기술설명
NHANES 연구
미국 국민건강영양조사(NHANES) 데이터를 기반으로 한, 출판 준비가 완료된 횡단 연구 또는 추세 연구 논문을 제공합니다. 이 논문은 대부분의 NHANES 논문에서 사용하는 방식이 아닌, 미국 보건통계청(NCHS)에서 명시한 방식대로 분석합니다. 이러한 차이점은 해마다 더욱 중요해지고 있습니다. NHANES는 임상 연구에서 가장 많이 활용되는 공공 데이터 세트이며, 편집자들은 이를 잘 알고 있습니다. NHANES 논문이 심사에서 반려되는 가장 흔한 이유는 복잡한 조사 설계 방식을 무시했기 때문입니다. 본 서비스는 이러한 심사를 통과할 수 있는 버전을 제공하기 위해 만들어졌습니다.
이 연구가 적합한 경우는 언제일까요?
NHANES는 미국 내 비시설 거주 인구를 대상으로 식이 섭취, 임상 생체지표, 신체 계측, 신체 활동, 환경 노출, 자가 보고 질환, 그리고 연계된 국가 사망 지수를 통한 사망률 등 노출 요인과 결과 요인을 모두 측정하는 조사입니다. 전국적으로 대표성을 갖는 유병률, 일반 인구 집단 전반에 걸친 노출-결과 연관성, 또는 여러 주기에 걸친 추세 분석이 필요할 때 적합한 도구입니다.
개인별 장기 추적 관찰, 희귀 질환, 병원 기반 결과 또는 치료 효과 분석에는 NHANES가 적합하지 않습니다. NHANES는 횡단 연구 설계로, 각 참가자는 한 번만 측정됩니다. 만약 유병률이 아닌 발생률이 필요한 연구라면, 검토자가 거부할 가능성이 있는 연구를 제공하기 전에 미리 알려드리겠습니다.
분석은 실제로 어떻게 진행될까요?
이 설계 방식은 선택 사항이 아닙니다. NHANES는 선택 확률이 불균등한 층화 다단계 확률 표본 추출 방식을 사용하며, 발표되는 모든 추정치는 이를 고려해야 합니다.
- 무게를 추측하는 것이 아니라, 무게를 선택해야 합니다. – 올바른 가중치는 분석에 사용되는 변수에 따라 달라집니다. 인터뷰 데이터만 포함하는 변수는 WTINT2YR을 사용하고, 이동식 검진 센터에서 수집된 데이터는 WTMEC2YR을 사용합니다. 공복 상태 표본 생체지표와 2일차 식이 회상 데이터는 각각 고유한 가중치를 적용합니다. 잘못된 가중치를 사용하면 논문의 모든 추정치에 암묵적인 편향이 발생합니다.
- 정확한 다중 주기 재가중치 - 여러 주기를 결합하는 것은 단순히 연결하는 것이 아닙니다. 가중치는 결합된 주기의 수로 나누어지며, 결합 전에 전체 기간에 걸쳐 모든 변수가 동일한 방법으로 수집되었는지 확인합니다. 기간 중간에 실험실 방법이 변경된 경우, NCHS 회귀 보정 방정식을 적용하거나 해당 주기를 제외하고 그 결정을 문서화합니다.
- 행 삭제가 아닌 하위 집단 분석입니다. 성인 또는 특정 질병 그룹으로 제한하려면 하위 모집단 옵션을 사용하여 분산 추정 시 전체 표본 구조를 유지합니다. 행을 삭제하는 대신 특정 행을 제외하면 예측할 수 없는 방향으로 잘못된 표준 오차가 발생합니다.
- 테일러 급수 선형화 SDMVSTRA 및 SDMVPSU를 적용했으며, 자유도는 PSU에서 층화값을 뺀 값으로 계산했습니다. 안정적인 추정 임계값 미만인 소규모 하위 그룹은 거짓 정밀도로 표시하는 대신 해당 사실을 명시적으로 보고합니다.
- DAG 기반 교란변수 선택 – 조정 변수 집합은 명확한 인과 관계도를 기반으로 선택됩니다. 결과 변수에 대한 단계적 선택법을 사용하지 않으며, 매개 변수나 교란 변수를 조정하지도 않습니다. 이는 기존 NHANES 문헌에서 흔히 발생하는 오류입니다.
- 비선형성은 가정된 것이 아니라 검증된 것입니다. – 일반적인 백분위수에 매듭점을 갖는 제한된 3차 스플라인과, 관계가 진정으로 비단조적인 경우 임계값 및 분할 분석을 추가합니다.
- 다중성 처리됨 - 여러 노출 요인 또는 결과가 테스트되는 경우, 거짓 발견율 보정이 적용되고 보고됩니다.
- 누락된 데이터는 명시적으로 처리되었습니다. – 패턴을 분석하고, 메커니즘을 추론하며, 적절한 경우 다중 대체법을 적용하고, 완전 사례 민감도 분석을 병행했습니다.
당신이 받는 것
- 완성된 원고 - 서론, 방법, 결과, 토론 및 한계점은 목표 학술지의 보고 관례에 따라 작성되어야 합니다.
- 설문조사 가중치 표 – 검토자들이 가장 먼저 기대하는 가중치가 적용된 기술 통계표를 포함합니다.
- 출판용 수준의 수치 - 저널에 맞게 크기와 글자 크기를 조정한 벡터 출력물
- 전체 분석 코드 - R(survey 패키지) 또는 Stata(svy 접두사)로 작성된 보고서이며, 주석이 달려 있고 실행 가능해야 하므로, 분석 결과를 본인 또는 검토자가 재현할 수 있어야 합니다.
- STROBE 체크리스트 작성 완료 – 우리를 참조하십시오 스트로브 사용법 리뷰어들이 실제로 확인하는 사항은 무엇일까요?
- 분석 로그 포함된 모든 주기, 도출된 모든 변수, 제외된 모든 항목 및 그 이유
- 저자가 요청한 수정 작업 1회
포함되지 않는 사항
저희는 논문의 저자 표기를 대행하지 않습니다. 연구 질문을 직접 설정하고, 해석을 검토하며, 과학적 주장에 대한 책임을 져야 최종 논문이 정당하게 귀하의 저작물이 됩니다. 저희는 귀하를 대신하여 논문을 제출하지 않으며, 어떤 저널에도 게재를 보장하지 않습니다. 또한, 동료 심사에 대한 답변은 이 패키지에 포함되지 않습니다(이는 별도 서비스입니다). 논문 처리 비용은 귀하 부담입니다. 분석 결과 유의미한 결과가 나오지 않으면, 저희는 그 결과를 그대로 논문에 기재합니다. 저희는 유의미한 결과를 찾기 위해 인위적으로 노력하지 않습니다.
이 제품을 사지 말라고 알려드릴 시점은 언제일까요?
만약 동일한 노출 요인과 결과 변수를 사용하여 NHANES 데이터에서 이미 여러 번 답변된 질문이라면, 아무리 연구를 잘 수행하더라도 추가 연구 논문을 발표하기는 어려울 것입니다. 필요한 변수들이 단 한 번의 데이터 수집 주기에서만 수집되었다면, 하위 그룹 분석을 위한 표본이 충분하지 않을 것입니다. 가중 표본에서 결과 변수의 발생 건수가 너무 적어 안정적인 추정치를 얻기 어렵다면, 아무리 모델링을 잘해도 해결할 수 없습니다. 저희는 연구 시작 전에 이 세 가지 사항을 모두 검토하며, 만약 연구를 진행해서는 안 된다고 판단되면 그 사실을 알려드리고 비용을 환불해 드립니다. 타당성 및 프로토콜 평가는 바로 이러한 검토를 거쳐 연구를 본격적으로 진행하기 위해 마련된 절차입니다.
데이터 접근
NHANES는 완전한 공개 데이터입니다. 저희가 직접 데이터를 수집하므로 별도의 신청 절차나 데이터 사용 계약이 필요 없으며, 귀하께서 준비하셔야 할 사항도 없습니다. 사망률 연계 분석에는 공개적으로 배포되는 NDI 연계 파일이 사용됩니다.
연혁
표준 납기는 합의된 분석 계획일로부터 영업일 기준 15일 입니다 . 다중 주기 추세 연구 및 데이터 보정 비중이 높은 설계의 경우 납기가 더 길어질 수 있으며, 그럴 경우 결제 전에 미리 알려드립니다.
일반적인 질문
분석 결과는 재현 가능한가요? 네. 코드와 분석 로그를 제공해 드리고, 데이터는 공개되어 있으므로 회의적인 검토자를 포함한 누구든지 다시 실행해 볼 수 있습니다.
연구 등록이 필요한가요? 필수 사항은 아니지만, 일부 학술지에서는 후향적 연구라 하더라도 등록을 요구하는 경우가 점점 늘어나고 있습니다. 후향적 연구 등록에 대한 근거는 이 글에서 자세히 다루고 있습니다.
목표 저널의 형식을 사용해 주실 수 있나요? 네. 원고 시작 시 저널명을 알려주시면 해당 저널의 형식과 분량 제한에 맞춰 작성해 주시면 됩니다.
이미 작성한 원고가 거절당했다면 어떻게 해야 할까요? 보내주세요. 심사 과정에서 거절된 NHANES 원고를 재작성하는 것은 흔한 요청이며, 처음부터 새로 작성하는 것보다 비용이 적게 드는 경우가 많습니다.
확장 범위
다중 주기 추세 분해, 성향 점수 매칭 설계, 매개 분석 및 NHANES와 다른 데이터 소스 연계는 개별적으로 견적을 내며, 일반적으로 3,500달러부터 시작합니다. 질문이 둘 이상의 데이터베이스에 걸쳐 있는 경우, 확장 및 다중 데이터베이스 등록 연구를 참조하십시오.
먼저 질문이 있으신가요?
이 제품이 귀하의 연구 질문에 적합한지 확신이 서지 않으시면 구매 전에 문의해 주세요. 아래에 질문을 남겨주시면 담당 분석가가 영업일 기준 하루 이내에 답변해 드립니다. 부담 없이 문의하실 수 있으며, 다른 제품이 더 적합하거나 도움을 드릴 수 없는 경우 솔직하게 말씀드리겠습니다.




