健康饮食指数 (HEI) 是评估一组食物是否符合美国人膳食指南 (DGA) 的指标。Dietindex包提供用户友好的简化方法，将饮食摄入数据标准化为基于指数的饮食模式，从而能够评估流行病学和临床研究中对这些模式的遵守情况，从而促进精准营养。
该软件包可以计算以下饮食模式指数：
• 2020 年健康饮食指数（HEI2020 和 HEI-Toddlers-2020）
• 2015 年健康饮食指数 (HEI2015)
• 另类健康饮食指数（AHEI）
• 控制高血压指数 (DASH) 的饮食方法
• DASH 试验中的 DASH 份量指数 (DASHI)
• 替代地中海饮食评分 (aMED)
• PREDIMED 试验中的 MED 份量指数 (MEDI)
• 膳食炎症指数 (DII)
• 美国癌症协会 2020 年饮食评分（ACS2020_V1 和 ACS2020_V2）
• EAT-Lancet 委员会 (PHDI) 的行星健康饮食指数
下面咱们来演示一下，首先要安装这个包，使用下面代码安装
r
library(devtools) # Load devtools
install_github("jamesjiadazhan/dietaryindex")安装好后，按作者的要求，先导入依赖包，然后再倒入R包
r
library(dplyr)
library(haven)
library(readr)
library(dietaryindex)咱们以2020 年健康饮食指数（HEI2020）为例子，咱们先来看下它的函数HEI2020_NHANES_FPED，它的函数结构是
r
HEI2020_NHANES_FPED(
FPED_PATH = NULL,
NUTRIENT_PATH = NULL,
DEMO_PATH,
FPED_PATH2 = NULL,
NUTRIENT_PATH2 = NULL
)咱们看下这几个参数的说明
FPED_PATH
FPED 数据的文件路径。文件名应为：fped_dr1tot_1112.sas7bdat
NUTRIENT
NUTRIENT 数据的文件路径。文件名应为 DR1TOT_J.XPT
DEMO_PATH
DEMOGRAPHIC 数据的文件路径。文件名应为 DEMO_J.XPT
FPED_PATH2
FPED2 数据的文件路径。文件名应为： fped_DR2tot_1112.sas7bdat
NUTRIENT_PATH2
NUTRIENT2 数据的文件路径。文件名应类似于 DR2TOT_J.XPT
其中FPED_PATH和FPED_PATH2（第一天和第二天）是一起的，DEMO_PATH 和NUTRIENT_PATH2 一起的（第一天和第二天），等于分成3个部分。
FPED 人口文件是指 WWEIA 中食品的食品模式等效文件，可以在这个网址下载：https://www.ars.usda.gov/northeast-area/beltsville-md-bhnrc/beltsville-human-nutrition-research-center/food-surveys-research-group/docs/fped-databases/
打开页面后，如果咱们想研究2017-2018年的
进入界面后选择Food Patterns equivalents for foods in the WWEIA, NHANES 2017-2018这里就是第一天和第二天的
最后得到如下图两个文件
这两个文件还要进一步解压才行，最后得到fped_dr1tot_1718.sas7bdat和fped_dr2tot_1718.sas7bdat这两个数据文件
营养人群文件是指饮食访谈中的文件 - 总营养摄入量，第一天或第二天，可以在这个地址下载，后面这Year=这里可以选择年份，我们选2017年和2018年的
https://wwwn.cdc.gov/nchs/nhanes/search/datapage.aspx?Component=Dietary\&CycleBeginYear=2017
然后选择第三和第四个就是第一和第二天了，要是这种TOT的文件
最后的DEMO文件是指人口统计变量和样本权重中的DEMO文件，在下面这个地址可以下载，选年份和上面是一样的
https://wwwn.cdc.gov/nchs/nhanes/search/datapage.aspx?Component=Demographics\&CycleBeginYear=2017
这里不用选，直接下载就可以了
至此，咱们已经把HEI2020_NHANES_FPED函数所需要的5个文件全部下载完成，咱们把文件导入
r
library(haven)
setwd("E:/公众号文章2024年/dietaryindex包计算营养指数")
DEMO_PATH = read_xpt(file ='DEMO_J.XPT')#人口数据
FPED_PATH_1 = read_sas('fped_dr1tot_1718.sas7bdat')#第一天数据
NUTRIENT_PATH_1 = read_xpt(file ='DR1TOT_J.XPT')#第一天数据
FPED_PATH_2 = read_sas('fped_dr2tot_1718.sas7bdat')#第二天数据
NUTRIENT_PATH_2 = read_xpt(file ='DR2TOT_J.XPT')#第二天数据把数据导入后就可以计算啦
r
dt<-HEI2020_NHANES_FPED(FPED_PATH = FPED_PATH_1, NUTRIENT_PATH = NUTRIENT_PATH_1,
DEMO_PATH = DEMO_PATH,
FPED_PATH2 = FPED_PATH_2, NUTRIENT_PATH2 = NUTRIENT_PATH_2)
这样结果就出来了，其实作者还提供了更加简便的方法，在作者空间，作者已经把多个年份的数据打包，我们直接下载下来就可以用了，
比如2017-2018年是R包自带的数据
r
data("NHANES_20172018")
dt2<-HEI2020_NHANES_FPED(FPED_PATH = NHANES_20172018$FPED, NUTRIENT_PATH = NHANES_20172018$NUTRIENT,
DEMO_PATH = NHANES_20172018$DEMO,
FPED_PATH2 = NHANES_20172018$FPED2, NUTRIENT_PATH2 = NHANES_20172018$NUTRIENT2)哈，两步搞定，两个方法结果是一样的，有兴趣的自己试一下。
作者说了，目前得到的是未加权的数据，还需要加权处理一下，咱们先把数据合并一下
r
NHANES_20172018_design_d1 = NHANES_20172018$FPED %>%
filter(!is.na(WTDRD1)) %>%
## select the variables needed for the survey design
select(SEQN, SDMVPSU, SDMVSTRA, WTDRD1)
NHANES_20172018_design_d1_HEI2020 = inner_join(dt, NHANES_20172018_design_d1, by = "SEQN") 
生成调查数据
r
library(tableone)
library(survey)
NHANES_design_1718_d1 <- svydesign(
## Masked variance pseudo-PSU
id = ~SDMVPSU,
## Masked variance pseudo-stratum
strata = ~SDMVSTRA,
## Dietary day one sample weight
weight = ~WTDRD1,
data = NHANES_20172018_design_d1_HEI2020,
nest = TRUE)最后分析
r
dput(names(NHANES_20172018_design_d1_HEI2020))##输出变量名
allVars <-c("RIDAGEYR", "HEI2020_ALL", "HEI2020_TOTALFRT", "HEI2020_FRT",
"HEI2020_VEG", "HEI2020_GREENNBEAN", "HEI2020_TOTALPRO", "HEI2020_SEAPLANTPRO",
"HEI2020_WHOLEGRAIN", "HEI2020_DAIRY", "HEI2020_FATTYACID", "HEI2020_REFINEDGRAIN",
"HEI2020_SODIUM", "HEI2020_ADDEDSUGAR", "HEI2020_SATFAT", "SDMVPSU",
"SDMVSTRA", "WTDRD1")###所有变量名
fvars<-c("SDMVPSU")#分类变量定义为fvars
Svytab2<- svyCreateTableOne(vars = allVars,
data =NHANES_design_1718_d1 ,
factorVars = fvars)
Svytab2
对于其他的指标也是一样的。今天简单的介绍了HEI2020指数的计算，其他指数也是一样的，未完待续。
参考文献：