feat(stage1): audit GSHS outcome components

Progression.md

@@ -1,9 +1,9 @@
 # 项目进度档案
 
-版本：1.9
+版本：1.10
 建立日期：2026-09-20  
 当前总状态：`in_progress`  
-当前阶段：阶段 1 `in_progress`；NSDUH 青少年尝试题的施测与公开数据可用性已核清，GSHS 组件来源和双人审核尚未完成
+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
 
 ## 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、主要结局登记和 NSDUH 尝试题来源核验已完成；GSHS/YRBS 直接来源、编码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、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 |
 | 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 `_b_` 与无前缀题目版本、YRBS 年度题目文本仍缺直接官方文档复核 | 不能批准题目家族或跨调查锚定 | 按组件/年度建立直接来源证据和冲突清单 |
+| 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 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 |
 
 ## 8. 行动日志
 
@@ -707,6 +707,20 @@ 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 `7d50ae6` 已推送至 `origin/main`，本地与远端 HEAD 核对一致。
 - 下一步：建立 GSHS 191 个组件中的主要结局题目版本与来源映射，保持 `_b_`、无前缀、二分类和频数型版本分离。
 
+### A-20260920-056：完成 GSHS 191 组件主要结局与表示关系审计
+
+- 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 `Document/research-workflow.md`、本进度档案并核对干净 Git 状态；流式扫描 GSHS 673,499 行；将 191 个已选组件与组件登记逐一核对；读取六个国家/地区的本地问卷、常规代码本和 Binary Codebook，并对 Ghana 关键 PDF 页做视觉复核。
+- 输入：`GSHS.csv`、`调查组件筛选明细.csv`、GSHS 数据字典；Ghana、India、Jamaica、Mongolia、Morocco、Wallis and Futuna 的国家/地区问卷与代码本。
+- 输出：新增 `audit_gshs_primary_outcome_components.py`、`gshs_primary_outcome_component_audit.json`、`gshs_primary_outcome_component_audit.md`；主要结局登记升级至 v1.2；更新 `.learnings/ERRORS.md`。
+- 检查：脚本通过 `py_compile`；JSON 可解析；191 个组件与登记完全一致，673,499 行全部覆盖，组件行数不一致为 0；仅 7 个组件有主要结局值，184 个没有；六个有结局组件具备本地直接来源，Solomon Islands 2023 尚缺；三组原始/`_b_` 关系均无异常组合。
+- 新证据：常规代码本中的 `MH_CONSIDERSUI`、`MH_PLANSUI`、`MH_ATTEMPTSUI` 是三项实际施测题；Binary Codebook 把 `MH_B_*` 定义为比例指标。逐行数据进一步确认意念和计划的 `_b_` 与原始二元编码完全相同，尝试的 `_b_` 精确按“0 次=否、1 次及以上=是”派生。因此 `_b_` 不再作为独立施测题计数；登记候选由 69 条降为 66 条，另有 11 条派生/非独立记录。
+- 质量边界：六个组件的文件语言只证明可用来源语言，不自动证明每名受访者的实际施测语言；Solomon Islands 直接来源、确切年龄/年级总体、规范缺失原因和两名实际审核者仍未完成。所有记录保持 `provisional`，Gate 1 仍为 `in_progress`。
+- 工程记录：重复的 pandas 全表内存耗尽改为固定列索引的流式扫描，记为已解决 `ERR-20260920-033`；项目环境未安装可选文档解析器和错误目录假设分别记为已解决 `ERR-20260920-034`、`ERR-20260920-035`，未把可选解析器无必要地加入正式建模环境。
+- 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：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。
+
 ## 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 |
@@ -729,6 +743,6 @@ 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. 建立 GSHS 191 个组件中的主要结局题目版本与官方来源映射，保持 `_b_`、无前缀、二分类和频数型版本分离；
-2. 直接复核 YRBS 年度主要结局题目，并继续隔离 2021/2023 数据；
-3. 随后形成回答编码/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。
+1. 直接复核 YRBS 年度主要结局题目，并继续隔离 2021/2023 数据；
+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。