心脏代谢指数（CMI）这个指标好像最近挺火的，目前是个新的发文指标，就像原来的tyg一样，可以用来抢发一下，在文章（The “cardiometabolic index” as a new marker determined by adiposity and blood lipids for discrimination of diabetes mellitus）介绍CMI 是区分糖尿病的有用新指标，同时反映了肥胖和血脂。

在文章（Cardiometabolic index and the risk of new-onset chronic diseases: results of a national prospective longitudinal study）介绍，心脏代谢指数（CMI）和10多种新发慢性病相关

听到不少人问私信问我心脏代谢指数（CMI），其实计算还是比较简单的，我抽空编写了个charlsCMI函数，顾名思义，这是个专门用于charls的函数，用于提取心脏代谢指数（CMI），下面我演示一下

先生成charls基线数据表

setwd("E:/公众号文章2024年/charls数据库/class2") #设置你放数据文件的地址
library(haven)
library(tidyverse)
library(scitable)

household_roster<-read_dta('household_roster.dta')  #家庭户
family<-read_dta('family_information.dta')   #大家庭
#############3
demographic<-read_dta('demographic_background.dta')  #基线表
health_status_and_functioning<-read_dta('health_status_and_functioning.dta')  #健康状况和功能
biomarkers<-read_dta('biomarkers.dta')  #体检数据
Blood_20140429<-read_dta('Blood_20140429.dta')  #血检数据
weight<-read_dta('weight.dta')  #权重
health_care_and_insurance<-read_dta('health_care_and_insurance.dta')  #医疗保健
###########
data<-demographic  %>% left_join(health_care_and_insurance, by='ID') %>%  
  left_join(health_status_and_functioning,by='ID') %>%  
  left_join(biomarkers,by='ID') %>% left_join(Blood_20140429,by='ID') %>% left_join(weight,by='ID')

生成好charls的数据直接提取就可以了

charlsCMI(data)

这样CMI指数就轻易提取出来了，还可以使用我既往编写的ggexplore函数对CMI指数进行数据挖掘。就是看下哪个结局和CMI指数相关，先导入一个我自己整理的charls数据，这里只是演示用，没有任何实际意义

####导入我整理好的数据48个变量
library(haven)
library(tidyverse)
library(scitable)
library(ggscitable)
setwd("E:/公众号文章2024年/scitable包配套视频/29.我整理的charls数据/2011年")
data<-read_dta('data2011.dta')
data<-as.data.frame(data)
dput(names(data))

定义要研究的变量

allVars<-c("age", "sex", "edu", "smoking", "married", "drink", "wc", "bmi", 
           "TC", "HDL", "weight", "memorydisease", "LDL", "FBG", "hba1c", 
           "TYG", "Hypertension", "CVD", "chd", "work", "insurance", "consumption", 
           "pension", "frailty2011", 
           "fuels2011", "PEF2011", "cancer", "liver", "stroke", "kidney", 
           "stomach", "chronic", "chronic2", "emotional", "memory", "arthritis", 
           "asthma", "heart", "restriction", "CESD", "activities", "intellectual", 
           "cognition", "spirit", "CMI")

整理一下数据格式

out<-organizedata2(data = data,allVars = allVars,family=family,username=username,token=token,explore = T)
data<-out[["data"]]
fvars<-out[["factorvarout"]]
allVars<-out[["allVars"]]

使用ggexplore挖掘数据

var<-allVars
ggexplore(data = data,x="CMI",y=var)

生成了很多图片，我随便选几张，P小于0.05表明两者之间有关联

我们可以从中挑选出咱们感兴趣的结局变量来分析。