feat(stage1): register primary outcome candidates
This commit is contained in:
Jinotech
+26
-11
@@ -1,9 +1,9 @@
|
||||
# 项目进度档案
|
||||
|
||||
版本：1.7
|
||||
版本：1.8
|
||||
建立日期：2026-09-20
|
||||
当前总状态：`in_progress`
|
||||
当前阶段：阶段 1 `in_progress`；输入结构与数据契约首轮审计完成
|
||||
当前阶段：阶段 1 `in_progress`；主要结局来源登记骨架已建立，直接来源复核与双人审核尚未完成
|
||||
|
||||
## 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` | 数据契约与三套候选入口结构审计完成；题目来源登记和人工复核尚未完成 |
|
||||
| 1 | 有来源证据的题库和回答层 | `in_progress` | 数据契约、候选入口结构审计和主要结局来源登记骨架已完成；直接问卷核验、编码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 |
|
||||
@@ -67,7 +67,7 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
|
||||
- GSHS 现有说明记录主表 673,499 行、637 列、165 项调查、191 个非重叠组件；这些数字目前属于既有质量报告陈述，尚未由本轮执行重算。
|
||||
- YRBS 原始库覆盖 1991–2023；现有整理包说明 1991–2019 已生成分析表，2021/2023 仍处于导入布局验证隔离状态。
|
||||
- 系统 Python 3.13.7、Pandoc 3.11、31.82 GiB RAM 和 NVIDIA GeForce RTX 5060 Ti 16 GB 已核验；正式项目环境使用 CPython 3.12.14、PyMC 6.3.2、R 4.6.1、mirt/lavaan/survey 栈及 CUDA Toolkit 13.4.2，三套运行验收均通过。
|
||||
- 当前根目录不是 Git 仓库；版本化与审计需使用明确的文件哈希和状态档案，或后续经用户授权建立版本控制。
|
||||
- 当前根目录已建立 Git 仓库，`main` 跟踪 `origin/main`；远端为 `Jinovo/language-conditioned-psychometric-harmonization-model`，每项推进按强制协议独立提交并推送。
|
||||
|
||||
## 6. 文献初筛结论（尚待矩阵固化）
|
||||
|
||||
@@ -81,12 +81,13 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
|
||||
|
||||
| 优先级 | 问题 | 影响 | 下一处理 |
|
||||
|---|---|---|---|
|
||||
| P0 | 官方题目文本、回答标签、适用总体和跳题规则尚未逐项核验 | 阶段 1 和确认性分析不能启动 | 在阶段 1 建立来源可追踪题库并保留 provisional 状态 |
|
||||
| P0 | 官方题目文本、回答标签、适用总体和跳题规则尚未逐项核验 | Gate 1 与确认性分析不能通过 | 来源登记骨架已建立；下一步直接复核官方问卷/代码本，并保持 provisional 直到双人审核完成 |
|
||||
| P0 | 题目共现、锚定图与可识别性尚未重算 | 不能确定 IRT/层级模型是否成立 | 完成阶段 1 后进入阶段 2 审计 |
|
||||
| P1 | 数据来源许可及可分发范围尚未逐来源完成最终复核 | 影响复现包与衍生数据交付 | 已在清单中显式标为 review required；阶段 1 按实际纳入来源逐项确认，不默认允许再分发 |
|
||||
| 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 |
|
||||
| P2 | 根目录没有 Git 版本控制 | 变更追踪依赖手工哈希和档案 | 暂不擅自初始化；先维持文件哈希和行动日志 |
|
||||
| P0 | NSDUH 本地完整字典未暴露青少年自杀尝试变量，虽 2022–2024 模块说明提到 `YSUI03`–`YSUI05` | NSDUH 不能被假定覆盖三项主要结局；跨工具任务可能只支持意念/计划 | 直接核验年度青少年问卷、代码本与公开使用文件抑制/派生说明 |
|
||||
| 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 |
|
||||
|
||||
## 8. 行动日志
|
||||
|
||||
@@ -673,9 +674,23 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
|
||||
- 新证据：GSHS 三个设计候选字段各缺 20 行；YRBS 1997 有 1 行设计字段缺失，2017/2019 的 PSU/stratum 全缺且权重仅部分存在；NSDUH 四个权重列在全部年度均非空且为正，需要官方指南解释适用语义。
|
||||
- 质量边界：所有审核状态默认 `provisional`；本次未批准题目等价、构念、缺失重编码、锚题或复杂抽样方差方法；Gate 1 未通过。
|
||||
- 工程修复：内联聚合的 Python 语法失败和 pandas 内存耗尽分别记录为已解决的 `ERR-20260920-028`、`ERR-20260920-029`；最终脚本使用标准 CSV 流式扫描。
|
||||
- 推送状态：提交后立即推送。
|
||||
- 推送状态：`pushed`；提交 `5c31417` 已推送至 `origin/main`。
|
||||
- 下一步：建立主要结局来源登记骨架；优先核验 GSHS/NSDUH 的意念、计划、尝试题与适用总体，并追查 YRBS 2017/2019 设计字段缺口。
|
||||
|
||||
### A-20260920-054：建立主要结局来源登记骨架
|
||||
|
||||
- 时间：2026-09-20
|
||||
- 阶段：1（有来源证据的题库和回答层）
|
||||
- 动作：完整读取工作流与进度档案；从 GSHS 数据字典、YRBS selected 字典、NSDUH complete 字典及 full/selected Parquet schema 中提取自杀意念、计划、尝试候选；严格分开原始青少年题、派生变量、成人模块、COVID 条件题与复合指标。
|
||||
- 输入：GSHS `GSHS_数据字典.xlsx` 的 `Master_Columns`；YRBS `yrbs_selected_variable_dictionary.csv`；NSDUH `nsduh_complete_variable_dictionary.csv` 及 2021–2024 full/selected Parquet schema。
|
||||
- 输出：`research/stage1/build_primary_outcome_registry.py`、`primary_outcome_registry.json`、`primary_outcome_registry.md`；更新 `.learnings/ERRORS.md` 的已解决 `ERR-20260920-030`。
|
||||
- 检查：脚本通过 `py_compile`；JSON 可解析；65 条原始候选全部为 `provisional`、审核者为空、连接状态为 `not_evaluated`；分布为 GSHS 6 条、YRBS 51 条、NSDUH 8 条；另隔离 8 条 NSDUH 青少年派生记录和 40 条成人/COVID/派生或复合排除记录；语义断言和 `git diff --check` 通过。
|
||||
- 新证据：GSHS 自杀尝试同时存在二分类与次数型版本，不能自动合并；YRBS 每个主要构念有 17 个年度候选，2021/2023 仍只保留元数据且数据隔离；NSDUH 本地完整字典只暴露青少年意念与计划，未找到青少年尝试变量，`YSUI03`–`YSUI05` 仅在模块迁移说明中出现。
|
||||
- 质量边界：未直接核验年度 PDF/代码本页码；没有把 AI 检查登记为人类审核；没有批准任何构念等价、缺失重编码、题目家族或锚定关系。Gate 1 仍为 `in_progress`。
|
||||
- 工程修复：一次只读工作簿筛选错误使用 `column` 而非 `column_name`，无数据改动；修正后成功并记录为已解决的 `ERR-20260920-030`。
|
||||
- 推送状态：`push_pending`；完成本行动验证后提交并立即推送。
|
||||
- 下一步：直接核验 NSDUH 年度青少年问卷/代码本中的 `YSUI03`–`YSUI05` 与公开数据字段关系，同时建立 GSHS 组件级题目版本来源映射。
|
||||
|
||||
## 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 |
|
||||
@@ -696,8 +711,8 @@ Gate 0 当前判定：`passed`。四项交付物齐备；目标总体政策、
|
||||
|
||||
下一次行动开始前重新读取 `Document/research-workflow.md` 与本文件。随后：
|
||||
|
||||
环境补强已经完成。下一行动进入阶段 1：
|
||||
阶段 1 下一行动：
|
||||
|
||||
1. 冻结阶段 1 数据实体 schema 与审核状态枚举；
|
||||
2. 只读核验 GSHS、YRBS、NSDUH 候选入口的实际结构、行列数和设计字段；
|
||||
3. 建立主要结局的来源登记骨架，所有未完成实际双重核查的条目标为 `provisional`。
|
||||
1. 直接核验 NSDUH 2021–2024 青少年问卷/代码本中的 `YSUI03`–`YSUI05`，解释其与公开使用字段、跳题和可能抑制规则的关系；
|
||||
2. 建立 GSHS 组件级题目版本与官方问卷来源映射，保持 `_b_` 与无前缀版本分离；
|
||||
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。
|
||||
|
||||
Reference in New Issue
Block a user