Váhy průzkumu NHANES: Stejnou analýzu jsme provedli třemi způsoby a výsledek se posunul o 45 %.

Každá analýza Národního průzkumu zdraví a výživy (NHANES) se opírá o volbu, kterou si většina autorů dělá, aniž by si jí všimla. Váhy průzkumu NHANES se buď aplikují správně, aplikují částečně, nebo ignorují a výsledné číslo se může lišit o více než třetinu. Stejnou otázku jsme položili třemi způsoby stejným 5 018 lidem, abychom přesně změřili, jak moc na dané volbě záleží. Nevážená odpověď byla 14.85 procenta. Správná odpověď byla 10.23 procenta. Mezi těmito dvěma čísly se na datech nezměnilo nic, pouze analýza.

Co váhy průzkumu NHANES skutečně představují

NHANES používá stratifikovaný, vícestupňový pravděpodobnostní vzorek. Některé skupiny, včetně starších dospělých, některých rasových a etnických populací a účastníků s nízkými příjmy, jsou vzorkovány ve vyšších četnostech, aby odhady pro tyto skupiny byly dostatečně stabilní pro publikaci. Tento design je charakteristický a je důvodem, proč NHANES může vůbec spolehlivě říci cokoli o menších populacích.

Důsledkem je, že jeden účastník v datovém souboru nepředstavuje jednoho Američana. Účastník může reprezentovat 8 000 nebo 80 000 lidí, v závislosti na tom, jaká byla pravděpodobnost, že bude někdo jako on vybrán, zda odpověděl a jak byl vzorek upraven podle celkového počtu obyvatel ze sčítání lidu. Každá váhová proměnná nese toto číslo. Analýza souboru bez nich odpovídá na otázku, kterou se nikdo neptal, a to jak vypadá vzorek, nikoli jak vypadá země.

Většinu práce pokrývají tři váhové proměnné. WTINT2YR se vztahuje na cokoli shromážděného v rozhovoru s domácností. WTMEC2YR se vztahuje na cokoli měřeného v mobilním vyšetřovacím centru a je to ta, kterou většina analýz potřebuje, protože odtud pocházejí laboratorní a fyzikální měření. Biomarkery podvýběru nalačno a testy stravy druhý den mají opět svou vlastní váhu. Výběr špatné proměnné nevede k chybě. Tiše však ovlivňuje každý odhad v článku.

Test, který jsme provedli

Vzali jsme NHANES 2017 až 2018, nejnovější kompletní samostatný cyklus, a položili jsme záměrně jednoduchou otázku: Jaký podíl dospělých v USA ve věku 20 let a starších má HbA1c 6.5 procenta nebo vyšší, což je laboratorní prahová hodnota používaná k identifikaci cukrovky? Jednoduché otázky jsou v tomto případě správným testem, protože jakoukoli objevenou chybu nelze svést na složitost modelování.

Po sloučení demografického souboru se souborem glykohemoglobinu a omezení na dospělé s platným měřením a pozitivní vyšetřovací hmotností zbývalo 5 018 účastníků. Stejný počet jsme poté odhadli třemi způsoby.

Naivní analýza považovala každého účastníka za jednoho Američana a vrátila 14.85 procenta s intervalem spolehlivosti 13.86 až 15.83. Aplikace WTMEC2YR, ale bez deklarace žádných vrstev nebo klastrů, vrátila 10.23 procenta, interval 9.08 až 11.38. Správná specifikace s váhou zkoumání, proměnnou vrstev SDMVSTRA, proměnnou klastru SDMVPSU a omezením subpopulace namísto filtru vrátila 10.23 procenta, interval 9.17 až 11.29.

Váhováním byl bodový odhad posunut o 4.62 procentního bodu, což je relativní nadhodnocení o 45 procent. Nejedná se o zaokrouhlovací rozdíl. V rukopise se jedná o rozdíl mezi obhajitelným národním odhadem a číslem, které může recenzent jednou větou zamítnout.

Proč bylo nevážené číslo tak špatné

Směr chyby je předvídatelný, jakmile znáte design. Studie NHANES 2017 až 2018 zahrnovala nadměrný počet starších dospělých a několik skupin s vyšší zátěží diabetem. Započítání všech účastníků rovnoměrně proto nadměrně reprezentuje přesně ty osoby, které s největší pravděpodobností překročí prahovou hodnotu HbA1c. Vzorek není přerušený, byl takto záměrně sestaven a váhy existují proto, aby to ve fázi analýzy vyvrátily.

Náš vážený odhad odpovídá populaci 229 445 508 dospělých v USA, což je v souladu s populací dospělých podle sčítání lidu pro dané období. Nevážený údaj neodpovídá vůbec ničemu. Popisuje 5 018 osob, které byly náhodou vybrány do vzorku, a zobecňování z nich je neoprávněné.

Jedna výhrada patří sem, a ne na konec. Náš výsledek je HbA1c na úrovni 6.5 procenta nebo vyšší, což je užší hranice než celková prevalence diabetu. Nezahrnuje lidi, jejichž diagnostikovaný diabetes je pod touto hranicí dobře kompenzován, a publikované údaje o celkovém diabetu, které kombinují subjektivní hlášení s hladinou glukózy nalačno, jsou vyšší. Součástí pointy je přesnost měření.

Co dělají vrstvy a klastry, co samotné váhy nedokážou

Všimněte si, že metoda dvě a tři vedly k identickému bodovému odhadu. Pouze váhy korigovaly zkreslení. Co se mezi nimi lišilo, byl interval spolehlivosti a tento rozdíl je částí, kterou autoři nejčastěji přehlížejí.

Standardní chyby závisí na způsobu výběru vzorku. NHANES nejprve vybírá okresy, poté segmenty a nakonec domácnosti, takže dva účastníci ze stejné primární jednotky vzorku se navzájem podobají více než dva náhodně vybraní cizí lidé. Ignorování této struktury považuje vzorek za informativnější, než ve skutečnosti je. Náš designový efekt byl 1.594, což znamená, že rozptyl při skutečném designu je zhruba o 59 procent větší, než by poskytl jednoduchý náhodný vzorek stejné velikosti.

Stupně volnosti se řídí stejnou logikou. S 15 straty a 30 primárními výběrovými jednotkami tento návrh poskytuje 15 stupňů volnosti, nikoli 5 017. Software, který nebyl o návrhu informován, rád vypočítá interval na tisících stupňů volnosti a nahlásí přesnost, kterou průzkum nemůže podporovat.

Co ukazuje správná metoda napříč podskupinami

Aplikace plného návrhu na podskupiny zviditelňuje náklady na přesnost malých buněk způsobem, který naivní analýza skrývá. Provedení stejného odhadu podle rasy a etnického původu na našich 5 018 dospělých vedlo k níže uvedeným výsledkům, všechny s použitím vah, vrstev, klastrů a omezení subpopulace.

Tabulka 1. Vážená prevalence HbA1c na úrovni 6.5 procenta nebo vyšší podle rasy a etnického původu, NHANES 2017-2018 dospělí ve věku 20 let a starší. Všechny odhady používají WTMEC2YR s SDMVSTRA, SDMVPSU a omezením subpopulace. Šířka intervalu spolehlivosti je udána v procentních bodech.

Přečtěte si raději poslední sloupec než třetí. Nejmenší skupina má interval více než dvakrát tak široký jako největší, což znamená, že zdánlivý rozdíl mezi těmito dvěma kategoriemi by mohl být téměř výhradně šum. Nevážená analýza by vedla k užším intervalům napříč všemi skupinami a vedla by přesně k nadměrné interpretaci, které má návrh zabránit.

I zde se autoři dostávají do potíží s recenzentem. Uvedení odhadu podskupiny na dvě desetinná místa s vynecháním intervalu implikuje přesnost zhruba 0.01 bodu, když skutečná nejistota činí 8 bodů. Recenzenti, kteří pracují s daty z průzkumů, tento vzorec nejprve ověřují.

Pět chyb ve vahách průzkumu NHANES, které vedou k zamítnutí dokumentů

1. Filtrování dat namísto použití subpopulace

Omezení na dospělé osoby odstraněním řádků před vytvořením návrhového objektu je nejčastější chybou, se kterou se setkáváme. Odhad rozptylu vyžaduje celou strukturu vzorku, včetně vrstev a shluků, které obsahují vynechaná pozorování. Jejich odstranění nejprve vede ke standardním chybám, které jsou nesprávné ve směru, který nikdo nemůže předem předpovědět. Každý hlavní balíček podporuje možnost subpopulace a existuje z tohoto důvodu.

2. Sdružování cyklů bez dělení vah

Kombinace dvouletých cyklů vyžaduje vydělení vah počtem sdružených cyklů. Zřetězení čtyř cyklů bez přeškálování vede k vážené populaci zhruba čtyřikrát větší než Spojené státy a každý recenzent, který kontroluje celkový počet obyvatel, to okamžitě zachytí.

3. Sdružování proměnných, které nebyly měřeny stejným způsobem

Laboratorní metody se mezi cykly mění. NCHS publikuje regresní rovnice pro překlenutí specifických změn a tam, kde žádné překlenutí neexistuje, je nutné dotčené cykly vyloučit. Sdružování změn metodologie bez jejich řešení promění artefakt měření v falešný časový trend.

4. Podskupiny podávající zprávy jsou příliš malé na to, aby podpořily odhad

V našem vlastním rozdělení podskupin se interval spolehlivosti rozšířil z 3.5 procentního bodu v největší skupině na 8.1 bodu v nejmenší. Široké intervaly jsou poctivé. Prezentace odhadu podskupiny s malými buňkami bez nich nebo bez zaznamenání nestability poctivou není.

5. Použití váhy rozhovoru pro data z vyšetření

Všechno, co se měří v mobilním zkušebním centru, vyžaduje váhu zkušebního testu. Použití váhy zkušebního testu pro laboratorní výsledek je tichá chyba, protože kód běží a výstup vypadá rozumně.

Reprodukujte si to sami

NHANES je veřejný. Neexistuje žádná aplikace, žádná smlouva o užívání dat ani žádný poplatek, takže každé výše uvedené číslo lze ověřit nezávisle. Úplná specifikace v jazyce R je stručná.

library(haven); library(survey); library(dplyr)

demo <- read_xpt("DEMO_J.xpt")   # NHANES 2017-2018 demographics
ghb  <- read_xpt("GHB_J.xpt")    # glycohaemoglobin

d <- demo %>%
  select(SEQN, RIDAGEYR, SDMVSTRA, SDMVPSU, WTMEC2YR) %>%
  left_join(select(ghb, SEQN, LBXGH), by = "SEQN") %>%
  mutate(
    inpop = RIDAGEYR >= 20 & !is.na(LBXGH) & WTMEC2YR > 0,
    dm    = as.integer(LBXGH >= 6.5)
  )

# Build the design on the FULL file, then subset. Never filter first.
des <- svydesign(ids = ~SDMVPSU, strata = ~SDMVSTRA,
                 weights = ~WTMEC2YR, nest = TRUE, data = d)

svymean(~dm, subset(des, inpop), na.rm = TRUE)   # 10.23%

Každý údaj v tomto článku jsme dvakrát zkontrolovali, jednou v R a jednou nezávisle v Pythonu, a ověřili jsme, že hash souboru, počet řádků, vážený celkový počet obyvatel, průměrný HbA1c a oba odhady prevalence se přesně shodovaly ještě před cokoli publikováním. Ověření analýzy v druhém enginu odhalí chyby při parsování, které žádný jednotlivý pipeline sám o sobě neodhalí.

Co vážení nedokáže opravit

Správné vážení řeší jeden specifický problém, kterým je nestejná pravděpodobnost výběru. Několik dalších hrozeb přežije beze změny a část o metodách, která naznačuje opak, vzbuzuje skepsi.

Neodpověď je řešena pouze částečně. Váhy NHANES zahrnují úpravu na neúčast, ale tato úprava se opírá o pozorované charakteristiky. Pokud se lidé odmítnou účastnit z důvodů souvisejících s výsledkem a nezachycených v proměnných úprav, zbytkové zkreslení přetrvává bez ohledu na to, jak pečlivě jsou váhy aplikovány.

Průřezová struktura se nemění. Každý účastník je měřen jednou, takže expozice a výsledek se zaznamenávají současně a nelze stanovit časovou souvislost. Vážení průřezové asociace stále zachovává průřezovou asociaci a její popis v kauzálním jazyce je druhou nejčastější námitkou, s níž se tato literatura setkává.

Přetrvává také chyba měření. Vlastně hlášený příjem potravy, fyzická aktivita a užívání léků nesou známé zkreslení v hlášeních a použití vah v průzkumech toto zkreslení věrně šíří na národní úroveň, spíše než aby ho odstraňovalo. Vážení zlepšuje zobecnitelnost, nikoli přesnost podkladového měření.

Co to znamená pro váš dokument NHANES

Redaktoři se v otázce tohoto souboru dat stali znatelně ostřejšími a nyní existují důkazy proč. Maupin a kolegové v roce 2026 publikovali v časopise BMC Medicine a prohledali publikace od roku 2021 do července 2025 a definovali redundanci jako analýzu stejných expozic oproti stejným výsledkům ve stejné národní populaci. Zjistili značnou duplicitu založenou konkrétně na NHANES a zkoumali, zda generativní nástroje usnadňují tvorbu formulovaných podání a ztěžují jejich screening. Recenzenti, kterým byl přidělen rukopis NHANES, k němu nyní přistupují s očekáváním šablony.

Z toho vyplývají dvě věci. Studie, která opakuje publikovaný pár expozice a výsledku, bude mít potíže bez ohledu na kvalitu provedení, takže novost je třeba stanovit před zahájením analýzy, spíše než se o ní argumentovat až poté. A protože recenzent je již připraven, má sekce o metodách větší váhu než obvykle. Pojmenování váhové proměnné, proměnných vrstev a klastrů, přístupu subpopulace a stupňů volnosti signalizuje kompetenci ve čtyřech řádcích a jejich absence signalizuje opak stejně rychle.

Zde pomáhají standardy pro podávání zpráv. Většina recenzentů vychází z kontrolního seznamu STROBE pro observační studie a náš tutoriál STROBE se zabývá položkami, které přitahují námitky. Za zvážení stojí i registrace a my uvádíme důvody, proč by retrospektivní studie měla být přesto registrována . Pokud vaše práce zahrnuje spíše data z registru než z průzkumu, platí pro čištění stejná disciplína, jak je popsáno v šesti technikách pro čištění dat z klinického registru , a v mezích toho, co podporuje výběrový vzorek, o čemž se hovoří v našem přehledu, zda jsou statistiky poranění NEISS spolehlivé . Pokud je otázka skutečně kauzální, nikoli deskriptivní, může být Mendelova randomizace a další instrumentální proměnné přístupnější než průřezový průzkum. Informace o tom, kde se kterýkoli z nich nachází v hierarchii důkazů, naleznete v našem průvodci úrovněmi důkazů v klinickém výzkumu.

Nástroje a zdroje

Profesionální podpora analýzy NHANES

Pokud byste raději nechali návrh průzkumu zpracovat správně hned napoprvé, vytvoříme studie NHANES podle výše popsané specifikace a předáme vám kód, aby analýza byla reprodukovatelná vámi nebo recenzentem.

Vše v této kategorii je uvedeno v sekci Studie registrů a dat z reálného světa.

Závěr

Použití vah průzkumu NHANES není formátovacím požadavkem připevněným na konci. Určuje, zda číslo popisuje Spojené státy nebo tabulku. Náš test posunul údaj o prevalenci o 4.6 procentního bodu a proměnné návrhu, které neměly vliv na bodový odhad, stále změnily interval spolehlivosti a stupně volnosti dostupné pro jeho obhajobu.

Správně specifikujte a explicitně ji uveďte. Recenzent, který ve vaší metodické části vidí váhovou proměnnou, vrstvy, shluky a přístup subpopulace, nemá důvod hledat chybu, protože jste již ukázali, že tam chyba není.

Reference

1. Maupin D, Suchak T, Barnett A, Spick M. Dramatický nárůst redundantních publikací v éře generativní umělé inteligence. BMC medicína. 2026; 24 (1): 29. doi: 10.1186 / s12916-025-04569-y
2. Smirnova E, Cui E, Tabacu L, Leroux A. Skalární regrese na základě funkcí: Odhad a inference v rámci komplexních průzkumných návrhů. Statistiky v medicíně. 2024; 43(20). doi:10.1002/sim.10194
3. Národní centrum pro zdravotnickou statistiku. Metody průzkumu NHANES a analytické pokyny. Centra pro kontrolu a prevenci nemocí. www.cdc.gov/nchs/nhanes/analyticguidelines.aspx
4. Národní centrum pro zdravotnickou statistiku. NHANES 2017-2018 Demografické proměnné a váhy vzorků (DEMO_J). www.cdc.gov/Nchs/Nhanes/2017-2018/DEMO_J.htm
5. Národní centrum pro zdravotnickou statistiku. NHANES 2017-2018 Laboratorní data o glykohemoglobinu (GHB_J). www.cdc.gov/Nchs/Nhanes/2017-2018/GHB_J.htm
6. Lumley T. Survey: analýza komplexních vzorků průzkumů. Balíček R. cran.r-project.org/package=survey
7. von Elm E, Altman DG, Egger M a kol. Prohlášení o posílení hlášení observačních studií v epidemiologii (STROBE). Lancet. 2007;370(9596):1453-1457. doi:10.1016/S0140-6736(07)61602-X

Analýza provedena na základě veřejného vydání studie NHANES 2017-2018 službou Editverse. Všechny odhady byly před publikací nezávisle reprodukovány v jazycích R a Python. Zdroj dat: Centra pro kontrolu a prevenci nemocí, Národní centrum pro zdravotní statistiku.