🌱 公共数据库与纵向研究：让同一个人，在时间里对得上

先看资料，再定分析

输入数据库名称与版本、问卷/代码本、下载文件清单、样本ID规则、波次、目标人群和研究问题。先交付变量可得性矩阵，再决定数字使用、认知、ADL/IADL、慢病或医疗费用是否可研究。某一波有题目不代表所有波次都有；智能手机、互联网使用、设备拥有和数字能力不能互相替代。

官方入口：CHARLS、CLHLS、CFPS。具体数据版本、开放范围、申请条件与变量口径在使用时核对；示例不声称某题必然存在。

清理与设计路线

建立文件—波次—ID—样本数清单；识别重复记录、代理回答、补样与死亡追访。
制作变量对照表，保留原始题号、题干、跳转、特殊缺失码、单位及重编码；同名变量也可能含义不同。
区分横断面与纵向权重，明确PSU/分层。抽样权重、因果权重和失访权重目的不同，组合需有统计依据。
画暴露与结局时间图，优先保证暴露先于结局；描述性关联、预测和因果策略分别设计。
报告每一波保留/死亡/失访、缺失模式及样本流。多重插补依赖假设，不能自动修正MNAR或失访选择。
根据结局选择混合模型、GEE、生存或竞争风险；重复测量的认知变化与发病时间不是同一estimand。
轨迹/潜类别用于总结异质模式，检查类数、可解释性、后验分类不确定性、每类样本与稳定性；数据驱动类别不等于天然人群类型。

R：长表结构核验与纵向模型接口

# d为已由代码本核实的长表；此处不假定任何数据库原始变量名
stopifnot(!anyDuplicated(d[c("id","wave")]))
with(d,table(wave,is.na(cognition)))
library(lme4)
fit <- lmer(cognition ~ time*baseline_exposure+age0+sex+(1+time|id),data=d)
summary(fit)
# 这是条件均值关联模型；baseline_exposure需先定义，不能直接称因果效应。

isid id wave
xtset id wave
mixed cognition c.time##i.baseline_exposure age0 i.sex || id: time, covariance(unstructured)
* 若目标是复杂抽样总体估计，需另核对设计权重和模型的兼容性。

生存与竞争风险

定义事件、入组、删失、死亡与测量间隔。只在波次访问时知道新发结局，可能存在区间删失，不应无说明地假定发生在访问当天。老年队列死亡常阻止功能衰退事件的观察；原因别HR和累积发生风险回答不同问题，选择方法前先确定目标。

输出与易错点 🐾

交付波次变量矩阵、分析样本流程、清洗日志、描述表及敏感性方案；公开版只使用通用字段和模拟数值。常见错误是按波次分别删缺失导致比较样本变化，把设备拥有写成设备使用，把生存者分析的结果外推给全体老人，或将轨迹类别后验归组视为完全无误。

可复制请求：先根据问卷与代码本核对变量和时间顺序，告诉我哪些研究问题真正可做，再给抽样、缺失、死亡与重复测量的处理方案；不要凭数据库名称猜变量。

普贤 · 社医卫管方法库 · 教学参数与代码接口需结合实际数据、软件版本和研究设计核对。