[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_byId_nhanes":3},{"code":4,"data":5,"meta":10},"SUCCESS",{"id":6,"title":7,"description":8,"content":9,"term":6,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":11,"publishUser":15,"keywords":16,"keywordCount":54,"enrichTopicLink":55,"status":56,"createTime":57,"updateTime":58,"publishTime":59,"linkEnrichedTime":10,"contentErrorMessage":10,"viewCount":60,"relateTopics":61},"nhanes","Nhanes là gì? Các bài báo nghiên cứu khoa học liên quan","NHANES là chương trình khảo sát sức khỏe và dinh dưỡng quốc gia do CDC Hoa Kỳ thực hiện nhằm thu thập dữ liệu khách quan từ phỏng vấn, khám và xét nghiệm Dữ liệu NHANES phản ánh toàn diện tình trạng sức khỏe dân số Mỹ và là cơ sở khoa học quan trọng cho nghiên cứu y tế, chính sách và giám sát cộng đồng\n","\u003Cdiv>\u003Cdiv>\u003Ch2>Định nghĩa NHANES\u003C\u002Fh2>\n\u003Cp>\nNHANES (National Health and Nutrition Examination Survey) là một chương trình khảo sát quốc gia tại Hoa Kỳ, được thiết kế nhằm thu thập dữ liệu {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%8Bnh%20l%C6%B0%E1%BB%A3ng%22%7D}} và khách quan về tình trạng sức khỏe, chế độ dinh dưỡng, hành vi sinh hoạt và các yếu tố nguy cơ của người dân Mỹ. Chương trình do Trung tâm Thống kê Y tế Quốc gia (NCHS) thuộc Trung tâm Kiểm soát và Phòng ngừa Dịch bệnh Hoa Kỳ (\u003Ca href=\"https:\u002F\u002Fwww.cdc.gov\u002Fnchs\u002Fnhanes\u002Findex.htm\" target=\"_blank\">CDC\u003C\u002Fa>) tổ chức và vận hành.\n\u003C\u002Fp>\n\u003Cp>\nKhác với các khảo sát đơn thuần dựa trên bảng hỏi, NHANES kết hợp cả ba hình thức: phỏng vấn trực tiếp, khám sức khỏe chuyên sâu, và xét nghiệm {{topic|%7B%22topic%22%3A%22sinh%20h%E1%BB%8Dc%22%7D}} tại các trung tâm di động (Mobile Examination Centers – MEC). Điều này cho phép NHANES thu thập thông tin đa tầng, từ chủ quan (thói quen ăn uống) đến khách quan (nồng độ chì trong máu).\n\u003C\u002Fp>\n\u003Cp>\nNHANES được sử dụng rộng rãi như nguồn dữ liệu tham chiếu chính thức trong các nghiên cứu y tế công cộng, dịch tễ học, dinh dưỡng học, phân tích nguy cơ môi trường, và đánh giá hiệu quả {{topic|%7B%22topic%22%3A%22ch%C3%ADnh%20s%C3%A1ch%20y%20t%E1%BA%BF%22%7D}} tại Hoa Kỳ. Đây là một trong những hệ thống giám sát sức khỏe dân số có độ tin cậy cao nhất thế giới.\n\u003C\u002Fp>\n\n\u003Ch2>Lịch sử phát triển\u003C\u002Fh2>\n\u003Cp>\nChương trình tiền thân của NHANES bắt đầu từ năm 1960 với tên gọi NHES (National Health Examination Survey). Từ năm 1971, chương trình được mở rộng thành NHANES với phạm vi bao phủ rộng hơn, bao gồm cả yếu tố {{topic|%7B%22topic%22%3A%22dinh%20d%C6%B0%E1%BB%A1ng%22%7D}}, hành vi và môi trường. Ba đợt khảo sát đầu tiên diễn ra lần lượt vào các năm 1971–1974, 1976–1980 và 1988–1994.\n\u003C\u002Fp>\n\u003Cp>\nTừ năm 1999, NHANES được thiết kế thành một chương trình liên tục (continuous survey), với mẫu mới được tuyển chọn và khảo sát mỗi năm. Điều này cho phép theo dõi xu hướng sức khỏe dân số theo thời gian thực, tăng cường khả năng ứng phó nhanh với các mối đe dọa sức khỏe cộng đồng mới như béo phì, tiểu đường hoặc tiếp xúc với chất độc môi trường.\n\u003C\u002Fp>\n\u003Cp>\nMột số mốc phát triển chính:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>1960–1970: Khởi đầu NHES, tập trung vào bệnh tim, {{topic|%7B%22topic%22%3A%22huy%E1%BA%BFt%20%C3%A1p%22%7D}}, sâu răng.\u003C\u002Fli>\n  \u003Cli>1971–1994: Ba đợt NHANES riêng biệt, tích hợp đo dinh dưỡng và môi trường.\u003C\u002Fli>\n  \u003Cli>1999–nay: NHANES liên tục, cập nhật hàng năm, mở rộng theo hướng y học hệ thống.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Phương pháp khảo sát và lấy mẫu\u003C\u002Fh2>\n\u003Cp>\nNHANES sử dụng phương pháp {{topic|%7B%22topic%22%3A%22l%E1%BA%A5y%20m%E1%BA%ABu%22%7D}} phân tầng, ngẫu nhiên nhiều giai đoạn (multistage probability sampling) để đảm bảo tính đại diện quốc gia. Cả quốc gia được chia thành các PSU (Primary Sampling Units), sau đó mẫu dân cư được chọn ngẫu nhiên theo từng lớp: khu vực địa lý, nhóm tuổi, dân tộc, trình độ học vấn.\n\u003C\u002Fp>\n\u003Cp>\nMột điểm quan trọng là việc lấy mẫu tăng cường (oversampling) cho các nhóm thiểu số như người Mỹ gốc Mexico, người Mỹ gốc Phi, trẻ nhỏ, người cao tuổi hoặc người có thu nhập thấp. Mục tiêu là tăng cường độ chính xác thống kê và khả năng {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20nh%C3%B3m%22%7D}} yếu thế – điều đặc biệt quan trọng trong y tế công cộng.\n\u003C\u002Fp>\n\u003Cp>\nThành phần khảo sát:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Phỏng vấn tại nhà:\u003C\u002Fstrong> sử dụng bộ câu hỏi tiêu chuẩn về {{topic|%7B%22topic%22%3A%22nh%C3%A2n%20kh%E1%BA%A9u%20h%E1%BB%8Dc%22%7D}}, thói quen sinh hoạt, tình trạng sức khỏe, chế độ ăn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Khám sức khỏe tại MEC:\u003C\u002Fstrong> đo huyết áp, chiều cao, cân nặng, vòng bụng, đo {{topic|%7B%22topic%22%3A%22m%E1%BA%ADt%20%C4%91%E1%BB%99%20x%C6%B0%C6%A1ng%22%7D}}, điện tâm đồ, thị lực.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Xét nghiệm sinh học:\u003C\u002Fstrong> máu, {{topic|%7B%22topic%22%3A%22n%C6%B0%E1%BB%9Bc%20ti%E1%BB%83u%22%7D}}, dịch tiết; kiểm tra các chỉ số chuyển hóa, phơi nhiễm hóa chất, virus, dấu ấn sinh học.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Các biến số và chỉ số thu thập\u003C\u002Fh2>\n\u003Cp>\nNHANES cung cấp bộ dữ liệu đa dạng, bao phủ gần như toàn bộ hệ thống chỉ số sức khỏe cá nhân và cộng đồng. Các chỉ số này được phân thành nhiều nhóm dữ liệu lớn, bao gồm nhân khẩu học, khám lâm sàng, phỏng vấn, dinh dưỡng và xét nghiệm.\n\u003C\u002Fp>\n\u003Cp>\nMột số nhóm chỉ số phổ biến:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Nhân khẩu học:\u003C\u002Fstrong> tuổi, giới tính, chủng tộc, mức thu nhập, {{topic|%7B%22topic%22%3A%22b%E1%BA%A3o%20hi%E1%BB%83m%22%7D}} y tế.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Thói quen sinh hoạt:\u003C\u002Fstrong> hút thuốc, sử dụng rượu, mức độ {{topic|%7B%22topic%22%3A%22ho%E1%BA%A1t%20%C4%91%E1%BB%99ng%20th%E1%BB%83%20ch%E1%BA%A5t%22%7D}}.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Dinh dưỡng:\u003C\u002Fstrong> qua 24-hour dietary recall, tần suất sử dụng thực phẩm, bổ sung vi chất.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Lâm sàng và {{topic|%7B%22topic%22%3A%22c%E1%BA%ADn%20l%C3%A2m%20s%C3%A0ng%22%7D}}:\u003C\u002Fstrong> BMI, huyết áp, cholesterol, HbA1c, {{topic|%7B%22topic%22%3A%22creatinin%22%7D}}e, vitamin D.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phơi nhiễm môi trường:\u003C\u002Fstrong> chì, thủy ngân, cadmium, phthalates, {{topic|%7B%22topic%22%3A%22ch%E1%BA%A5t%20ch%E1%BB%91ng%20ch%C3%A1y%22%7D}}.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nVí dụ về chỉ số và đơn vị đo:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Chỉ số\u003C\u002Fth>\u003Cth>Ký hiệu\u003C\u002Fth>\u003Cth>Đơn vị\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Hemoglobin A1c\u003C\u002Ftd>\u003Ctd>HbA1c\u003C\u002Ftd>\u003Ctd>%\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Cholesterol toàn phần\u003C\u002Ftd>\u003Ctd>TC\u003C\u002Ftd>\u003Ctd>mg\u002FdL\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Vitamin D (25-OH)\u003C\u002Ftd>\u003Ctd>25(OH)D\u003C\u002Ftd>\u003Ctd>ng\u002FmL\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Chì trong máu\u003C\u002Ftd>\u003Ctd>Pb-B\u003C\u002Ftd>\u003Ctd>µg\u002FdL\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCác biến số trong NHANES được {{topic|%7B%22topic%22%3A%22m%C3%A3%20h%C3%B3a%22%7D}} chuẩn (codebook), có tài liệu hướng dẫn sử dụng, tên biến rõ ràng và thống nhất giữa các chu kỳ để phục vụ cho phân tích dài hạn và mô hình hóa dịch tễ học.\n\u003C\u002Fp>\n\u003Ch2>Ứng dụng trong nghiên cứu khoa học\u003C\u002Fh2>\n\u003Cp>\nNHANES là một trong những nguồn dữ liệu mở được trích dẫn nhiều nhất trong y học công cộng. Hàng nghìn bài báo khoa học đã sử dụng dữ liệu NHANES để phân tích mối liên quan giữa các yếu tố nguy cơ với bệnh lý phổ biến như béo phì, tiểu đường, bệnh tim mạch và các rối loạn {{topic|%7B%22topic%22%3A%22chuy%E1%BB%83n%20h%C3%B3a%22%7D}}. Tính đa chiều và khách quan của dữ liệu (kết hợp giữa khai báo chủ quan, đo lường sinh học và xét nghiệm) giúp các phân tích dịch tễ học có độ chính xác cao.\n\u003C\u002Fp>\n\u003Cp>\nMột số chủ đề nghiên cứu điển hình sử dụng NHANES:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Xu hướng béo phì qua thập kỷ: Phân tích chỉ số BMI từ NHANES 1999–2020.\u003C\u002Fli>\n  \u003Cli>Liên hệ giữa tiêu thụ đường bổ sung và nguy cơ bệnh tim: Sử dụng 24-hour recall kết hợp {{topic|%7B%22topic%22%3A%22lipid%22%7D}} profile.\u003C\u002Fli>\n  \u003Cli>Ảnh hưởng của {{topic|%7B%22topic%22%3A%22ph%C6%A1i%20nhi%E1%BB%85m%22%7D}} phthalates đến chức năng sinh sản và nội tiết.\u003C\u002Fli>\n  \u003Cli>Liên kết giữa thiếu vitamin D và bệnh lý {{topic|%7B%22topic%22%3A%22x%C6%B0%C6%A1ng%22%7D}}, chuyển hóa glucose.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCác phân tích thường sử dụng mô hình hồi quy logistic, {{topic|%7B%22topic%22%3A%22h%E1%BB%93i%20quy%20tuy%E1%BA%BFn%20t%C3%ADnh%22%7D}}, phân tích Kaplan–Meier (cho các biến thời gian giả định) hoặc các phương pháp machine learning. Dữ liệu được xử lý bằng các phần mềm như R, STATA, SAS, Python và sử dụng trọng số khảo sát (survey weights) để hiệu chỉnh sai lệch thiết kế lấy mẫu.\n\u003C\u002Fp>\n\n\u003Ch2>Đóng góp cho chính sách y tế công cộng\u003C\u002Fh2>\n\u003Cp>\nNHANES là cơ sở dữ liệu được Chính phủ Hoa Kỳ và các tổ chức y tế sử dụng trực tiếp để xây dựng, cập nhật và đánh giá các chương trình y tế quốc gia. Cụ thể, nó góp phần thiết lập chuẩn chẩn đoán và mục tiêu can thiệp cho nhiều vấn đề sức khỏe cộng đồng.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ ứng dụng trong hoạch định chính sách:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Dữ liệu về {{topic|%7B%22topic%22%3A%22b%C3%A9o%20ph%C3%AC%22%7D}} từ NHANES được dùng để xây dựng chiến lược “Let’s Move!” của chính phủ Obama.\u003C\u002Fli>\n  \u003Cli>Thông tin về nồng độ chì máu ở trẻ em đã dẫn đến việc cấm sơn chì và tăng cường lọc nước ở các {{topic|%7B%22topic%22%3A%22tr%C6%B0%E1%BB%9Dng%20h%E1%BB%8Dc%22%7D}}.\u003C\u002Fli>\n  \u003Cli>Chuẩn tiêu thụ natri và kali được cập nhật trong \u003Ca href=\"https:\u002F\u002Fhealth.gov\u002Fdietaryguidelines\" target=\"_blank\">Dietary Guidelines for Americans\u003C\u002Fa> dựa trên phân tích NHANES.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nDữ liệu NHANES cũng đóng vai trò then chốt trong việc giám sát các mục tiêu của chương trình \u003Ca href=\"https:\u002F\u002Fhealth.gov\u002Fhealthypeople\" target=\"_blank\">Healthy People 2030\u003C\u002Fa>, giúp các nhà hoạch định chính sách theo dõi tiến độ {{topic|%7B%22topic%22%3A%22c%E1%BA%A3i%20thi%E1%BB%87n%22%7D}} sức khỏe toàn dân qua thời gian.\n\u003C\u002Fp>\n\n\u003Ch2>Ưu điểm và giới hạn của NHANES\u003C\u002Fh2>\n\u003Cp>\nNHANES có một số ưu điểm vượt trội so với các hệ thống dữ liệu sức khỏe khác. Đầu tiên là phương pháp lấy mẫu {{topic|%7B%22topic%22%3A%22ph%E1%BB%A9c%20h%E1%BB%A3p%22%7D}} cho phép đại diện toàn dân số. Thứ hai là độ chi tiết và độ khách quan của các biến số – bao gồm cả các chỉ dấu sinh học thường không thu được trong các cuộc khảo sát thông thường.\n\u003C\u002Fp>\n\u003Cp>\nƯu điểm nổi bật:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Thiết kế lấy mẫu khoa học, có {{topic|%7B%22topic%22%3A%22tr%E1%BB%8Dng%20s%E1%BB%91%22%7D}} điều chỉnh sai lệch.\u003C\u002Fli>\n  \u003Cli>Kết hợp dữ liệu phỏng vấn, đo lường, xét nghiệm.\u003C\u002Fli>\n  \u003Cli>Định dạng {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%22%7D}} chuẩn, dễ xử lý, có tài liệu hướng dẫn đầy đủ.\u003C\u002Fli>\n  \u003Cli>Miễn phí, công khai và cập nhật liên tục.\u003C\u002Fli>\n\u003C\u002Ful>\nHạn chế tồn tại:\n\u003Cul>\n  \u003Cli>Dữ liệu là cắt ngang, không theo dõi dài hạn cá thể → {{topic|%7B%22topic%22%3A%22h%E1%BA%A1n%20ch%E1%BA%BF%22%7D}} phân tích nguyên nhân – kết quả.\u003C\u002Fli>\n  \u003Cli>Một số dữ liệu dựa vào khai báo cá nhân (như chế độ ăn, {{topic|%7B%22topic%22%3A%22h%C3%BAt%20thu%E1%BB%91c%22%7D}}) → có thể bị thiên lệch nhớ lại.\u003C\u002Fli>\n  \u003Cli>Không đại diện cho cư dân sống trong {{topic|%7B%22topic%22%3A%22vi%E1%BB%87n%20d%C6%B0%E1%BB%A1ng%20l%C3%A3o%22%7D}}, nhà giam, hoặc quân đội.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Cách truy cập và sử dụng dữ liệu\u003C\u002Fh2>\n\u003Cp>\nNHANES công bố toàn bộ {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%22%7D}}, codebook và tài liệu kỹ thuật trên trang chính thức của CDC: \u003Ca href=\"https:\u002F\u002Fwww.cdc.gov\u002Fnchs\u002Fnhanes\u002Findex.htm\" target=\"_blank\">cdc.gov\u002Fnchs\u002Fnhanes\u003C\u002Fa>. Các bộ dữ liệu được chia theo chu kỳ 2 năm (1999–2000, 2001–2002, ...) và tổ chức thành nhiều chủ đề riêng biệt như nhân khẩu học, ăn uống, {{topic|%7B%22topic%22%3A%22c%E1%BA%ADn%20l%C3%A2m%20s%C3%A0ng%22%7D}}, môi trường, v.v.\n\u003C\u002Fp>\n\u003Cp>\nHướng dẫn sử dụng:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Chọn chu kỳ mong muốn tại \u003Ca href=\"https:\u002F\u002Fwwwn.cdc.gov\u002Fnchs\u002Fnhanes\u002FDefault.aspx\" target=\"_blank\">NHANES Data Explorer\u003C\u002Fa>.\u003C\u002Fli>\n  \u003Cli>Tải các file .XPT (SAS transport files) hoặc .CSV và codebook kèm theo.\u003C\u002Fli>\n  \u003Cli>Dùng {{topic|%7B%22topic%22%3A%22ph%E1%BA%A7n%20m%E1%BB%81m%22%7D}} R (gói \u003Ccode>survey\u003C\u002Fcode>, \u003Ccode>foreign\u003C\u002Fcode>) hoặc SAS để phân tích có {{topic|%7B%22topic%22%3A%22tr%E1%BB%8Dng%20s%E1%BB%91%22%7D}}.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nBảng ví dụ các nhóm dữ liệu:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Thành phần\u003C\u002Fth>\u003Cth>Ví dụ nội dung\u003C\u002Fth>\u003Cth>Link\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Demographics\u003C\u002Ftd>\u003Ctd>Tuổi, giới, {{topic|%7B%22topic%22%3A%22ch%E1%BB%A7ng%20t%E1%BB%99c%22%7D}}, thu nhập\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fwwwn.cdc.gov\u002FNchs\u002FNhanes\u002FSearch\u002FDataPage.aspx?Component=Demographics\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Dietary\u003C\u002Ftd>\u003Ctd>Recall ăn uống 24h, tần suất\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fwwwn.cdc.gov\u002FNchs\u002FNhanes\u002FSearch\u002FDataPage.aspx?Component=Dietary\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Laboratory\u003C\u002Ftd>\u003Ctd>Glucose, {{topic|%7B%22topic%22%3A%22cholesterol%22%7D}}, vitamin D\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fwwwn.cdc.gov\u002FNchs\u002FNhanes\u002FSearch\u002FDataPage.aspx?Component=Laboratory\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Examination\u003C\u002Ftd>\u003Ctd>Huyết áp, BMI, {{topic|%7B%22topic%22%3A%22th%E1%BB%8B%20l%E1%BB%B1c%22%7D}}\u003C\u002Ftd>\u003Ctd>\u003Ca href=\"https:\u002F\u002Fwwwn.cdc.gov\u002FNchs\u002FNhanes\u002FSearch\u002FDataPage.aspx?Component=Examination\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Xu hướng và mở rộng trong tương lai\u003C\u002Fh2>\n\u003Cp>\nTừ năm 2010 trở lại đây, NHANES đã mở rộng thêm các hợp phần nghiên cứu tiên tiến như dữ liệu gen (GWAS), {{topic|%7B%22topic%22%3A%22bi%E1%BB%83u%20hi%E1%BB%87n%20gen%22%7D}} (transcriptomics), phân tích vi sinh đường ruột (microbiome) và các chỉ số chuyển hóa tiên tiến (metabolomics). Những dữ liệu này cho phép tích hợp nghiên cứu đa tầng – từ gene đến lối sống và môi trường.\n\u003C\u002Fp>\n\u003Cp>\nMột số xu hướng phát triển:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Tăng cường thu thập dữ liệu bằng thiết bị đeo (wearables) như accelerometers.\u003C\u002Fli>\n  \u003Cli>Phát triển khảo sát từ xa hậu đại dịch COVID-19 để bảo đảm liên tục.\u003C\u002Fli>\n  \u003Cli>Tích hợp học máy (machine learning) và {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20m%E1%BA%A1ng%22%7D}} (network analysis) trong phân tích đa biến.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTrong tương lai, NHANES không chỉ là một khảo sát y tế truyền thống mà còn đóng vai trò nền tảng cho y học cá thể hóa (precision medicine), góp phần kết nối dữ liệu dân số, sinh học hệ thống và trí tuệ nhân tạo nhằm cải thiện {{topic|%7B%22topic%22%3A%22s%E1%BB%A9c%20kh%E1%BB%8Fe%20c%E1%BB%99ng%20%C4%91%E1%BB%93ng%22%7D}} theo cách chính xác và toàn diện hơn.\n\u003C\u002Fp>\n\u003C\u002Fdiv>\u003C\u002Fdiv>",null,{"id":12,"researcherId":10,"name":13,"imageUrl":14},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":12,"researcherId":10,"name":13,"imageUrl":14},[17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,43,29,47,42,48,49,50,51,52,53],"định lượng","sinh học","chính sách y tế","dinh dưỡng","huyết áp","lấy mẫu","phân tích nhóm","nhân khẩu học","mật độ xương","nước tiểu","bảo hiểm","hoạt động thể chất","cận lâm sàng","creatinin","chất chống cháy","mã hóa","chuyển hóa","lipid","phơi nhiễm","xương","hồi quy tuyến tính","béo phì","trường học","cải thiện","phức hợp","trọng số","dữ liệu","hạn chế","hút thuốc","viện dưỡng lão","phần mềm","chủng tộc","cholesterol","thị lực","biểu hiện gen","phân tích mạng","sức khỏe cộng đồng",40,true,"PUBLISHED","2025-06-03T03:00:33.077+00:00","2025-11-28T04:14:17.574+00:00","2025-06-05T07:19:07.030+00:00",786,[62,65,68,71,74,77,80,83,86,89],{"id":63,"title":64,"term":63,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực mô hình hóa toán học","Năng lực mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":66,"title":67,"term":66,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":69,"title":70,"term":69,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"lối sống","Lối sống là gì? Các công bố khoa học về Lối sống",{"id":72,"title":73,"term":72,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":75,"title":76,"term":75,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":78,"title":79,"term":78,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"docking phân tử","Docking phân tử là gì? Các công bố khoa học về Docking phân tử",{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thành tựu","Thành tựu là gì? Các công bố khoa học về Thành tựu",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chất lượng thông tin","Chất lượng thông tin là gì? Nghiên cứu khoa học liên quan",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"prevalence","Prevalence là gì? Các công bố khoa học về Prevalence"]