NHANES调查权重：我们用三种不同的方法进行了相同的分析，结果却相差45%。

所有对美国国家健康与营养调查 (NHANES) 的分析都基于一个大多数作者在不知不觉中做出的选择。NHANES调查权重要么被正确应用，要么被部分应用，要么被忽略，而最终结果可能相差超过三分之一。我们对同样的 5,018 位受访者进行了三种不同方式的相同问题测试，以精确衡量这一选择的影响程度。未加权答案为 14.85%，正确答案为 10.23%。这两个数字之间，数据本身没有任何变化，唯一改变的是分析方法。

NHANES调查权重实际代表什么

NHANES采用分层多阶段概率抽样方法。某些群体，例如老年人、部分种族和族裔群体以及低收入人群，其抽样率较高，以确保这些群体的估计值足够稳定，可以发表。这种设计是NHANES的一大特色，也是它能够对较小规模人群得出可靠结论的原因。

其结果是，数据文件中的一个参与者并不代表一个美国人。一个参与者可能代表8,000人，也可能代表80,000万人，这取决于像他们这样的人被选中的概率、他们是否作答，以及样本如何根据人口普查总数进行调整。每个权重变量都包含这个数字。分析剔除这些参与者的数据文件，回答的是一个没人问过的问题，即样本的构成，而不是国家的构成。

三个权重变量涵盖了大部分工作。WTINT2YR 适用于家庭访谈中收集的所有数据。WTMEC2YR 适用于移动体检中心测量的所有数据，也是大多数分析所必需的，因为实验室和体格检查的测量数据都来自那里。空腹子样本生物标志物和第二天膳食回顾数据也有各自的权重。选择错误的权重变量不会直接报错，但会在论文中悄无声息地影响所有估计结果。

我们进行的测试

我们采用了2017-2018年美国国家健康与营养调查（NHANES）的数据，这是最近一次完整的独立调查周期，并提出了一个刻意简化的问题：美国20岁及以上成年人中，糖化血红蛋白（HbA1c）达到或超过6.5%（实验室诊断糖尿病的阈值）的比例是多少？简单的问题在这里才是正确的检验方法，因为任何出现的误差都不能归咎于模型的复杂性。

将人口统计文件与糖化血红蛋白文件合并后，并限定为具有有效测量值和阳性体检体重的成年人，最终保留了5,018名参与者。然后，我们用三种方法估算了相同的数量。

简单分析将每位参与者视为一名美国人，结果为 14.85%，置信区间为 13.86% 至 15.83%。应用 WTMEC2YR 但未声明任何分层或聚类，结果为 10.23%，区间为 9.08% 至 11.38%。采用正确的设定，包括检查权重、分层变量 SDMVSTRA、聚类变量 SDMVPSU 以及亚群体限制（而非过滤器），结果为 10.23%，区间为 9.17% 至 11.29%。

加权调整使点估计值偏移了 4.62 个百分点，相对高估了 45%。这并非四舍五入的误差。在论文中，这决定了最终得出的估计值是可信的全国性估计值，还是审稿人一句话就能驳回的数字。

为什么未加权数字会错得这么离谱

一旦了解了样本设计，误差的方向是可以预测的。2017 至 2018 年的 NHANES 调查对老年人和几个糖尿病负担较重的群体进行了过度抽样。因此，对每个参与者进行等量计数，恰好会过度代表最有可能超过 HbA1c 阈值的人群。样本本身并没有问题，而是有意为之，并且设置了权重，以便在分析阶段进行校正。

我们的加权估计值对应于229,445,508名美国成年人，这与同期基于人口普查的成年人口数据相符。未加权的数字则完全没有意义。它仅代表5,018名被抽样的个体，基于此进行概括是不合理的。

需要在此说明一点，而不是放在最后。我们的研究结果是糖化血红蛋白（HbA1c）≥6.5%，这个范围比糖尿病总患病率要窄。它遗漏了那些确诊糖尿病但血糖控制良好、低于该阈值的患者，而且已发表的结合自我报告和空腹血糖的糖尿病总患病率数据也更高。测量指标的精确性是关键所在。

层和聚类能做到仅凭权重无法做到的事情

请注意，方法二和方法三得出的点估计值完全相同。仅权重调整就能消除偏差。它们之间的区别在于置信区间，而这正是作者们最常忽略的部分。

标准误差取决于样本的抽取方式。NHANES 首先选择县，然后是区域，最后是家庭，因此来自同一初级抽样单元的两名参与者比随机抽取的两名陌生人更相似。忽略这种结构会使样本的信息量被高估。我们的设计效应为 1.594，这意味着在实际设计下，方差比相同大小的简单随机样本的方差大约大 59%。

自由度也遵循同样的逻辑。对于15层和30个初级抽样单元的设计，其自由度为15，而不是5,017。如果软件没有被告知设计信息，它可能会基于数千个自由度计算区间，并报告调查无法支持的精度。

正确方法在不同子群体中的表现

将完整设计应用于子群体，可以揭示小样本的精度损失，而简单的分析方法则无法做到这一点。我们对 5,018 名成年人按种族和民族进行相同的估计，结果如下，所有结果均应用了权重、分层、聚类和子群体限制。

表1.按种族和族裔划分的HbA1c≥6.5%的加权患病率，NHANES 2017-2018，20岁及以上成年人。所有估计均使用WTMEC2YR模型，并结合SDMVSTRA、SDMVPSU和亚人群限制。置信区间宽度以百分点表示。

请阅读最后一列，而不是第三列。最小组的区间宽度是最大组的两倍多，这意味着这两个类别之间表面上的差异可能几乎完全是噪声。未加权分析会得出更窄的区间，从而导致设计旨在避免的过度解读。

这也是作者容易与审稿人产生分歧的地方。如果将子组估计值精确到小数点后两位，却省略了区间，那么实际的不确定度可能跨越 8 个点，而作者却只给出约 0.01 个点的精度。审稿人如果处理调查数据，首先就会检查这种模式。

五种导致论文被拒的NHANES调查权重错误

1. 筛选数据而不是使用子群体

在构建设计对象之前通过删除行来限制样本范围（仅限成年人）是最常见的错误。方差估计需要完整的样本结构，包括包含被删除观测值的层和聚类。如果先删除这些观测值，则会导致标准误差出现偏差，而且偏差方向无法预先预测。所有主流软件包都支持子总体选项，其存在的目的正是为了解决这个问题。

2. 合并循环而不划分权重

将两年周期合并需要将权重除以合并的周期数。如果将四个周期合并而不进行重新调整，则加权人口总数将约为美国人口总数的四倍，任何检查人口总数的审核人员都会立即发现这个问题。

3. 将测量方式不同的变量合并

实验室方法会因周期而异。美国国家卫生统计中心 (NCHS) 会发布回归方程来衔接特定的变化，如果不存在衔接方程，则必须排除受影响的周期。如果不对方法变更进行处理，就将测量误差转化为虚假的时间趋势。

4. 报告的子群体规模过小，不足以支持估计值

在我们自己的分组分析中，置信区间从最大组的 3.5 个百分点扩大到最小组的 8.1 个百分点。宽置信区间是诚实的。如果只呈现小样本分组估计值而不提供置信区间，或者不指出其不稳定性，那就不是诚实的了。

5. 使用面试权重对考试数据进行分析

在移动检测中心进行的任何测量都需要采用检测权重。将面谈权重用于实验室结果是一个隐性错误，因为代码可以运行，输出结果看起来也合理。

自行复现

NHANES是公开的。无需申请，无需数据使用协议，也无需付费，因此以上所有数据均可独立核实。完整的R语言代码也很简洁。

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%

本文中的每个数据都经过两次交叉核对，一次使用 R 语言，一次使用 Python 语言，确保文件哈希值、行数、加权人口总数、平均 HbA1c 值以及两种患病率估计值完全一致后才发布。使用第二个引擎验证分析结果可以发现单个流程无法单独检测到的解析错误。

加权无法解决的问题

正确的加权方法解决了一个具体问题，即选择概率不均等。然而，其他几个威胁依然存在，而方法部分如果暗示并非如此，则容易引起质疑。

无应答问题仅得到部分解决。NHANES权重中包含无应答调整，但该调整依赖于已观察到的特征。如果人们因与结果相关且未被调整变量捕捉到的原因而拒绝参与，则无论权重应用得多么谨慎，残余偏差仍然存在。

横断面结构保持不变。每个参与者只接受一次测量，因此暴露和结果同时记录，无法确定时间顺序。即使对横断面关联进行完美加权，仍然存在横断面关联，而用因果语言描述这种关联是该文献面临的第二大常见反对意见。

测量误差依然存在。自我报告的膳食摄入量、身体活动和药物使用情况都存在已知的报告偏差，而应用调查权重只会将这种偏差忠实地传递到国家层面，而不是消除它。加权提高了结果的普遍适用性，但并未提高基础测量的准确性。

这对您的NHANES试卷意味着什么

编辑们对这个数据集的关注度明显提高，现在已有证据表明原因。Maupin及其同事于2026年在《BMC医学》杂志上发表文章，检索了2021年至2025年7月期间发表的文献，并将重复定义为在同一国家人群中分析相同的暴露因素和相同的结局。他们发现，基于NHANES数据存在大量重复研究，并探讨了生成工具是否使公式化的稿件更容易生成，也更难筛选。如今，审稿人在审阅NHANES稿件时，往往会预期看到一个模板。

由此引申出两点。一项重复已发表的暴露-结局组合的研究，无论执行质量如何，都难以获得认可，因此创新性必须在分析开始前确立，而不是事后论证。而且，由于审稿人已经有所预设，方法部分的重要性也远超以往。只需四行文字，就能清晰地表明研究者的能力，例如权重变量、分层变量和聚类变量、亚群体方法以及自由度；反之，如果缺少这些要素，则会立即暴露出研究能力的不足。

报告标准在此发挥着重要作用。大多数审稿人都遵循STROBE观察性研究清单，而我们的STROBE教程则涵盖了容易引起异议的项目。注册也值得考虑，我们阐述了回顾性研究仍需注册的理由。如果您的研究涉及注册数据而非调查数据，那么数据清洗也应遵循同样的原则，我们在“临床注册数据清洗的六种技术”一文中对此进行了介绍；此外，便利抽样所能支持的局限性也同样适用，我们在关于NEISS损伤统计数据可靠性的综述中对此进行了讨论。如果研究问题确实是因果关系而非描述性的，那么孟德尔随机化和其他工具变量方法可能比横断面调查更合适。关于这些方法在证据等级中的位置，请参阅我们的“临床研究证据等级指南” 。

工具和资源

专业NHANES分析支持

如果您希望调查设计在第一次就得到正确处理，我们将按照上述规范构建 NHANES 研究，并交付代码，以便您或审阅者可以重现分析结果。

本类别中的所有内容均列于注册表和真实世界数据研究下。

结语

应用NHANES调查权重并非事后附加的格式要求。它决定了一个数字描述的是美国整体情况，还是电子表格数据。我们的测试使主要患病率数据变动了4.6个百分点，而那些对点估计值没有影响的设计变量，仍然改变了置信区间及其自由度。

确保规范正确并明确阐述。审稿人如果能在方法部分看到权重变量、分层、聚类和子群体方法，就没有理由再去查找错误，因为你已经证明错误不存在。

案例

1. Maupin D、Suchak T、Barnett A、Spick M. 生成式人工智能时代冗余出版物的急剧增加。 BMC医学。 2026; 24（1）：29。 DOI：10.1186 / s12916-025-04569-Y
2. Smirnova E、Cui E、Tabacu L、Leroux A. 标量函数回归：复杂调查设计下的估计和推断。 医学统计。 2024; 43（20）。 doi:10.1002/sim.10194
3. 美国国家健康统计中心。《NHANES调查方法和分析指南》。美国疾病控制与预防中心。 wwwn.cdc.gov/nchs/nhanes/analyticguidelines.aspx
4. 美国国家健康统计中心。NHANES 2017-2018 人口统计变量和样本权重 (DEMO_J)。 wwwn.cdc.gov/Nchs/Nhanes/2017-2018/DEMO_J.htm
5. 美国国家健康统计中心。NHANES 2017-2018 糖化血红蛋白实验室数据 (GHB_J)。 wwwn.cdc.gov/Nchs/Nhanes/2017-2018/GHB_J.htm
6. Lumley T. 调查：复杂调查样本分析。R 包。 cran.r-project.org/package=survey
7. von Elm E、Altman DG、Egger M 等。《加强流行病学观察性研究报告（STROBE）声明》。 “柳叶刀”. 2007;370(9596):1453-1457. doi:10.1016/S0140-6736(07)61602-X

本分析基于 Editverse 发布的 2017-2018 年 NHANES 公开数据。所有估算结果均在发表前使用 R 和 Python 独立复现。数据来源：美国疾病控制与预防中心，国家卫生统计中心。