build(stage1): create primary outcome response layer

Progression.md

@@ -1,9 +1,9 @@
 # 项目进度档案
 
-版本：1.14
+版本：1.15
 建立日期：2026-09-20  
 当前总状态：`in_progress`  
-当前阶段：阶段 1 `in_progress`；84 个主要结局题目实例与编码/双审包已形成，YRBS 1991–2023 共 17 年完整表均通过来源与值域检查；`responses_long.parquet`、设计复核和实际双人审核尚未完成
+当前阶段：阶段 1 `in_progress`；84 个主要结局题目实例及 919,863 行回答长表已形成并通过结构校验，YRBS 17 年完整表可用；设计复核和实际双人审核尚未完成
 
 ## 1. 管理规则
 
@@ -28,7 +28,7 @@
 | 阶段 | 名称 | 状态 | 当前判定 |
 |---|---|---|---|
 | 0 | 冻结研究问题、范围与版本 | `passed` | 四项交付物齐备，Gate 0 已通过；研究工具链补强与锁定完成 |
-| 1 | 有来源证据的题库和回答层 | `in_progress` | 主要结局结构化包已生成，YRBS 2021/2023 已按官方 SAS 布局解除导入隔离；回答长表、设计复核和实际双重审核尚未完成 |
+| 1 | 有来源证据的题库和回答层 | `in_progress` | 主要结局题库、回答字典和回答长表已生成并通过结构校验；设计复核和实际双重审核尚未完成 |
 | 2 | 可行性、可识别性和连接审计 | `not_started` | 等待 Gate 1 |
 | 3 | 冻结验证协议与已知真值模拟 | `not_started` | 等待 Gate 2 |
 | 4 | 直接协调和传统基线 | `not_started` | 等待 Gate 3 |
@@ -775,6 +775,20 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
 - 推送状态：`pushed`；研究增量提交 `a6df01d` 已推送至 `origin/main`。
 - 下一步：用当前题库/回答字典生成跨调查 `responses_long.parquet`，保留 eligibility、observed status 与各类缺失；同时准备实际双人审核安排。
 
+### A-20260920-061：生成并验证主要结局回答长表
+
+- 时间：2026-09-20
+- 阶段：1（有来源证据的题库和回答层）
+- 动作：行动前完整读取工作流与进度档案并核对干净 Git 状态；以 `item_bank.csv` 和 `response_dictionary.csv` 为唯一映射源，流式处理 GSHS，读取 17 个 YRBS 年度完整表，并将 NSDUH 限定为官方 `CATAG2=1`（12–17 岁）青少年，生成 Gate 1 回答长表。
+- 输出：新增 `build_responses_long.py`、`responses_long_manifest.json`、`responses_long_audit.md`；生成忽略于 Git 的 `Dataset/可直接分析数据包_NSDUH_YRBS/harmonization/responses_long.parquet`。
+- 检查：输出 919,863 行且“受访者×题目”键 919,863 个，重复为 0；覆盖 80 个有本地回答数据的实例。按调查为 GSHS 64,599、YRBS 764,028、NSDUH 91,236 行，均与从 7 个 GSHS 组件、17 个 YRBS 年度表及 NSDUH 青少年人数独立推导的期望行数一致。867,995 行为有效观测；其余保留为 unknown、refused、dont_know、ordinary_missing 或 data_error；必填标识/状态无空值，所有有效观测均有 canonical response。
+- 纳入边界：GSHS 仅含 7 个实际施测组件；YRBS 含 17 个已验证年度；NSDUH 只含 12–17 岁青少年的意念和计划。4 个 `YUSUICTRY` 实例仍在题库但没有回答行，因为公用微数据未提供该字段，未从其他题推导或伪造。
+- 可复现性：输出 SHA-256 为 `0260386444fd2d4a9b0183ef79b171b4fa47ab1d7c1706b05619c14cc8f8a197`；生成物由脚本重建，不纳入 Git 大文件历史。
+- 工程记录：首次误用系统 Python 导致 DuckDB 不可用，在读取数据前失败；切换到锁定的 `.venv-research` 后完成，记录为已解决 `ERR-20260920-040`。
+- 质量边界：结构校验通过不等于条目内容双审或抽样设计批准。所有题目仍为 `provisional`，Gate 1 保持 `in_progress`。
+- 推送状态：`push_pending`；完成差异检查、提交和远端推送后更新。
+- 下一步：逐调查核验权重、PSU、stratum 和方差方法的官方来源；随后落实两名实际审核者签署。
+
 ## 9. 剩余工作量估算（2026-09-20 基线）
 
 | 阶段 | 主要工作 | 预计人周 | 主要波动来源 |
@@ -797,6 +811,6 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
 
 阶段 1 下一行动：
 
-1. 以题库和回答字典为唯一映射源，为当前可用且通过检查的数据生成 `responses_long.parquet`，显式保存 eligibility、observed status 与缺失类型；
-2. 复核 GSHS、YRBS、NSDUH 的年度/组件设计字段与官方方差说明，禁止凭字段名推断方差方法；
+1. 复核 GSHS、YRBS、NSDUH 的年度/组件设计字段与官方方差说明，禁止凭字段名推断方差方法；
+2. 核对长表各题的阳性/缺失计数与原始审计，形成回答层验收摘要；
 3. 安排两名实际审核者逐项处理 `primary_outcome_human_review_queue.csv`；审核完成前保持全部主要结局为 `provisional`。