANES（National Health and Nutrition Examination Survey，全国健康与营养检查调查）是由美国国家卫生统计中心（NCHS）发起的全国性活动。

本研究纳入NHANES中10个周期的，共10万+名入组者的横截面数据，经过数据筛选，最终入组44,019名参与者。    

图1  入组流程图

研究思路

本文对上述入组队列进行加权多变量 logistic 回归分析，以评估DII和中风的相关性；同时，利用受限立方样条（RCS）回归进行线性关系的验证；随后，利用LASSO回归筛选出与中风相关的饮食因素；最后，采用ROC曲线评估模型准确性。

主要结果

1. 参与者的基线特征

共计入组44,019人，中风发病率为3.38%；中风患者表现出高年龄、受教育少、吸烟等因素，且患者组的DII显著高于非疾病组（表1）。    

表1  参与者的基线特征

2. DII与中风的相关性分析

作者通过抽样加权多元逻辑回归，显示DII与中风具有显著的正相关性；且分层分析的结果显示，在不同亚组中，DII与中风的关联性保持稳定（图2-3）   

图2 DII与中风的相关性分析

图3  DII与中风的亚组分析

3.筛选与中风相关的饮食特征

作者以26种膳食成分，利用LASSO回归分析构建风险模型（图4）。筛选出8个膳食特征具有显著贡献，并利用ROC分析对风险模型进行验证（图5） 

图4LASSO回归筛选饮食因素

图5  饮食相关风险预测模型的构建

文章小结

本文短小精悍，利用公共数据库，通过借力打力的模式，轻松快速的获得数据分析结果。对于初入科研、经费较少的研究者可谓雪中送炭。毕竟一篇5分的基础实验，就算试验成功量100%，那需要的实验量也得真金白银往里面砸。所以小伙伴们快快行动起来吧！（ps：如果您技术受限，或者缺乏思路，快来找小途吧~）

小果还提供思路设计、定制生信分析、文献思路复现；有需要的小伙伴欢迎直接扫码咨询小果，竭诚为您的科研助力！

定制生信分析

服务器租赁

扫码咨询小果

往期回顾

01 ｜1024G存储的生信服务器，两人成团，1人免单！

02 ｜单个数据库用腻了？多数据库“组合拳”带你打开免疫浸润新思路！

03 ｜孟德尔随机化的准备工作，GWAS数据的网站下载方法

04 ｜跟着小果学复现-手把手带你拿下IF=46.9Nature 级别的主成分分析（PCA）图！！