fix(stage1): correct YRBS outcome mappings
This commit is contained in:
Jinotech
+20
-6
@@ -1,9 +1,9 @@
|
||||
# 项目进度档案
|
||||
|
||||
版本：1.10
|
||||
版本：1.11
|
||||
建立日期：2026-09-20
|
||||
当前总状态：`in_progress`
|
||||
当前阶段：阶段 1 `in_progress`；NSDUH 青少年尝试题及 GSHS 191 组件覆盖/原始与二元表示关系已核清，YRBS 直接来源、缺失规则和双人审核尚未完成
|
||||
当前阶段：阶段 1 `in_progress`；NSDUH、GSHS 与 YRBS 主要结局来源均已直接核验，YRBS 21 条错误映射已纠正；缺失规则、Solomon Islands 来源和双人审核尚未完成
|
||||
|
||||
## 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` | 数据契约、入口审计、主要结局登记、NSDUH 尝试题来源核验及 GSHS 191 组件审计已完成；YRBS 直接来源、编码/缺失规则与人工双重审核尚未完成 |
|
||||
| 1 | 有来源证据的题库和回答层 | `in_progress` | 数据契约、入口审计及三套调查主要结局直接来源核验已完成；YRBS 错误列映射已纠正；缺失规则、Solomon Islands 来源、2021/2023 导入和人工双重审核尚未完成 |
|
||||
| 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 |
|
||||
@@ -87,7 +87,7 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
|
||||
| P1 | R、PyMC/ArviZ、心理测量包与 CUDA Toolkit 曾缺失 | 已解决：项目 Python/R 环境和 CUDA 端到端验收通过 | 后续仅按锁定文件维护；任何升级必须重跑三套烟雾测试 |
|
||||
| P1 | 文献初筛尚未形成可审计矩阵 | 研究定位和“贡献”表述仍不稳定 | 建立 literature matrix，记录 DOI、来源、证据层级和项目关系 |
|
||||
| P0 | NSDUH 的 `YSUI03/YUSUICTRY` 已确认施测，但尝试及严重度字段不在当前本地公开使用数据中；2024 指南明确记录派生尝试变量因披露风险排除 | 当前微数据只能外部验证意念/计划，不能验证尝试 | 不从其他题推导尝试；如核心设计必须使用尝试，评估受限数据申请或预先设计的聚合结果方案 |
|
||||
| P1 | GSHS 已证明 `_b_` 为派生/重复表示，但 Solomon Islands 2023 缺本地直接来源；YRBS 年度题目文本仍缺直接官方文档复核 | 不能批准全部题目家族或跨调查锚定 | 获取 Solomon Islands 来源；按年度复核 YRBS 并建立冲突清单 |
|
||||
| P1 | GSHS 已证明 `_b_` 为派生/重复表示，但 Solomon Islands 2023 缺本地直接来源；YRBS 2021/2023 仍处于导入隔离 | 不能批准全部题目家族或把后两年纳入回答层 | 获取 Solomon Islands 来源；按官方 SAS 布局验证 YRBS 2021/2023 导入 |
|
||||
|
||||
## 8. 行动日志
|
||||
|
||||
@@ -721,6 +721,20 @@ 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 `f0a4538` 已推送至 `origin/main`。
|
||||
- 下一步：直接复核 YRBS 年度主要结局问卷/代码本，继续隔离 2021/2023 数据，并形成三套调查的回答编码与缺失规则草案。
|
||||
|
||||
### A-20260920-057：完成 YRBS 年度主要结局直接来源审计并纠正列映射
|
||||
|
||||
- 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；逐年读取 1991–2023 共 17 份国家高中问卷和对应数据用户指南/代码本；分开登记“问卷印刷题号”与“发布数据变量号”；对 1991–2019 年度完整 Parquet 的正确列执行值域检查，并视觉复核 1995 与 2023 的代表性来源页。
|
||||
- 输入：`documentation/Questionnaire` 的 17 份官方问卷、`documentation/UserGuide` 的 17 份官方指南、15 个 1991–2019 年度 full Parquet、现有 `yrbs_selected_variable_dictionary.csv`。
|
||||
- 输出：新增 `audit_yrbs_primary_outcome_sources.py`、`yrbs_primary_outcome_source_audit.json`、`yrbs_primary_outcome_source_audit.md`；主要结局登记改用直接来源 crosswalk；更新 `.learnings/ERRORS.md`。
|
||||
- 检查：51 条主要结局记录均有问卷和数据指南来源；15 个可用年度的正确列均存在，观测编码全部落在官方值域；2021/2023 保持隔离；脚本和 JSON 校验通过。
|
||||
- 新证据：现有登记在 1995、2001、2003、2005、2007、2009、2011 共 7 年把 21 条主要结局映射到错误数据列。原因是把印刷问卷题号、数据用户指南变量号或自动提取结果混用；例如 1995 正确列为 `Q22/Q23/Q24`，旧登记却为 `Q30/Q31/Q32`。正确列仍存在于年度完整数据，因此属于 crosswalk 缺陷而非原始数据丢失。登记现已改为用户指南变量，并单独保留印刷题号。
|
||||
- 质量边界：年度指南只把无值统一报告为 Missing，未区分拒答、合法跳题或数据错误；不能无依据细分。问卷为英语来源，不自动证明所有语言便利措施。两名实际审核者仍未签字，Gate 1 保持 `in_progress`。
|
||||
- 工程记录：PDF 诊断文本首次受 Windows 控制台编码影响中止，改用 UTF-8 输出后完成，记为已解决 `ERR-20260920-036`；Poppler 字体警告未影响关键页视觉内容。
|
||||
- 推送状态：`push_pending`；待本行动校验、提交并推送后回写提交号。
|
||||
- 下一步：建立三套调查主要结局的正式回答字典与保守缺失规则，生成双人审核队列；并定位 Solomon Islands 2023 GSHS 直接来源。
|
||||
|
||||
## 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 |
|
||||
@@ -743,6 +757,6 @@ 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. 直接复核 YRBS 年度主要结局题目，并继续隔离 2021/2023 数据；
|
||||
1. 形成三套调查主要结局的回答编码/缺失规则草案，并把需要两名实际审核者处理的记录导出为审核队列；
|
||||
2. 获取或定位 Solomon Islands 2023 GSHS 的国家问卷/代码本；
|
||||
3. 随后形成三套调查的回答编码/缺失规则草案，并把需要两名实际审核者处理的记录导出为审核队列。
|
||||
3. 按官方 SAS 布局验证 YRBS 2021/2023 导入，在验证前继续隔离。
|
||||
|
||||
Reference in New Issue
Block a user