NHANES数据挖掘｜特征变量对死亡率预测的研究设计与分析
书接上回，应各位临床或在科室的小伙伴们需求，除了多组学和算法开发外，插播关于临床护理方向的数据挖掘，今天分享两篇NHANES的分析文献。
1、时依+中介分析
DOI： 10.1186/s12933-024-02191-5
整体思路
基于 NHANES 数据库（2009-2014），研究了中性粒细胞与淋巴细胞比值（NLR）与高血压患者全因死亡率及心血管死亡率之间的关系。研究共纳入 3067 名高血压患者，通过随访 92 个月 的数据，发现 NLR 的升高与死亡风险呈正相关。
- 生存分析： 采用 Kaplan-Meier 方法绘制生存曲线，用 Log-Rank 检验组间差异。
- Cox 回归模型： 多变量加权 Cox 比例风险模型评估 NLR 与全因死亡及心血管死亡的关联。
- 非线性分析： 使用限制性三次样条（RCS）探讨 NLR 与死亡风险的非线性关系。
- 预测能力： 使用 ROC 曲线和时间相关 AUC 评估 NLR 的死亡预测能力。
- 中介分析： 探讨肾小球滤过率（eGFR）在 NLR 与死亡风险之间的中介作用。
变量
年龄、性别、种族、教育水平、吸烟状况、体重指数 (BMI)、糖尿病、心血管疾病 (CVD) 史、糖化血红蛋白 (HbA1c)、高密度脂蛋白胆固醇 (HDL)、低密度脂蛋白胆固醇 (LDL)、总胆固醇 (TC)、甘油三酯 (TG) 和估计肾小球滤过率 (eGFR)
结果
通过限制性三次样条可视化NLR 与高血压患者全因死亡率 ( A ) 和心血管死亡率 ( B ) 之间的关联。风险比根据年龄、性别、种族、BMI、吸烟状况、教育水平、糖尿病、心血管疾病史、HDL、LDL、TG、TC、HbA1c 和 eGFR 进行了调整
NLR 值较高（> 3.5）和较低（≤ 3.5）的生存率 Kaplan–Meier 曲线。A全因死亡率；B心血管死亡率
用于预测全因死亡率（ A、B）和心血管死亡率（C、D）的 NLR 的时间相关 ROC 曲线和时间相关 AUC 值（95% 置信区间）
eGFR 对 NLR 与生存率之间关系的中介作用（A，全因死亡；B，心血管死亡）。根据年龄、性别、种族、BMI、吸烟状况、教育水平、糖尿病、心血管疾病史、HDL、LDL、TG、TC 和 HbA1c 进行调整
2、Cox生存+RCS分析
DOI： 10.1186/s12933-024-02173-7
整体思路
NHANES 数据库（2001-2018） 和美国国家死亡指数（NDI），探讨了三种胰岛素抵抗（IR）替代指标（HOMA-IR、TyG 指数和 TyG-BMI 指数）与冠心病（CHD）合并高血压患者全因死亡率之间的关系。通过对 1126 名患者 长达 76 个月的随访数据分析，发现 HOMA-IR 是全因死亡率的可靠预测因子，且其与生存率的关系呈 U 型曲线。
三类指标计算：HOMA-IR: 基于空腹血糖和胰岛素；TyG 指数: 基于甘油三酯和空腹血糖；TyG-BMI 指数: TyG 指数与 BMI 的乘积。
- Cox 回归模型: 评估不同 IR 替代指标与全因死亡率的线性关系。
- RCS 分析: 探讨 IR 替代指标与生存状态之间的非线性关系，并确定临界点。
- 分段 Kaplan-Meier 分析: 验证 HOMA-IR 的分段效应。
- 模型评估: 使用 ROC 曲线和 AUC 值评估预测能力，并进行分层和交互作用分析。
变量
- 人口统计学数据包括年龄、性别、种族、教育水平、婚姻状况和收入-贫困率 (PIR)。
- 病史信息包括糖尿病、癌症、心力衰竭、中风、慢性阻塞性肺病 (COPD)、使用降血糖和降脂处方药、吸烟、BMI、腰围和臀围。
- 实验室血液检查数据包括低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、总胆固醇（TC）、丙氨酸氨基转移酶（ALT）、白蛋白、碱性磷酸酶（ALP）、天冬氨酸氨基转移酶（AST）、尿素氮、肌酸激酶（CK）、肌酐（Cr）、γ-谷氨酰转移酶（GGT）、乳酸脱氢酶（LDH）、铁、磷、钾、钠、钙、总胆红素、尿酸、糖化血红蛋白（HbA1c）、血红蛋白（Hb）、血小板计数和白细胞计数（WBC）
结果
不同 IR 替代指标与全因死亡率之间的非线性关系。图中红线表示 Log(HR)，蓝线表示 95% 置信区间。A HOMA -IR，B TyG 指数，C TyG-BMI 指数
分段 HOMA-IR 生存曲线。A HOMA -IR < 3.59 二分法，B HOMA-IR < 3.59 四分法，C HOMA-IR > 3.59 二分法，D HOMA-IR > 3.59 四分法
HOMA-IR 在完全校正模型中评估全因死亡率的鉴别力和准确性。A ROC和 AUC，B校准曲线
小结
这两篇文章都基于 NHANES 数据库，采用 生存分析 探讨不同生物标志物与特定共病患者长期全因死亡率之间的关系，具有相似的研究思路和分析框架。
第一篇文章关注中性粒细胞与淋巴细胞比值（NLR），通过 Cox 回归模型、限制性三次样条（RCS）分析及 Kaplan-Meier 曲线评估其对高血压患者全因死亡及心血管死亡的预测能力；第二篇文章则聚焦胰岛素抵抗（IR）替代指标（HOMA-IR、TyG 指数和 TyG-BMI 指数），采用类似方法探讨其与冠心病合并高血压患者全因死亡率的 U 型关系。
两者均通过调整多变量模型、非线性分析及分层检验，验证了标志物在不同亚组中的稳定性，并使用 ROC 曲线评估预测能力，关于NHANES的数据挖掘最大痛点在于有效样本，就是要数据清洗，还有各个量表评分的统计。