R语言环境下NHANES加权样本调整协变量的分组比例计算咨询

方法学核心结论 #

1. 你的需求就是直接标准化的典型应用场景 #

• 你需要计算的校正混杂结构后的分组肥胖率，本质就是直接标准化调整后的人群比例。
• 方法选择：针对你5个固定独立分组、以比例为结局的研究设计，优先选择直接标准化，完全不需要用间接标准化。
• 适用边界：间接标准化仅适用于组内结局事件数过少、无法稳定计算分层率的低事件数场景；你的肥胖率结局只要每个校正变量交叉层有足够样本，完全满足直接标准化的适用条件。

2. 直接标准化流程无需额外构造新权重 #

• 计算过程完全复用你已有的survey调查权重，不需要为标化单独新建权重：
  • 第一步：用现有NHANES抽样权重，计算每个校正层（年龄×性别×种族）内的加权肥胖率，这步的权重作用是校正复杂抽样带来的选择偏差，还原目标人群的真实层内率。
  • 第二步：用固定的外部/内部参照分布，对所有层的率做加权合并，得到统一结构下的调整率——这里的参照分布是固定的结构占比，不是新构造的调查权重。
• 常见误区：不要把两类权重混淆：调查权重是校正抽样偏差用的，标化参照是统一组间结构用的，二者是计算流程的先后两个环节，不存在替代关系。

3. 标化参照选择有统一规范，禁止自行设定均等分布 #

• 年龄参照：优先采用与研究目标人群匹配的人口普查年龄分层占比，做NHANES研究时直接采用对应参考年份的权威年龄结构数据即可。
• 性别、种族参照：绝对不能用男女各占0.5的均等分布，这是完全不符合公共卫生研究规范的参照选择。性别、种族的参照分布必须和年龄参照来自同一权威人口源，三者的参照要统一匹配，不能各选各的。
• 通用简化方案：如果没有特殊的外部参照需求，直接把整个调查样本经权重计算得到的总体年龄×性别×种族交叉分布作为参照，是复杂抽样调查领域的通用做法，既不需要额外检索外部数据，调整率的解读也完全贴合样本本身的人群特征。

4. R语言等效实现不需要借助第三方包，survey包原生功能完全对等 #

• Stata中结合调查设计使用的adjprop函数，在R中不需要依赖仅适配普通数据的第三方包，survey包自带的svystandardize函数就是完全功能对等的接口，原生支持复杂抽样设计对象，可自动完成正确的方差校正。
• 典型操作流程：
  • 第一步：构建符合NHANES要求的survey design对象，示例代码：
    nhc_design <- svydesign(ids = ~SDMVPSU, strata = ~SDMVSTRA, weights = ~WTINT2YR, nest = TRUE, data = nhanes_df)
  • 第二步：定义标化参照，以样本自身结构做参照的示例代码：
    ref_structure <- popsvystandard(nhc_design, ~age_group + gender + race_eth)
  • 第三步：按5个分组计算校正后的肥胖率及标准误，示例代码：
    adjusted_rate <- svyby(~obese, ~five_group, design = nhc_design, svymean, standardize = ref_structure)
• 认知补漏：第三方DirectStandardisation包仅面向非抽样的普通数据设计，未整合复杂抽样的方差校正逻辑，输出的统计推断结果完全不匹配NHANES这类多阶段分层抽样的调查数据，不具备适用性。
• 方法认知区分：注意区分“回归调整预测概率”和“直接标准化调整率”：大样本下二者数值接近，但直接标准化不依赖模型分布假设，不存在函数形式设定偏差，是复杂抽样调查中计算调整比例的通用规范方法。

内容的提问来源于stack exchange，提问作者hope world