发布时间： 2024-08-14 09:38:31
（一）、背景信息
中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS）是由武汉大学和北京大学共同执行的大型跨学科调查项目，是国家自然科学基金委资助的重大项目，旨在收集一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据，用以分析我国人口老龄化问题，推动老龄化问题的跨学科研究，为制定和完善我国相关政策提供更加科学的基础。
CHARLS曾于2008年在分别代表我国东西部典型国情的浙江、甘肃两省开展预调查；全国基线调查于2011年开展，样本覆盖全国随机抽取的150个县区、450个村居的万余户家庭。此后，于2013、2015、2018、2020、2021-23年继续开展全国追踪调查。此外，CHARLS还曾在2014年组织并实施了“中国居民生命历程调查”、2016年开展“共和国初期基层经济历史调查”两项全国性专项访问，亦完全覆盖上述样本地区。2017年在北京和天津两地开展省级代表性抽样，调查访问对象扩大到家户中的全年龄样本。这是对CHARLS现有样本的补充
CHALRS的问卷设计参考了国际经验，包括美国健康与退休调查（HRS）、英国老年追踪调查（ELSA）以及欧洲的健康、老年与退休调查（SHARE）等。项目采用了多阶段抽样，在县/区和村居抽样阶段均采取PPS抽样方法。CHARLS首创了电子绘图软件（CHALRS-GIS）技术，用地图法制作村级抽样框。
（二）、CHARLS数据库用途
CHALRS数据库旨在收集和分析中国45岁及以上人口及其配偶的健康、经济状况、家庭结构和养老问题。
（三）、CHARLS数据采集方式
CHARLS的样本，通过多阶段分层概率抽样方法，共抽取了约17,000个家庭，约28,000名受访者。CHARLS抽样程序经过精心设计，以确保样本的公正性和代表性。该程序分四个阶段执行，从县（区）到村（邻）户，最后到个人层面。具体来说，在县（区）和村（邻）抽样阶段，CHARLS采用的是人口规模成正比的概率抽样方法，通常称为PPS抽样（Probabilities proportional to Size）。县域抽样阶段，采用基于2009年人口统计的PPS方法，以区域区分、城乡分类、GDP为分层指标，随机抽取全国30个省级行政单位（不含西藏自治区、台湾地区、香港、澳门特别行政区）的150个区县。在村级抽样阶段，再次坚持PPS方法，以2009年起的常住人口为基础，从上述150个区县中随机抽取3个村或社区，最终形成450个村/社区单元。上述所有取样程序均在STATA软件环境中执行，未获准更换样品。
为了减少人口数据中可能存在的偏差，将450个村单位的2009年常住人口数据与2007年的数据并列。对于这两年中人口数据偏离超过设定阈值的村庄或社区，则要求统计局进行核实。此外，对于选定的村庄或社区，还通过中国疾病预防控制中心在全国范围内进行验证，进一步确保了采样过程的稳健性。
（四）、CHARLS数据库样本特征
CHARLS的样本覆盖了中国境内的28个省、市、自治区，样本具有全国代表性，涵盖了不同地区、城乡和社会经济背景的45岁及以上中老年人群。
（一）
访问和获取
访问地址：https://charls.charlsdata.com/pages/Data/2018-charls-wave4/zh-cn.html
（二）
注册申请
1、点击左上角数据用户注册
2、同意条款
3、填写相关信息、点击注册
4、通过审核后会收到邮件通知，就可以免费下载数据。
（三）
CHARLS数据使用指南
CHARLS数据按照调查年份（批次）整理成横断面数据，每批次数据有两部分：数据使用相关文档、数据下载。用户可以根据需要下载。
1、数据下载
用户注册登录后进入页面，选择所需数据直接点击蓝色字体，进入下一页面，以2020年数据为例进入申请数据，等待审核成功，审批通过就可以下载网站上的所有数据。
2、数据使用
CHARLS数据是以stata格式存储，如果不会使用stata，可以下载一个Stat Stransfer软件将数据转换为想要的格式。或者R软件、SAS软件可以直接导入stata格式的数据文件。
CHARLS数据包括个人和家庭基本信息、健康状况、心理健康、认知功能、经济状况、工作与退休、家庭结构、社会支持与人际关系、养老服务需求与使用等。
（一）、使用互联网对健康有益吗？
来自中国CHARLS的PSM-DID证据
2024年7月，湖南大学经济与贸易学院学者在《PLoS One》（综合性期刊-3区）发表了题为：“Does internet use benefit health?-PSM-DID evidence from China's CHARLS”的研究论文。本文借鉴中国健康与养老纵向研究（CHARLS），采用倾向得分匹配-差异差异（PSM-DID）方法，探讨互联网对个体健康的影响，并进一步探讨互联网影响健康的途径。在理论分析中，将互联网变量纳入贝克尔健康需求模型中，分析健康需求的变化和影响路径。实证分析检验了理论结果，得出了实证结果。研究结果表明，互联网对身心健康都有显著的积极影响。这些效果是通过减少卫生信息不对称、降低卫生成本和增加接触促进健康的环境来实现的。在异质性分析中，与经济相关的互联网内容对居民健康具有显著的正向影响。大量使用互联网会对心理健康产生不利影响。互联网对健康的有益影响在老年人、医疗保险覆盖者以及数字经济水平较高的地区更为明显。
（二）、麻将、下棋和打牌是否与降低中国老年人肩痛的发生率有关？来自 CHARLS 的横断面和纵向证据
2024年7月，上海交通大学-密西根大学联合研究院学者在《Experimental Gerontology》（医学-3区）发表了题为：“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”的研究论文。本文使用了2015年和2018年中国健康与养老纵向研究（CHARLS）的两波数据。采用Logistic回归模型分析PMCC与肩痛的横断面和纵向关联。结果表明PMCC与肩痛的发生率较低有关，这为PMCC作为肩痛发生的潜在保护因素提供了证据。
（三）不同糖代谢状态个体血浆动脉粥样硬化指数与新发卒中之间的关联：来自CHARLS的见解
2024年6月，南京医科大学临床医学院附属南京鼓楼医院学者在《Cardiovasc Diabetol》（医学-1区）发表了题目为：“Association between atherogenic index of plasma and new-onset stroke in individuals with different glucose metabolism status: insights from CHARLS”的研究论文。本文基于中国健康与养老纵向研究（CHARLS）数据库，采用Kaplan-Meier曲线、多因素Cox比例风险模型和限制三次样条分析，探讨不同血糖代谢状态个体基线AIP水平与卒中发生风险的关联。结果表明，Kaplan-Meier曲线分析显示，所有受试者中AIP组的卒中发生率存在显著差异，糖尿病前期（Pre-DM）和糖尿病（DM）组的卒中发生率均存在显著差异。此外，在所有三种 Cox模型中，发现高水平的AIP与糖尿病前期和糖尿病参与者的中风风险增加有关。然而，在血糖调节（NGR）正常的参与者中未观察到这种关联。受限三次样条分析还表明，在所有参与者和患有葡萄糖代谢紊乱的参与者中，较高的基线AIP水平与较高的卒中风险比相关。
上一篇：左手宏基因组学，右手代谢组学，左右开弓以揭示胃食管反流病儿童的肠道菌群与血清代谢物的关联
