首页 > 资讯 > NHANES数据库多种饮食模型指数的计算

NHANES数据库多种饮食模型指数的计算

1、饮食模型指数支持类型
饮食模型指数中文
Dietaryindex包中对应函数DII(Dietary Inflammatory Index)膳食炎症指数
DII_NHANES_FPED()aMED/MEDI(Alternate Mediterranean Diet Score)替代地中海饮食指数MED_NHANES_FPED()/MEDI_NHANES_FPED()HEI2020/HEI2015(Healthy Eating Index )健康饮食指数HEI2020_NHANES_FPED()/HEI2015_NHANES_FPED()AHEI(Alternative Healthy Eating Index 2010 )替代健康饮食指数AHEI_NHANES_FPED()DASH/DASHI(Dietary Approaches to Stop Hypertension Index)预防高血压饮食指数DASH_NHANES_FPED()/DASHI_NHANES_FPED()

2、数据准备(以2017-2018年周期为例)

需要准备的数据:食物模式等效物膳食摄入量;营养摄入情况;人口统计数据。

①在食物模式等效物数据库(FPED)下载对应周期的食物模式等效物膳食摄入量文件:

FPED数据库链接:

https://www.ars.usda.gov/northeast-area/beltsville-md-bhnrc/beltsville-human-nutrition-research-center/food-surveys-research-group/docs/fped-databases/

图片下载后解压得到fped_dr1tot_1718.sas7bdat和fped_dr2tot_1718.sas7bdat两个文件。②在NHANES数据库对应周期的饮食数据当中下载营养摄入情况:DR1TOT_J.XPT和DR2TOT_J.XPT
图片③在NHANES数据库下载对应周期的人口统计数据:DEMO_J.XPT。图片至此文件夹中一共得到了5个文件图片3、饮食模型指数计算(以2017-2018年周期为例)
安装并加载包和数据

#安装Dietaryindex包#方式一install.packages('devtools') #如果没devtools包,需要先安装devtools::install_github('jamesjiadazhan/dietaryindex') #从github上安装dietaryindex包#方式二library(devtools) #加载devtools包install_github('jamesjiadazhan/dietaryindex')
library(dietaryindex)library(haven)DEMO_PATH = read_xpt(file ='DEMO_J.XPT')#人口FPED_PATH_1 = read_sas('fped_dr1tot_1718.sas7bdat')#第一天数据NUTRIENT_PATH_1 = read_xpt(file ='DR1TOT_J.XPT')#第一天数据FPED_PATH_2 = read_sas('fped_dr2tot_1718.sas7bdat')#第二天数据NUTRIENT_PATH_2 = read_xpt(file ='DR2TOT_J.XPT')#第二天数据

dietaryindex包里的函数参数:FPED_PATH:第一天fped数据;NUTRIENT_PATH:第一天营养数据;DEMO_PATH:人口统计数据;FPED_PATH2:第二天fped数据;NUTRIENT_PATH2:第二天营养数据。①DII

#情况一:只考虑第一天的数据DII_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据DII_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据DII_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)②aMED

#情况一:只考虑第一天的数据MED_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据MED_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据MED_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)

③MEDI

#情况一:只考虑第一天的数据MEDI_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据MEDI_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据MEDI_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)④HEI2020

#情况一:只考虑第一天的数据HEI2020_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据HEI2020_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据HEI2020_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)

⑤HEI2015

#情况一:只考虑第一天的数据HEI2015_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据HEI2015_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据HEI2015_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)⑥AHEI

#情况一:只考虑第一天的数据AHEI_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1)#情况二:只考虑第二天的数据AHEI_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2)#情况三:同时考虑第一天和第二天数据AHEI_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2)

⑦DASH

#情况一:只考虑第一天的数据DASH_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, DEMO_PATH=DEMO_PATH)#情况二:只考虑第二天的数据DASH_NHANES_FPED(FPED_PATH2=FPED_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2, DEMO_PATH=DEMO_PATH)#情况三:同时考虑第一天和第二天数据DASH_NHANES_FPED(FPED_PATH=FPED_PATH_1, NUTRIENT_PATH=NUTRIENT_PATH_1, FPED_PATH2=FPED_PATH_2, NUTRIENT_PATH2=NUTRIENT_PATH_2⑧DASHI

#情况一:只考虑第一天的数据DASHI_NHANES_FPED(NUTRIENT_PATH=NUTRIENT_PATH_1)#情况二:只考虑第二天的数据DASHI_NHANES_FPED(NUTRIENT_PATH2=NUTRIENT_PATH_2)#情况三:同时考虑第一天和第二天数据DASHI_NHANES_FPED(NUTRIENT_PATH=NUTRIENT_PATH_1, NUTRIENT_PATH2=NUTRIENT_PATH_2)

4、用作者合并的数据计算饮食模型指数此外,作者还提供上述5个数据文件合并好的.rda文件(NHANES_combined),我们只需要将对应周期的.rda文件提前下载好至工作路径即可。①下载NHANES_combined数据下载网站:https://github.com/jamesjiadazhan/dietaryindex_NHANES/tree/main/data/NHANES_combined图片②加载数据

load('NHANES_20052006.rda')## NHANES 2005-2006load('NHANES_20072008.rda')## NHANES 2007-2008load('NHANES_20092010.rda')## NHANES 2009-2010load('NHANES_20112012.rda')## NHANES 2011-2012load('NHANES_20132014.rda')## NHANES 2013-2014load('NHANES_20152016.rda')## NHANES 2015-2016data('NHANES_20172018')## NHANES 2017-2018 内置在dietaryindex包中load('NHANES_20172020.rda')## NHANES 2017-2020③计算饮食模型指数(以2017-2018周期为例)

data('NHANES_20172018')#aMEDMED=MED_NHANES_FPED(FPED_PATH=NHANES_20172018$FPED, NUTRIENT_PATH=NHANES_20172018$NUTRIENT, DEMO_PATH=NHANES_20172018$DEMO, FPED_PATH2=NHANES_20172018$FPED2, NUTRIENT_PATH2=NHANES_20172018$NUTRIENT2)#MEDIMEDI=MEDI_NHANES_FPED(FPED_IND_PATH=NHANES_20172018$FPED_IND, NUTRIENT_IND_PATH=NHANES_20172018$NUTRIENT_IND, FPED_IND_PATH2=NHANES_20172018$FPED_IND2, NUTRIENT_IND_PATH2=NHANES_20172018$NUTRIENT_IND2)#HEI2020HEI2020_NHANES_FPED(FPED_PATH=NHANES_20172018$FPED, NUTRIENT_PATH=NHANES_20172018$NUTRIENT, DEMO_PATH=NHANES_20172018$DEMO, FPED_PATH2=NHANES_20172018$FPED2, NUTRIENT_PATH2=NHANES_20172018$NUTRIENT2)#HEI2015HEI2015_NHANES_FPED(FPED_PATH=NHANES_20172018$FPED, NUTRIENT_PATH=NHANES_20172018$NUTRIENT, DEMO_PATH=NHANES_20172018$DEMO, FPED_PATH2=NHANES_20172018$FPED2, NUTRIENT_PATH2=NHANES_20172018$NUTRIENT2)#AHEIAHEI_NHANES_FPED(FPED_PATH=NHANES_20172018$FPED_IND, NUTRIENT_PATH=NHANES_20172018$NUTRIENT_IND, FPED_PATH2=NHANES_20172018$FPED_IND2, NUTRIENT_PATH2=NHANES_20172018$NUTRIENT_IND2)#DASHDASH_NHANES_FPED(FPED_PATH=NHANES_20172018$FPED_IND, NUTRIENT_PATH=NHANES_20172018$NUTRIENT_IND, FPED_PATH2=NHANES_20172018$FPED_IND2, NUTRIENT_PATH2=NHANES_20172018$NUTRIENT_IND2)#DASHIDASHI_NHANES_FPED(NUTRIENT_PATH = NHANES_20172018$NUTRIENT, NUTRIENT_PATH2 = NHANES_20172018$NUTRIENT2)

如果需要mimic数据库代安装、数据代提取或者临床数据代分析可以扫描以下二维码私聊!

相关知识

假人模特身材数据库是什么
如何通过算法和数据库技术实现健康生活的数据分析和预测
健康成年人群尿中对硝基酚水平对甲状腺功能的影响——基于美国NHANES数据库
医疗健康大数据分析:从数据到疗法创新1.背景介绍 医疗健康大数据分析是一种利用大规模数据集和高级计算技术来解决医疗和健康
基于移动技术健康饮食服务数据库与过敏食物发现算法研究.doc
医疗健康大数据的技术与创新1.背景介绍 医疗健康大数据是一种利用计算机科学技术对医疗健康领域数据进行处理、分析、挖掘的技
BMI 宣布出局!中国学者用NHANES新指标BRI预测死亡风险,发JAMA子刊(IF=10.5)
身体bmi指数计算
体重指数bmi计算
如何用python语言计算BMI指数

网址: NHANES数据库多种饮食模型指数的计算 https://m.trfsz.com/newsview741045.html