CHARLS数据与Framingham风险评分的R语言实现

1. 项目背景与Framingham风险评分解析

CHARLS（中国健康与养老追踪调查）作为我国45岁及以上人群最具代表性的追踪调查数据库，其价值不仅体现在样本覆盖的广泛性，更在于数据采集的多维度和高质量。这个由北京大学主持的项目自2011年启动以来，通过科学的抽样设计和严格的质控流程，构建了包含社会经济状况、健康状况、生物标志物等丰富信息的微观数据库，为老龄化研究提供了宝贵资源。

Framingham风险评分（FRS）的临床价值值得深入探讨。这个源自美国Framingham心脏研究的预测模型，经过30余年的验证与迭代，已成为心血管风险评估的金标准。其核心价值体现在三个方面：

1. 多因素整合：巧妙融合了年龄、性别、血压、胆固醇等传统危险因素
2. 量化预测：将抽象风险转化为具体数值（如"10年心血管事件发生概率15%"）
3. 临床决策支持：21分临界点对应10年风险>20%的高危阈值，直接影响治疗策略

注意：使用FRS时需注意其开发基于欧美人群，直接应用于中国人群可能存在校准偏差，这也是CHARLS本土化研究的重要意义所在。

2. 数据处理与函数设计原理

2.1 CHARLS数据结构特点

CHARLS采用模块化设计，数据分散在多个DTA文件中，这种设计虽然灵活，但给分析带来挑战。主要数据文件包括：

2.2 函数技术实现解析

charls_framingham_score函数的精妙之处在于其三步处理流程：

1. 变量映射：自动识别CHARLS原始变量与FRS所需参数的对应关系

   r复制# 示例：血压变量映射
   if("sbp" %in% names(data)) {
     SBP <- data$sbp
   } else if ("blood_pressure" %in% names(data)) {
     SBP <- data$blood_pressure %>% extract_sbp()
   }
   

2. 缺失值处理：采用多重插补法处理常见缺失场景

   • 血压缺失：优先使用最近测量值
   • 血脂缺失：使用调查权重调整后的均值填补

3. 评分计算：严格遵循FRS标准算法

   r复制calculate_frs <- function(age, sex, SBP, cholesterol, diabetes, smoking) {
     # 性别特异性系数
     beta <- ifelse(sex == 1, male_coef, female_coef)
     # 线性预测值计算
     lp <- beta_age*age + beta_sbp*SBP + ... 
     # 风险转换
     1 - 0.9^exp(lp - mean_lp)
   }
   

实操技巧：遇到大量缺失时可设置na.action参数选择"complete"（仅完整案例）或"impute"（多重插补）

3. 完整操作指南与深度应用

3.1 环境配置最佳实践

推荐使用R 4.2+版本并配置以下环境：

r复制# 建议的包版本控制
library(renv)
renv::init()
renv::install(c(
  "haven@2.5.2",
  "dplyr@1.1.0",
  "mice@3.15.0"
))

3.2 数据预处理全流程

1. 路径设置与数据加载

   r复制# 使用here包实现跨平台路径管理
   library(here)
   data_dir <- here("data", "charls_wave5")
   
   # 批量读取dta文件
   file_list <- list.files(data_dir, pattern = "\\.dta$", full.names = TRUE)
   data_list <- lapply(file_list, haven::read_dta)
   names(data_list) <- tools::file_path_sans_ext(basename(file_list))
   

2. 数据合并与清洗

   r复制# 使用purrr实现安全合并
   library(purrr)
   charls_merged <- reduce(
     list(demographic, health_status, biomarkers),
     ~ left_join(.x, .y, by = "ID", relationship = "one-to-one")
   )
   
   # 关键变量标准化
   charls_clean <- charls_merged %>%
     mutate(
       age = as.numeric(ba004),
       sex = ifelse(ba002 == 1, "male", "female"),
       SBP = (bd001 + bd002)/2  # 两次测量均值
     )
   

3.3 函数高级应用场景

1. 分层分析实现

   r复制# 按城乡分组计算FRS
   urban_rural_compare <- charls_clean %>%
     group_by(urban = ifelse(community == 1, "urban", "rural")) %>%
     group_modify(~ {
       frs <- charls_framingham_score(.x)
       tibble(
         mean_frs = mean(frs, na.rm = TRUE),
         high_risk = mean(frs > 21, na.rm = TRUE)
       )
     })
   

2. 趋势分析示例

   r复制# 跨波次比较（需多期数据）
   map_dfr(c(2011, 2013, 2015), ~ {
     data <- load_charls_wave(.x)
     frs <- charls_framingham_score(data)
     tibble(
       wave = .x,
       high_risk = mean(frs > 21, na.rm = TRUE)
     )
   })
   

4. 结果解读与验证策略

4.1 评分分布分析方法

除基础频数表外，推荐以下可视化方法：

r复制library(ggplot2)
ggplot(out, aes(frs)) +
  geom_histogram(binwidth = 1, fill = "steelblue") +
  geom_vline(xintercept = 21, color = "red", linetype = 2) +
  annotate("text", x = 25, y = 500, label = "High Risk Threshold", color = "red") +
  labs(title = "FRS Distribution in CHARLS Sample")

4.2 效度验证方法

1. 内部验证：Bootstrap重抽样（1000次）计算置信区间

   r复制library(boot)
   boot_frs <- function(data, indices) {
     mean(charls_framingham_score(data[indices, ]) > 21)
   }
   boot_results <- boot(charls_clean, boot_frs, R = 1000)
   boot.ci(boot_results, type = "perc")
   

2. 外部验证：与CFPS等同类调查结果比较

5. 常见问题解决方案

5.1 数据质量问题处理

5.2 性能优化技巧

1. 大数据处理：使用data.table加速

   r复制library(data.table)
   setDT(charls_clean)
   charls_clean[, frs := charls_framingham_score(.SD), by = .(urban)]
   

2. 并行计算：适用于多波次分析

   r复制library(furrr)
   plan(multisession, workers = 4)
   wave_results <- future_map(2011:2018, ~ analyze_wave(.x))
   

我在实际分析中发现三个关键经验：第一，CHARLS的吸烟变量需要结合香烟和旱烟字段综合判断；第二，农村样本的血压测量质量需要特别关注；第三，使用survey包整合抽样权重能显著提升结果代表性。这些细节往往决定研究的可靠性。