摘要：真实世界研究（RWS）作为随机对照试验（RCT）的重要补充，通过重叠加权（OW）方法在非理想化场景中评估医疗干预效果。本文对比了四种协变量调整方法（未调整、倾向评分匹配、逆概率加权和重叠加权），发现重叠加权在平衡组间差异（SMD≈0）和保留样本量方面表现最优，其权重算法稳定可靠。通过R语言实例分析，验证了OW方法在模拟RCT三大核心属性（目标人群相关性、协变量平衡性和估计精确性）上的优势，与

北京大学主持的"中国老年健康调查(CLHLS)"是一项覆盖全国23个省市的长期追踪研究，1998-2018年间完成8次调查，累计入户访问11.3万人次，其中80岁以上高龄老人占67.4%。研究收集了老人健康、认知、社会参与及照料需求等丰富数据，并包含2.89万死亡老人临终前状况。调查数据已通过开放平台免费共享，被1万多位学者使用，产出大量学术成果。该数据集以sav格式存储，包含

2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。原创不易，需要全套代码的粉丝，把公众号的本篇文章转发

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质

假设我们研究的想研究的原因变量有两个"ieu-a-22",“prot-b-66”，想研究的结局变量有3个"finn-b-O15_MEMBR_PREMAT_RUPT",“ukb-b-12621”,“finn-b-O15_PLAC_PREMAT_SEPAR”，如果我们一个一个的做也是要花费一定时间的，如果变量更多就需要更多时间了。然而这个函数也是有部分缺点的，第一就是它是通过在线下载数据，如果你的网络

Charls的数据量不大，但是变量挺多的，非常详尽，特别是一些社科类的数据，又经过多年的随访，挺适合做重复测量数据的，因为表格众多，所以涉及到数据的合并、拼接和清洗，这是一个重要的内容，下一节继续介绍。申请账号以后进入到主页面，需要哪一年的数据都要进行申请，一般都成功，大概3个工作日通过，通过上面的内可以得知2011年是数据的基线表，后面的是随访分析，所以2011年是一定要下载的。比如怎么收集都数

调整了年龄、性别、教育程度、婚姻、吸烟、饮酒、体重指数、腰围、收缩压、高血压病史、心血管疾病史和降脂药物，我们看下亚组变量是不在协变量里面的，和我以前讲的完全一样，就是协变量中要删除亚组本身的那个变量。CHARLS 是一项具备中国大陆 45 岁及以上人群代表性的追踪调查，旨在建设一个高质量的公共微观数据库，采集的信息涵盖社会经济状况和健康状况等多维度的信息，以满足老龄科学研究的需要。今天咱们继续介

作者指出甘油三酯葡萄糖指数被认为是胰岛素抵抗的替代物，研究TYG指数与中国中年和老年人患糖尿病的风险之间的关系，作者做了cox回归，分位数回归、多模型比较、限制性立方样条和亚组分析，咱们在后面将会一一进行介绍，咱们先看看作者是怎么获取数据的，主要看流程图。CHARLS数据最麻烦的就是整理数据了，因为没有成熟的查对系统，一边整理一边查找变量，我整理了这份数据也花了2天时间，整理数据内容比较多，光代码

21(1):292.为参照（糖尿病与肺功能之间的非线性关联：一项基于人群的研究）为参照，对数据进行下载，作者取的是2007-2012年的数据，我这里取的是2007-2008的数据。需要找到年龄、性别、种族、体重指数、血糖、FVC等相关指标，这是一个花时间的过程，需要慢慢找，先把人口统计数据下载下来看看，使用haven包的函数把数据打开。还需要关键的血糖和肺功能的指标，血糖应该在化验室指标那里，这次

为利用国际上最佳的数据采集方式，并确保研究结果的国际可比性CHARLS 参照包括美国的健康与退休研究（HRS）在内的系列国际老龄调查研究开展调查设计。2019 年底到 2020 年初，新冠疫情在中国爆发，为及时记录新冠疫情对中国中老年人生活和健康的影响，在 2020 年的第 5 轮调查中增加采集了疫情相关的信息。在上一篇文章中，咱们还有一个随访时间忘记生成了，这里我补充介绍一下，主要在合并数据后生