公共卫生数据的两道门槛：申请权限与跨版本口径-育师

公共卫生研究常遇到一种错位：数据名称已经找到，研究问题也很明确，但项目仍无法立即开始。原因通常不是“有没有数据”这么简单，而是同时存在两道门槛。第一道是访问门槛——是否需要申请、注册或接受使用条件；第二道是口径门槛——调查轮次、记录文件、病因分类、危险因素归因、版本和单位是否可比。

明确问题：能访问，不等于能正确合并

DeepSData 公开页面对 DHS 的提示是：存在多轮调查和不同记录文件，使用时往往需要逐版本核对口径、对齐编码并进行跨文件关联。对 GBD 类数据，页面提示病因分类、危险因素归因、多年份或跨版本定义，以及单位换算都会影响结论。两类数据的难点不同，但共同点是：权限解决“能不能进入”，口径解决“进入后能不能形成可靠比较”。

如果只记录申请状态，不记录版本与定义，结果可能可访问但不可比；如果只设计指标，却忽略访问条件，分析方案又可能根本无法落地。

申请状态与调查轮次：先把入口和落点写清楚

拿到候选数据后，第一件事不是写合并代码，而是把“能不能进”和“进去以后变量落在哪里”分别记下来。访问侧要明确当前处于“尚未申请、已提交、等待结果、已获访问、受限使用”中的哪一阶段。DHS 页面显示获取需要申请，但这不意味着申请必然获批，也不能据此承诺固定审核时间。把“可申请”写成“可下载”、把团队成员已有账号视为整个项目均有权限、在权限未落实前承诺交付日期，都是这一阶段容易出现的偏差。更稳妥的做法是建立访问记录，至少写明申请对象、提交材料、当前状态、使用主体和需要遵守的条件；没有正式结果前，项目计划必须保留“访问未确认”的风险标记。

口径侧则要确定 DHS 类资料中，研究变量分别属于哪个调查轮次和哪类记录文件。公开页面明确提示多轮调查与按记录文件拆分的结构；同一主题相近，并不代表变量都在同一文件或每轮定义相同。只按国家和年份找文件、看到同名变量就直接拼接、遗漏某个变量需要从另一记录文件关联、把调查轮次当作自然年度序列，这些问题往往在合并之后才暴露。可以制作“轮次—记录文件—所需变量—定义状态”矩阵，每个核心变量都必须有明确落点；若只能确定主题而无法确定文件，就标记为待核对，不进入合并代码。

跨文件关联与 GBD 版本：先搭骨架，再谈指标

跨文件关联不是简单把两张表横向拼接，而是要确认连接层级、标识含义和重复关系。公开页面只提示需要跨文件关联，并未给出可直接套用的统一键，因此不能凭经验编造字段。猜测连接字段、忽略一对多关系、合并后只看行数增加而不检查重复与未匹配、把无法关联的记录静默删除，都会让后续指标失去可靠基础。在正式说明中找到每类文件的关联依据后，先用受控范围测试，记录合并前后行数变化、重复情况和未匹配清单。任何连接键或关系未经材料确认，都不得写成已核实。

GBD 类数据还有一层版本问题。DeepSData 页面明确提醒，病因分类、危险因素归因和跨版本指标定义会影响结论。因此分析表中不能只保存一个简短指标名，还要保存其所属版本和分类上下文。从不同版本各取一段年份后直接拼接、把病因与危险因素混作同一维度、发现数值变化就解释为真实趋势而不先检查版本修订，都是需要避免的做法。为每次提取建立版本卡，记录数据版本、分类路径、指标含义和提取日期；跨版本比较前先列出定义变化，定义无法对齐时，应分段报告而不是强行形成一条连续曲线。

单位换算与不可比部分：把转换和缺口都留在表里

页面指出单位换算的差异会影响结论，这意味着“数值看起来同量级”不是单位一致的证据。只看列名不看单位、转换后覆盖原始值、对不同分母和不同尺度的数据直接排序、将换算误差当作真实差异，都会让比较结果失真。至少保留原始数值、原始单位、目标单位、转换规则和转换后数值五项，并抽取若干记录反算，确认结果能够回到原值。单位或分母未确认时，不做跨地区或跨版本排名。

即便完成了上述步骤，仍会有不能合并、不能比较或尚未确认的部分。权限缺口、轮次缺口、记录文件缺口、分类变化和单位不明，都应成为结果的一部分，而不是为得到整齐表格而隐去。只发布成功匹配的数据、用空值掩盖“未获权限”和“原本不存在”的区别、为了连续时间轴而插补未核实内容，都会削弱结论的可信度。建立例外表，逐项记录对象、缺口类型、影响范围、当前处理和后续核对项；主分析只使用已通过权限与口径双重检查的部分，其余单独说明。