# 任务书：NHANES 1999–2018 中 TyG 指数与全因及心血管死亡的关联

## 1. 背景

甘油三酯-葡萄糖指数（TyG）是胰岛素抵抗的简便替代指标。用美国国家健康与营养调查（NHANES）结合国家死亡指数（NDI）死亡随访数据，研究某个指标与死亡的关联，是医学研究生最常见的论文类型之一。这类研究的难点不在统计方法本身，而在细节：各周期文件名和变量名不一致、空腹子样本权重怎么选和合并、死亡随访文件怎么读、加权分析怎么做、限制性立方样条（RCS）和亚组森林图怎么画和怎么解读。

本任务要求你从公开数据开始，独立完成一项完整、可复现、可以对照已发表结果的分析。

## 2. 研究问题

在 NHANES 1999–2018 年 20 岁及以上、有空腹甘油三酯和空腹血糖数据的非妊娠成年人中：

1. TyG 指数与全因死亡、心血管死亡是否相关？关联强度多大？
2. 剂量反应关系是线性还是非线性？如果是非线性，拐点在哪里，拐点两侧的风险比分别是多少？
3. 关联在不同年龄、性别、种族、BMI、糖尿病、高血压、心血管病史亚组中是否一致？

## 3. 数据

全部使用公开数据，自行下载：

- NHANES 各周期数据：https://wwwn.cdc.gov/nchs/nhanes/ 。需要人口学（DEMO）、空腹甘油三酯与空腹血糖、协变量（体检、问卷、实验室）。注意：甘油三酯与血糖所在文件的名称在 1999–2004 年与 2005 年以后不同，变量名也可能不同，请逐周期核对官方文档。
- 死亡随访：NCHS 2019 公共使用版链接死亡文件（随访至 2019-12-31），https://ftp.cdc.gov/pub/Health_Statistics/NCHS/datalinkage/linked_mortality/ 。这是定宽格式，按官方 SAS/R 读取说明解析。心血管死亡按 `UCOD_LEADING` 的心脏病（001）与脑血管病（005）定义；随访时间用 `PERMTH_EXM`。
- 权重：使用空腹子样本权重并按 NCHS 的多周期合并规则构造（1999–2002 年使用 4 年权重，2003 年以后使用 2 年权重，按周期数换算）。设计变量用 `SDMVPSU`、`SDMVSTRA`。请在方法说明中写清你采用的规则和依据（引用 NCHS 官方教程页面）。

TyG 指数计算：TyG = ln[空腹甘油三酯（mg/dL）× 空腹血糖（mg/dL）/ 2]。如果某周期给的是 mmol/L，先换算单位，并在说明中给出 mmol/L 版本的等价公式。

## 4. 分析要求

1. **样本筛选**：画出 STROBE 风格的纳入排除流程图，每一步写人数（未加权）。
2. **基线特征**：按 TyG 四分位数分组的加权基线表（连续变量加权均值 ± 标准误或加权中位数，分类变量加权百分比），并给出组间检验。
3. **Cox 回归**：使用复杂抽样设计的 Cox 模型。TyG 分别作为连续变量（每增加 1 个单位）和四分位数（以最低组为参照，给出趋势检验 P 值）。至少三个模型：未调整；调整年龄、性别、种族；在此基础上再调整社会经济、生活方式与合并症（协变量由你按已发表研究的惯例选定并说明理由）。
4. **比例风险假设**：检验并报告结果；不满足时说明如何处理。
5. **限制性立方样条**：加权 RCS，结点数和位置写明理由，报告总体关联 P 值与非线性 P 值，全因死亡和心血管死亡各一张图。存在非线性时，用分段 Cox 模型和似然比检验确定拐点，报告拐点两侧的风险比。
6. **生存曲线**：按 TyG 四分位数的加权 Kaplan–Meier 曲线与 log-rank 检验。
7. **亚组分析**：至少包括年龄（<60 与 ≥60 岁）、性别、种族、BMI、糖尿病、高血压、心血管病史；报告每个亚组的风险比与交互作用 P 值，画森林图。
8. **敏感性分析**：至少包括排除随访前 2 年内死亡者、排除基线心血管病和癌症患者、协变量缺失的多重插补，以及不加权分析的对照。
9. **与已发表结果对照**：找到至少两篇在一般成年人群中研究 TyG 与死亡的 NHANES 论文，对照风险比、曲线形状与拐点，解释差异的可能原因（样本周期、协变量、权重、人群）。可从以下开放获取文章开始，也可以自行检索：
   - https://doi.org/10.1186/s12944-024-02277-9
   - https://doi.org/10.3389/fendo.2024.1513543
   - https://doi.org/10.1186/s12933-024-02334-8

## 5. 交付物

所有文件放在工作区的 `nhanes_tyg/` 目录下：

| 文件或目录 | 内容 |
| --- | --- |
| `report.pdf` | 中文研究报告：背景、方法、结果、讨论、与已发表研究的对照、局限性。图表编号清楚，正文中的每个数字都能在表格或代码输出中找到出处 |
| `figures/` | 流程图、加权 RCS 曲线（全因、心血管）、KM 曲线、亚组森林图、比例风险检验图。每张图同时输出 300 dpi PNG 和 PDF，坐标轴标注完整，达到论文投稿质量 |
| `tables/` | 基线表、Cox 回归表、拐点分析表、亚组表、敏感性分析表，输出 xlsx 与 csv |
| `code/` | 按执行顺序编号的脚本，以及一个一键复现的入口脚本；记录 R 或 Python 与各包的版本 |
| `data_manifest.csv` | 每个下载文件的来源 URL、文件大小、SHA256、下载时间 |
| `methods_notes.md` | 中文操作说明，写给第一次做 NHANES 的研究生：数据怎么找和下载、各周期文件名变化对照表、死亡随访文件怎么读、空腹子样本权重怎么选和合并、TyG 公式与单位换算、加权基线表、加权 Cox、加权 RCS、加权亚组分析分别怎么做；RCS 图怎么读（总体 P 值、非线性 P 值、拐点）；森林图与交互作用 P 值怎么读；Cox 结果怎么读 |
| `run_log.md` | 运行记录：每一步做了什么、用时多久、遇到的报错原文与解决办法、做出的每个分析决策及理由 |
| `comparison.md` | 与已发表研究的对照表和差异解释 |

## 6. 工作方式

- 请独立完成全部步骤。遇到问题先自己查文档、尝试解决，并在 `run_log.md` 里记录；不要因为可以自行判断的问题停下来等待确认。只有在确实无法继续时才提问。
- 本任务用 CPU 即可完成，不需要租用 GPU。
- 缺少的 R 或 Python 包请自行安装。
- 所有数字必须来自实际运行的代码输出，不得估计或编造。某一步失败或结果与文献不一致时，如实报告并分析原因。
- 保留全部中间结果，不要删除下载的数据和中间文件。
- 完成后，在对话中用简短的中文总结主要结果，并列出交付物清单与路径。