一项基于1.3万名老年人的队列研究登上《中华医学杂志》：用公开调查数据库写毕业论文要注意什么

2026年10月30日讯 据科技日报10月28日报道，北京大学中国卫生发展研究中心研究员姚尧团队依托中国老年健康影响因素跟踪调查（CLHLS），对全国23个省份13682名65岁以上老年人开展大样本队列研究，论文《我国老年人失能、失智与失乐的流行特征及与全因死亡风险的关联》发表于2026年第30期《中华医学杂志》。研究把老年人的健康损耗分为失能、失智和失乐三个维度，其中长期情绪低落、兴趣丧失的“失乐”发生率为41.7%，高于失能的22.96%和失智的16.04%。

该研究的结论值得我们注意，其数据来源也值得研究生关注。CLHLS作为国内老年健康研究的常用调查数据库之一，类似的可公开或申请的调查还有很多。对于无法自行进行大规模调查的同学而言，这些数据库是撰写毕业论文的重要资源。

用公开数据库，先读懂问卷和抽样

很多同学拿到数据就直接跑回归，结果在答辩时被问住：这个变量的原始问题是怎么问的？样本是怎么抽出来的？要回答这些问题，必须先读数据库附带的问卷、编码手册和抽样说明。同一个概念，不同调查轮次的问法可能有调整；同一个数值，可能代表“拒答”或“不知道”，而不是真实取值。

像“失乐”这样的概念，背后是一套具体的测量题目和判定标准。论文里引用别人的结论时，要说清楚对方用的是什么定义；自己构造变量时，更要写明用了哪些题目、怎样赋分、阈值从何而来。只写一个变量名，读者无法判断结果是否可靠。

从原始问卷到分析变量，每一步转换都应当有记录（插画）

缺失值和样本筛选，要写进论文

队列数据的样本会随着随访逐渐流失，老年人群尤其如此。从原始样本到最终进入分析的样本，中间删去了哪些人、为什么删去，最好用流程图或文字逐步说明。缺失值是直接删除还是做了插补，不同处理方式可能影响结果，也应当交代清楚，必要时做敏感性分析。

另外需要强调的是，通过调查数据的研究大多只能证明关联。题目中出现的“关联”，在正文中不能偷换概念成“影响”、“导致”。上面这项研究题目中也用了“关联”，是很好的榜样。

数据使用协议，同样不能忽视

很多数据库需要申请才能获得，并附带使用协议，比如不得转发原始数据、发表成果时需按要求引用数据来源。写论文之前，把数据库的引用要求和致谢格式找出来照做，既是学术规范，也是对数据提供方的尊重。

样本筛选、缺失处理和变量定义，都要在方法部分交代清楚（插画）

处理这类数据时，PaperOK科研助手可以在本机调用Python或R环境完成数据清洗、描述统计和回归，脚本可复现；“心理教育”“医学临床”“经济管理”等学科模式也提供相应的专业知识。对涉及个人信息的数据，可以选用“逐步确认”或“只读”权限模式。变量怎样定义、结论怎样解释，仍需作者依据问卷和文献自己判断。

常见问题

问：用公开数据库写毕业论文，算不算“没有自己的数据”？

不算是。二手数据分析是一种成熟的研究方法，关键是看研究问题是否清楚，变量构造是否合理，分析是否严谨。具体以学校、导师要求为准。

问：不同轮次的调查数据可以直接合并吗？

不一定。要先核对各轮次的问卷题目和编码是否一致，有调整的需要统一口径后再合并，并在论文中说明。