当你从NHANES数据中得出一个显著的「相关性」时，先别急着下结论。
因为你分析的对象，只是那些“幸存”到接受调查的参与者。
那些因疾病过早离世或病情太重无法参与的人，早已被无声地排除在你的样本之外。这导致了一个核心误区：用“现患病人”得出的结论，去推断“疾病发生”的风险。
这个扭曲研究真相的经典陷阱，就是NHANES横断面分析中最常见也最危险的坑——现患-新发病例偏倚，又称“奈曼偏倚”。
什么是奈曼偏倚？
定义：在横断面研究中，纳入的病例通常是研究时的现患病例，即存活病例，特别是病程较长的现患病例，而难以包括已死亡的病例或尚未发病的潜伏病例，也可能不包括刚发病但迅速康复或死亡的病例，得到的一些暴露信息可能只与存活有关，而未必与该病的发病有关，从而错误地估计这些因素的病因作用。
简单来说，这种偏倚发生在只研究了“存活”到调查时的病例，而忽略了那些因为病情严重已经去世或无法参与调查的病例。
为什么NHANES需警惕奈曼偏倚？
NHANES作为一个典型的大型横断面研究，如同一个时间点的“集体照”，只能记录此刻的状况，无法确定因果时序。
➡️为了便于大家理解，简单举两个例子：
研究疾病与营养的关系：你想研究“低血清白蛋白”是否导致“心力衰竭”。但严重心衰患者常因食欲不振导致营养不良和低白蛋白，且死亡率高。研究中可能仅纳入轻症幸存者，其营养状况较好，从而低估真实关联；
研究某种暴露与癌症的关系：你想研究某个生活习惯和癌症的关系。但某些侵袭性强、进展快的癌症（如胰腺癌）患者难以被纳入研究，样本可能更多包含生存期长的癌症（如前列腺癌）患者，其生活习惯可能相对健康，从而引入偏倚。
如何识别和尽量避免奈曼偏倚？
虽然奈曼偏倚在NHANES研究中无法避免，但我们可以采取以下策略来缓解其影响：
📍审慎定义研究人群与变量 🍃
1.明确研究目标：区分疾病病因（风险因素，偏倚影响大）与疾病负担（患病率及相关因素，影响较小）；
2.限制人群或使用替代指标：可限定为新近诊断病例，或采用连续生物标志物（如以HbA1c替代糖尿病诊断）代替二分类结局，以纳入早期疾病信息。
📍转换研究思路 🍃
1.关联纵向数据（最有效策略）：将NHANES数据与死亡登记数据库（NDI）等数据库链接，开展前瞻性队列分析，研究暴露与死亡风险的关系，从而规避偏倚；
2.转向生存研究：分析现有病例中某个指标与患者生存质量或预后的关联，而非病因。
📍进行敏感性分析并审慎解读 🍃
1.在讨论中必须主动承认此偏倚的存在，并论证它最可能如何影响你的结果（例如：“本研究可能低估了该风险因素的作用，因其可能导致患者过早死亡而未入选”）；
2.将结果与已有队列研究等纵向数据结果进行对比，评估一致性。
END
总而言之，奈曼偏倚是横断面研究设计一个内在的、狡猾的敌人，需要时刻注意！
下一次当你从NHANES中挖掘出一个令人兴奋的关联时，不妨先停下来，问自己一句：“我看到的这个结果，会不会只是因为那些‘没能来拍照的人’？”
保持这种批判性思维，研究才会更加严谨和可靠！
