临床人的机遇来啦！NHANES数据库的爆发之年！恭喜哈医大孙长颢等团队再斩获11.4分纯分析！

为了证明生信塔不是标题党，来来来，咱先上图。

这是用“NHANES”关键词在Pubmed中的检索结果。看到2024年的柱子增长量了吧？所以生信塔才说这是 NHANES数据库的爆发之年 ！而且这个趋势依然在保持，今年时间还未到1/4，但是发文量已经超过去年的1/4了。

所以，各位临床小伙伴，数据胜于雄辩，特别是 “小平台”或者是初入临床的人员来说，“NHANES”等众多免费临床数据库可以解决大家缺乏一手临床数据的限制。 利用这些现成的数据，直接跳过了繁琐的实验采集环节，不仅节省了时间和成本，还能保证研究结果的广泛代表性。

那到底该如何挖掘了？生信塔 那今天 带来的 范文是由 哈医大团队2月份刚发表在“Journal of Advanced Research（11.4）” 上， 作者 采用三维立方体方法，将宏量营养素摄入分为24个聚类，分析不同聚类与全因死亡率的关系。

PS：公用数据库是对所有人开放的资源宝库，从这个层面来讲，所有科研人都处于同一起跑线上。特别是对于科研起步阶段的人，如果不知道利用，岂不非常可惜。小伙伴们可以换个营养素组合，或者换个研究角度，就能轻松复现本文的研究思路！ 生信塔 这边提供全方位的生信服务，从方案设计到数据分析，一对一指导，帮你轻松搞定！

题目：与降低死亡率风险相关的特定宏量营养素集群：来自NHANES 1999-2018的证据

数据来源

研究者利用NHANES 1999-2018年的数据，对26,615名20-75岁的成年人进行了分析。通过美国国家死亡指数（National Death Index）追踪至2019年12月31日的死亡数据。

研究思路

采用三维立方体法，根据碳水化合物、脂肪和蛋白质的摄入量，在三维图中绘制不同聚类的人口分布。采用考克斯比例风险模型和限制性三次样条（RCS）分析，研究这些宏量营养素组合与全因死亡率之间的关系。采用逐一排除法进行敏感性分析，评估特定死因对结果稳定性的影响。

研究结果

1.NHANES的调查结果

本研究分析了26,615名美国成年人的数据，在加权中位随访时间为7.58年期间，共记录了3,998例死亡，其中包括1,085例因心脏病死亡和932例因癌症死亡。。

2.宏量营养素集群与总死亡率的关系

研究使用三维立方体方法对宏量营养素摄入进行分类，共识别出24个宏量营养素簇。与参考簇（Cluster Pm:Fm:Cmh）相比，4个特定簇（Cluster Pm:Fm:Cm、Cluster Pm:Fmh:Cml、Cluster Pm:Fmh:Cm和Cluster Pl:Fm:Cmh）与较低的总死亡率相关，风险比（HR）分别为0.79、0.76、0.86和0.73。这些发现表明，与参考簇相比，这4个饮食簇更健康。