發(fā)布時間： 2024-08-14 09:38:31
（一）、背景信息
中國健康與養(yǎng)老追蹤調(diào)查（China Health and Retirement Longitudinal Study, CHARLS）是由武漢大學(xué)和北京大學(xué)共同執(zhí)行的大型跨學(xué)科調(diào)查項目，是國家自然科學(xué)基金委資助的重大項目，旨在收集一套代表中國45歲及以上中老年人家庭和個人的高質(zhì)量微觀數(shù)據(jù)，用以分析我國人口老齡化問題，推動老齡化問題的跨學(xué)科研究，為制定和完善我國相關(guān)政策提供更加科學(xué)的基礎(chǔ)。
CHARLS曾于2008年在分別代表我國東西部典型國情的浙江、甘肅兩省開展預(yù)調(diào)查；全國基線調(diào)查于2011年開展，樣本覆蓋全國隨機抽取的150個縣區(qū)、450個村居的萬余戶家庭。此后，于2013、2015、2018、2020、2021-23年繼續(xù)開展全國追蹤調(diào)查。此外，CHARLS還曾在2014年組織并實施了“中國居民生命歷程調(diào)查”、2016年開展“共和國初期基層經(jīng)濟歷史調(diào)查”兩項全國性專項訪問，亦完全覆蓋上述樣本地區(qū)。2017年在北京和天津兩地開展省級代表性抽樣，調(diào)查訪問對象擴大到家戶中的全年齡樣本。這是對CHARLS現(xiàn)有樣本的補充
CHALRS的問卷設(shè)計參考了國際經(jīng)驗，包括美國健康與退休調(diào)查（HRS）、英國老年追蹤調(diào)查（ELSA）以及歐洲的健康、老年與退休調(diào)查（SHARE）等。項目采用了多階段抽樣，在縣/區(qū)和村居抽樣階段均采取PPS抽樣方法。CHARLS首創(chuàng)了電子繪圖軟件（CHALRS-GIS）技術(shù)，用地圖法制作村級抽樣框。
（二）、CHARLS數(shù)據(jù)庫用途
CHALRS數(shù)據(jù)庫旨在收集和分析中國45歲及以上人口及其配偶的健康、經(jīng)濟狀況、家庭結(jié)構(gòu)和養(yǎng)老問題。
（三）、CHARLS數(shù)據(jù)采集方式
CHARLS的樣本，通過多階段分層概率抽樣方法，共抽取了約17,000個家庭，約28,000名受訪者。CHARLS抽樣程序經(jīng)過精心設(shè)計，以確保樣本的公正性和代表性。該程序分四個階段執(zhí)行，從縣（區(qū)）到村（鄰）戶，最后到個人層面。具體來說，在縣（區(qū)）和村（鄰）抽樣階段，CHARLS采用的是人口規(guī)模成正比的概率抽樣方法，通常稱為PPS抽樣（Probabilities proportional to Size）?？h域抽樣階段，采用基于2009年人口統(tǒng)計的PPS方法，以區(qū)域區(qū)分、城鄉(xiāng)分類、GDP為分層指標，隨機抽取全國30個省級行政單位（不含西藏自治區(qū)、臺灣地區(qū)、香港、澳門特別行政區(qū)）的150個區(qū)縣。在村級抽樣階段，再次堅持PPS方法，以2009年起的常住人口為基礎(chǔ)，從上述150個區(qū)縣中隨機抽取3個村或社區(qū)，最終形成450個村/社區(qū)單元。上述所有取樣程序均在STATA軟件環(huán)境中執(zhí)行，未獲準更換樣品。
為了減少人口數(shù)據(jù)中可能存在的偏差，將450個村單位的2009年常住人口數(shù)據(jù)與2007年的數(shù)據(jù)并列。對于這兩年中人口數(shù)據(jù)偏離超過設(shè)定閾值的村莊或社區(qū)，則要求統(tǒng)計局進行核實。此外，對于選定的村莊或社區(qū)，還通過中國疾病預(yù)防控制中心在全國范圍內(nèi)進行驗證，進一步確保了采樣過程的穩(wěn)健性。
（四）、CHARLS數(shù)據(jù)庫樣本特征
CHARLS的樣本覆蓋了中國境內(nèi)的28個省、市、自治區(qū)，樣本具有全國代表性，涵蓋了不同地區(qū)、城鄉(xiāng)和社會經(jīng)濟背景的45歲及以上中老年人群。
（一）
訪問和獲取
訪問地址：https://charls.charlsdata.com/pages/Data/2018-charls-wave4/zh-cn.html
（二）
注冊申請
1、點擊左上角數(shù)據(jù)用戶注冊
2、同意條款
3、填寫相關(guān)信息、點擊注冊
4、通過審核后會收到郵件通知，就可以免費下載數(shù)據(jù)。
（三）
CHARLS數(shù)據(jù)使用指南
CHARLS數(shù)據(jù)按照調(diào)查年份（批次）整理成橫斷面數(shù)據(jù)，每批次數(shù)據(jù)有兩部分：數(shù)據(jù)使用相關(guān)文檔、數(shù)據(jù)下載。用戶可以根據(jù)需要下載。
1、數(shù)據(jù)下載
用戶注冊登錄后進入頁面，選擇所需數(shù)據(jù)直接點擊藍色字體，進入下一頁面，以2020年數(shù)據(jù)為例進入申請數(shù)據(jù)，等待審核成功，審批通過就可以下載網(wǎng)站上的所有數(shù)據(jù)。
2、數(shù)據(jù)使用
CHARLS數(shù)據(jù)是以stata格式存儲，如果不會使用stata，可以下載一個Stat Stransfer軟件將數(shù)據(jù)轉(zhuǎn)換為想要的格式?；蛘逺軟件、SAS軟件可以直接導(dǎo)入stata格式的數(shù)據(jù)文件。
CHARLS數(shù)據(jù)包括個人和家庭基本信息、健康狀況、心理健康、認知功能、經(jīng)濟狀況、工作與退休、家庭結(jié)構(gòu)、社會支持與人際關(guān)系、養(yǎng)老服務(wù)需求與使用等。
（一）、使用互聯(lián)網(wǎng)對健康有益嗎？
來自中國CHARLS的PSM-DID證據(jù)
2024年7月，湖南大學(xué)經(jīng)濟與貿(mào)易學(xué)院學(xué)者在《PLoS One》（綜合性期刊-3區(qū)）發(fā)表了題為：“Does internet use benefit health?-PSM-DID evidence from China's CHARLS”的研究論文。本文借鑒中國健康與養(yǎng)老縱向研究（CHARLS），采用傾向得分匹配-差異差異（PSM-DID）方法，探討互聯(lián)網(wǎng)對個體健康的影響，并進一步探討互聯(lián)網(wǎng)影響健康的途徑。在理論分析中，將互聯(lián)網(wǎng)變量納入貝克爾健康需求模型中，分析健康需求的變化和影響路徑。實證分析檢驗了理論結(jié)果，得出了實證結(jié)果。研究結(jié)果表明，互聯(lián)網(wǎng)對身心健康都有顯著的積極影響。這些效果是通過減少衛(wèi)生信息不對稱、降低衛(wèi)生成本和增加接觸促進健康的環(huán)境來實現(xiàn)的。在異質(zhì)性分析中，與經(jīng)濟相關(guān)的互聯(lián)網(wǎng)內(nèi)容對居民健康具有顯著的正向影響。大量使用互聯(lián)網(wǎng)會對心理健康產(chǎn)生不利影響?；ヂ?lián)網(wǎng)對健康的有益影響在老年人、醫(yī)療保險覆蓋者以及數(shù)字經(jīng)濟水平較高的地區(qū)更為明顯。
（二）、麻將、下棋和打牌是否與降低中國老年人肩痛的發(fā)生率有關(guān)？來自 CHARLS 的橫斷面和縱向證據(jù)
2024年7月，上海交通大學(xué)-密西根大學(xué)聯(lián)合研究院學(xué)者在《Experimental Gerontology》（醫(yī)學(xué)-3區(qū)）發(fā)表了題為：“Is playing ma-jong, chess and cards associated with a lower incidence of shoulder pain in Chinese elderly adults? The cross-sectional and longitudinal evidence from CHARLS”的研究論文。本文使用了2015年和2018年中國健康與養(yǎng)老縱向研究（CHARLS）的兩波數(shù)據(jù)。采用Logistic回歸模型分析PMCC與肩痛的橫斷面和縱向關(guān)聯(lián)。結(jié)果表明PMCC與肩痛的發(fā)生率較低有關(guān)，這為PMCC作為肩痛發(fā)生的潛在保護因素提供了證據(jù)。
（三）不同糖代謝狀態(tài)個體血漿動脈粥樣硬化指數(shù)與新發(fā)卒中之間的關(guān)聯(lián)：來自CHARLS的見解
2024年6月，南京醫(yī)科大學(xué)臨床醫(yī)學(xué)院附屬南京鼓樓醫(yī)院學(xué)者在《Cardiovasc Diabetol》（醫(yī)學(xué)-1區(qū)）發(fā)表了題目為：“Association between atherogenic index of plasma and new-onset stroke in individuals with different glucose metabolism status: insights from CHARLS”的研究論文。本文基于中國健康與養(yǎng)老縱向研究（CHARLS）數(shù)據(jù)庫，采用Kaplan-Meier曲線、多因素Cox比例風(fēng)險模型和限制三次樣條分析，探討不同血糖代謝狀態(tài)個體基線AIP水平與卒中發(fā)生風(fēng)險的關(guān)聯(lián)。結(jié)果表明，Kaplan-Meier曲線分析顯示，所有受試者中AIP組的卒中發(fā)生率存在顯著差異，糖尿病前期（Pre-DM）和糖尿病（DM）組的卒中發(fā)生率均存在顯著差異。此外，在所有三種 Cox模型中，發(fā)現(xiàn)高水平的AIP與糖尿病前期和糖尿病參與者的中風(fēng)風(fēng)險增加有關(guān)。然而，在血糖調(diào)節(jié)（NGR）正常的參與者中未觀察到這種關(guān)聯(lián)。受限三次樣條分析還表明，在所有參與者和患有葡萄糖代謝紊亂的參與者中，較高的基線AIP水平與較高的卒中風(fēng)險比相關(guān)。
上一篇：左手宏基因組學(xué)，右手代謝組學(xué)，左右開弓以揭示胃食管反流病兒童的腸道菌群與血清代謝物的關(guān)聯(lián)
