美国国家健康与营养调查(NHANES, National Health and Nutrition Examination Survey)是一项基于全美各层次人群的横断面调查,旨在收集美国家庭人口健康、营养和社会学相关的信息。
该项目每年调查一次全国代表性的样本,分为访谈和体检数据两大部分。访谈部分包括人口统计学、社会经济学、饮食和健康相关问题;体检部分包括基础医疗信息,比如:血压,测听检查、口腔健康、握力等等以及大量的实验室检测数据和部分放射科数据。
基于此,构建了一个潜力巨大的综合临床数据库,数据相对全面,能覆盖大部分临床科室的选题。而且数据够多,现已完成11,600+人群的数据调查,每两年都会再进行一次数据更新。同时,无需申请授权,基本免费使用。
最难能可贵的是,NHANES数据库还没被“挖烂”。在PUBMED中检索发现,2023年数据库相关研究文章数有4826篇;2024年才过去不到一半,就已经发表了2692篇了。
梅斯学术将以一篇7.4分的文章作为“范例”,为大家全面解析NHANES数据库相关文章的发文思路。仅依靠纯公共数据挖掘就能发到7分+,这性价比相当高啊,如果你想在临床数据挖掘方向发高分文章,快来尝试一下这个思路吧!
浙江医院陈军、毛根祥和苏慧丽等团队在《Journal of Translational Medicine》期刊发表了题为“Dietary flavonoids intake contributes to delay biological aging process: analysis from NHANES dataset”的研究论文,利用NHANES数据库评估膳食黄酮类化合物的摄入量与全身及各器官生物学年龄之间的联系。结果显示,摄入黄酮类化合物有助于延缓生物衰老过程,尤其是在心脏和肝脏器官,有利于降低心血管或肝脏疾病的长期风险。
一、研究背景
随着医疗技术的飞跃,预期寿命已大幅提升至80岁左右,但这也预示着年龄相关疾病患病率的上升。衰老通常用生物学年龄(BA)来表示,受遗传、环境、生活习惯、精神状态等因素的影响。近年来,有研究提出通过计算生物学年龄来评估人体的衰老状况,因为生物年龄比实际年龄(CA)更能准确地反映人体的衰老情况,是评估衰老的新方法。
二、研究思路
本研究从NHANES数据库收集3193名参与者的类黄酮摄入量数据。类黄酮数据库由六类黄酮类化合物组成,即花青素、黄烷-3-醇、黄烷酮、黄酮、黄酮醇和异黄酮;而本研究中,将总黄酮摄入量定义为这六个子类的平均值之和。采用美国农业部(USDA)2007-2010年和2017-2018年调查食品编码的类黄酮数据库链接到特定的类黄酮值。
三、研究方法与结论
1、参与者的基本临床特征
本研究分析2007-2010年和2017-2018年NHANES(美国大型横断面调查)中3193名参与者(平均年龄47.62岁)的类黄酮摄入量。其中,黄酮类化合物的平均日摄入量为222.16mg。参与者中,近四分之一为最低摄入量黄酮(约15mg/天),而近一半为最高摄入量(约450mg/天)。男女比例大致相等,且大部分为白人(72.56%)。
表1 按总类黄酮摄入量划分的NHANES参与者特征
2、参与者的生物学年龄和实际年龄的差异
接下来,研究者比较了总黄酮摄入量对BA和∆age的影响。研究员们发现,全身、心血管、肾脏和肝脏的BA与黄酮摄入量相关,但影响各异。特别是,对于CKD(慢性肾病)患者,肾脏的BA和∆age显著升高,表明CKD影响肾脏的生物学年龄;黄酮摄入量中等和最高的参与者,其全身、心血管和肾脏BA较高,但∆age较低,表明黄酮可能延缓衰老;花青素摄入量高的参与者,其BA和∆age最低。
表2 BA平均值及其与CA的差值
3、类黄酮摄入量与生物年龄的关系
研究员通过线性回归进行分层分析,以验证不同变量(包括年龄、性别、吸烟状况、饮酒量、体力活动水平和慢性病诊断)的总黄酮摄入量与Δage之间的关系。
结果发现,黄酮摄入量高、>30岁、不吸烟、适度饮酒和运动的参与者,其全身∆age较低;黄酮摄入量适中,30-59岁年龄组、男性组、不吸烟组、低水平运动组、无高血压和糖尿病的参与者,其全身∆age较低。在心脏和肝脏BA中,高黄酮摄入与年龄、性别和健康行为呈负相关,尤其在无糖尿病或CKD的个体中。然而,在肾脏∆年龄中,黄酮摄入的中高水平没有显著关联。
这些发现表明,黄酮类化合物可能有助于延缓生物老化,但效果可能因年龄、性别、健康行为和疾病状况而异。
表3 总黄酮摄入量与BA、CA之间关系的多元线性回归分析结果
图1 分层分析黄酮摄入量与全身∆age的关系
四、小结
参考来源:
Xing W, et al. Dietary flavonoids intake contributes to delay biological aging process: analysis from NHANES dataset. J Transl Med. 2023 Jul 21;21(1):492.
撰写:彤彤