信息速览
INFOBOX — GHDx 一屏速览
维度 内容 本质 健康数据目录（catalog），不托管数据 自述定位 「世界上覆盖最全面的调查、普查、生命统计与其他健康相关数据目录」 数据类目 16 类（调查、普查、生命登记、疾病登记、行政数据……） 地理覆盖 全球 200 余个国家与地区 记录粒度 一条记录 = 一个数据集的一份可引用分发型式 标题规范 地理范围 - 名称 - 年份（全英文） 获取分级 4 级：下载 / 注册 / 申请 / 仅汇总表 维护机构 美国华盛顿大学 IHME 起始年份 2010 年前后 许可 目录开放浏览；IHME 自有数据禁止商业使用 特殊设计 提供建议引用（Contributor. Title. City: Publisher, Year） 关联工具 GBD Results Tool、GBD Sources Tool 访问方式 网页检索；无公开 API
§1 速览：它到底是什么
1.1 一句话定义
GHDx 是一本健康数据的全球总账。它记的不是数据本身，而是：
世界上有哪些健康数据存在？谁做的？覆盖哪个国家、哪段时间？怎么拿到？该怎么引用？
在一个"数据散落在各国统计局、NGO 网站、学术档案库、甚至根本没有公开"的领域里，先知道"有什么"比"有什么数据"更前置。
1.2 它最不可替代的一件事
不是"收录了多少条"（官方未公布总数），而是：
它把「谁能拿到这份数据」变成了一个可筛选的字段。
这是 GHDx 与普通数据库列表的根本区别。多数数据目录只告诉你"这里有个数据集"，然后就没了。GHDx 额外回答了一个决定研究可行性、但几乎没人系统登记的问题：这个数据，我到底能不能拿到、要多久、要不要钱。
四级获取门槛（§4）把这个问题变成了可检索、可过滤的字段。做系统综述或跨国比较研究时，这个字段直接决定研究设计能不能成立——如果你需要 40 个国家的调查数据，而其中 30 个只能"申请"，那这个课题的时间成本会完全不同。
1.3 用一个真实条目把全文串起来
抽象地说"记录里有哪些字段"没有意义，所以本文用一个可以逐字核对的真实条目贯穿全篇：
Global Health Spending 1995-2023, September 2026
https://ghdx.healthdata.org/record/ihme-data/global-health-spending-1995-2023-202609
它属于 Estimate（估算）类，提供方 IHME，覆盖 Global，时间跨度 01/1995 - 12/2023，所属系列 Financing Global Health (FGH)。
后面每个章节都会回到它：
| 章节 | 看它的哪个侧面 | 回答什么问题 |
|---|---|---|
| §2.1 | 完整字段表 | 一条记录到底存了什么 |
| §3.4 | 三个关键词 | 关键词检索能做到什么、做不到什么 |
| §4.5 | 页面上的下载区 | 目录元数据与数据本体是两层条款 |
| §5.3 | 页面 HTML 结构 | 字段怎么被程序可靠地取出来 |
| §7.6 | 两个相邻的日期 | 元数据的"新鲜"该怎么判断 |
| §8.5 | 它在 Recent 区的位置 | 目录的更新主线从哪看出来 |
选它做案例，是因为它同时踩到了四个容易出错的地方：标题里没有地理前缀、日期有两个、条款不是常见开源许可、文件清单只有三个文件却包含说明表与 codebook。
1.4 为什么它不是「数据集」
| 常见的误解 | 实际情况 |
|---|---|
| “GHDx 里有数据可以下载” | 有一小部分是 IHME 自有数据可直接下载，多数条目只是指向外部提供方的链接 |
| “GHDx 是一个数据库” | 它是目录。类比：图书馆的检索系统 vs 书架上的书 |
| “查到就代表能拿到” | 四级门槛中只有"下载"级是真开放，其余都需要额外动作 |
理解这一点很重要，因为它决定了使用方式：在 GHDx 里搜到一条记录，通常只是研究的起点，不是终点。
1.5 三十秒决策卡
| 你的处境 | GHDx 能帮你什么 |
|---|---|
| 要研究某国的卫生状况，不知道有哪些调查 | 按国家浏览，一次看全该国所有已登记数据的类型与年份 |
| 需要多个国家的可比数据 | 按"系列/系统"浏览，同一系列的跨国可比性通常更高 |
| 论文要引用某数据集，不知道规范写法 | 用页面给出的"建议引用"，按 Contributor. Title. City: Publisher, Year 格式 |
| 想知道某个 GBD 数字的来源 | 用 GBD Sources Tool，反查该估算引用了哪些输入数据 |
| 要判断某课题的数据可得性能不能支撑 | 用四级获取门槛过滤，先看有多少条能"下载" |
| 想追踪某机构新发布的数据 | 订阅（Subscribe）功能，新条目推送 |
1.6 不适合谁
如果你的目标是"下载一批数据直接训练模型"，GHDx 给不了你——它给的是数据在哪、怎么拿的地图。真正可下载的数据要么在 IHME 自有数据区，要么需要跳转到 DHS、IPUMS、World Bank 等外部提供方。
如果你需要的是已清洗、已对齐、可直接建模的表，GHDx 也不适合。它是原始数据的索引，清洗对齐的工作需要自己做，或者用 IPUMS 这类已做 harmonization 的衍生库。
如果你要的是中国国内的细分健康数据，GHDx 的覆盖以国际可比口径为主，国内细分数据（如分省年度卫生统计）需要去国家统计局、卫健委统计年鉴等一手来源。
§2 数据构成与规格
2.1 记录的字段结构
GHDx 的每条记录是一套结构化的元数据。以一个真实条目（Global Health Spending 1995-2023, September 2026）为例，字段如下：
| 字段 | 内容 | 用途 |
|---|---|---|
| 数据类型 | Estimate（估算） | 决定这条记录的性质 |
| 标题 | Global Health Spending 1995-2023, September 2026 | 按「名称 - 年份」公式，此条为全球范围故无地理前缀 |
| 提供方 | Institute for Health Metrics and Evaluation (IHME) | 谁是数据所有者 |
| 地理范围 | Global | 国家/区域/全球 |
| 覆盖类型 | Global | 与地理范围配合，标明覆盖口径 |
| 时间跨度 | 01/1995 - 12/2023 | 精确到月 |
| 所属系列 | Financing Global Health (FGH) | 同一系列内可比性更高 |
| 摘要 | 一段方法学说明（估算口径、来源、单位） | 判断是否适用 |
| 关键词 | Government health expenditures; Health aid; Personal health expenditures | 横向检索 |
| 相关出版物 | Financing Global Health Visualization、Financing Global Health Data Portal | 找到配套图表 |
| 贡献者 | Institute for Health Metrics and Evaluation (IHME) | 引用要素 |
| 资助方 | Gates Foundation | 利益关系披露 |
| 出版方 | IHME | 引用要素 |
| 出版年 | 2026 | 引用要素 |
| 建议引用 | Institute for Health Metrics and Evaluation (IHME). Global Health Spending 1995-2023, September 2026. Seattle, United States of America: Institute for Health Metrics and Evaluation (IHME), 2026. | 直接可用 |
| 文件 | 3 个：Data Release Information Sheet (210.55 KB)、数据 CSV (1.03 MB)、Codebook (28.04 KB) | 判断体量 |
| 条款 | IHME 免费非商业用户协议 | 决定能不能用 |
| IHME 发布日 | Sep 24, 2026 | 数据本体何时上线 |
| 目录最后修改 | Sep 25, 2026 | 判断元数据新鲜度 |
这份字段清单本身就是 GHDx 的价值主张：它把"一个数据集值不值得用"拆成了十几个可判断的维度。
一处必须自己发现的细节：这条记录同时给了两个日期——IHME data publication date: Sep 24, 2026 与 GHDx Entry last modified on: Sep 25, 2026。它们分别属于数据方和目录方，不能混用。引用数据时该写前者，判断"这条元数据是不是新的"该看后者。记录页把它们排在相邻两行，很容易只抄一个。
2.2 摘要字段承载了最多信息
回到案例条目的摘要字段。它只有一段，但把"这个数据是怎么来的"讲完了：
Research by the Global Burden of Disease Health Financing Collaborator Network
produced retrospective health spending estimates for 1995-2023 for 204
countries and territories. The estimates cover total health spending and
health spending disaggregated by source into three domestic financing source
categories (government, out-of-pocket, and prepaid private) and development
assistance for health (DAH). Domestic health spending source data came
primarily from the WHO's Global Health Expenditure Database (GHED). DAH data
came from a diverse set of sources, including program reports, budget data,
national estimates, and National Health Accounts (NHAs). The resulting
estimates were used to forecast Gross Domestic Product (GDP) and prospective
health spending estimates for 2024-2050. Estimates are reported in constant
2023 United States dollars (USD), constant 2023 purchasing-power parity-adjusted
dollars (PPP), as a percent of GDP, and as a percent of total health spending.
这段文字里能提炼出六件判断性的事：
| 从摘要读到的 | 对使用的意义 |
|---|---|
| 覆盖 204 个国家与地区 | 不是"200 余"，这是本条记录的确切覆盖数；做样本框设计时直接用这个数 |
| 回顾性估算（1995–2023）+ 预测（2024–2050） | 前后两段性质不同，前段有观测数据支撑，后段是模型外推 |
| 支出来源拆成三类国内 + DAH | 卫生支出的"谁付钱"结构可以直接分析，不必自己拆分 |
| 国内数据主源是 WHO GHED | 若要追原始口径，应当交叉核对 GHED，而不是只看 IHME 结果 |
| DAH 来源多样（项目报告、预算、NHA） | DAH 部分的口径一致性弱于国内部分，跨年比较要谨慎 |
| 单位有四种：不变价美元、PPP 美元、占 GDP 比、占卫生总支出比 | 同一指标四个口径，混用会直接算错 |
这张表说明了摘要字段的真实价值：它不是"简介"，它是这一条记录里唯一带方法学信息的字段。GHDx 的其它字段都是登记性的（谁、哪里、多久、怎么拿），只有摘要告诉你这个数字是怎么算出来的、可信到什么程度、能不能直接拿去比较。
由此得出一条使用习惯：在 GHDx 里筛出候选后，摘要必须逐条读。 跳过摘要直接下载文件，最常见的后果是把"预测值"当"观测值"用，或者把 PPP 美元当现价美元用——这两类错误在数据都已经下到手的情况下极难事后发现。
2.3 一条记录 ≠ 一个文件
这是最容易误读的地方。GHDx 官方对"数据集"的定义是：
一个数据集是来自单次数据收集、汇总或合成工作的一份特定分发型式或集合。
关键在"分发型式"（distribution）。官方的说明是：如果同一份调查数据由不同机构分别发行，每一份都是独立的数据集。
后果很实际：
- 同一个 DHS 调查，如果有原始版和 IPUMS 重编码版，会有两条记录
- 同一份数据在不同年份重新发布，会按年份分开
- 标题里带上发布机构后缀（如
IPUMS）正是为了区分这类情况
做检索时的实用结论：按名称搜到多条相似记录时，先看提供方和系列字段，再决定用哪条，而不是简单取第一条。
2.4 标题标准化：Geography - Name - Years
GHDx 对标题有强制规范：
地理范围 - 名称 - 年份
全部使用英文，理由官方写得很直接：防止同一数据集因英文标题和原文语言标题各建一条而产生重复。
这条规则的三个实际影响：
| 影响 | 说明 |
|---|---|
| 可按标题排序 | 同一地理范围的数据会自然聚在一起 |
| 便于分组 | 按地理前缀能快速聚出某国的所有数据 |
| 原文标题保留 | 标准化的只是显示标题，原始标题在元数据里 |
对使用者的意义：在 GHDx 里搜"China"比搜某个中文调查名更有效，因为标题统一以地理范围开头。
2.5 十六类数据类型
这是 GHDx 的分类骨架。官方定义为"按数据覆盖的信息种类与收集方式分类"：
| # | 类型 | 官方定义要点 |
|---|---|---|
| 1 | 行政数据（Administrative data） | 机构、企业、政府为行政或服务目的维护的记录，如医院与卫生机构数据、理赔数据、职业伤害数据、警务数据 |
| 2 | 普查（Census） | 对特定人口或实体的完整清点，可含行为、观点或特征信息 |
| 3 | 人口监测（Demographic surveillance） | 对特定人群（通常次国家级）长期监测生命事件与迁移的系统，与生命登记的区别是可能包含其他数据点或调查方法 |
| 4 | 疾病登记（Disease registry） | 集中收集特定诊断、病症或手术患者信息的来源，如肿瘤、肾脏、卒中、先天畸形登记 |
| 5 | 环境监测（Environmental monitoring） | 测量气候与环境信息的系统 |
| 6 | 流行病学监测（Epi surveillance） | 持续收集、分析与分发公共卫生数据的系统，含被动、主动、哨点三种模式 |
| 7 | 估算（Estimate） | 独立存在的估算值，可能是某出版物的底层数据，也可能是独立产出；含 IHME 结果；与报告的区别是几乎没有叙述文字 |
| 8 | 事件数据（Event data） | 特定时期发生的事件（人为或环境）数据，来源常包括媒体 |
| 9 | 财务记录（Financial record） | 实体或个人财务活动的正式记录 |
| 10 | 地理空间数据（Geospatial data） | 带地理定位信息的数据，含矢量、栅格、地理参考编码与地名辞典 |
| 11 | 立法（Legislation） | 治理机构颁布的法律法规文本 |
| 12 | 建模数据（Modeled data） | 经 IHME 建模者预处理转换的原始输入数据，如年龄性别拆分 |
| 13 | 报告（Report） | 含估算或聚合数据的出版物（统计年鉴、公报等） |
| 14 | 科学文献（Scientific literature） | 同行评议期刊中载有健康相关数据的文章与论文 |
| 15 | 调查（Survey） | 基于特定人群样本的问题回答，反映行为、观点或特征 |
| 16 | 生命登记（Vital registration） | 登记出生、死胎、死亡、结婚、离婚的系统（行政数据的一个特定类型） |
这张表值得细看两处：
第一，Estimate 与 Modeled data 分属两类，且都明确写着「含 IHME 结果」。 这说明 IHME 把自己的估算产品也当作目录对象登记，而不是单列专区。这样做的效果是：GBD 估算和各国原始调查在同一个检索体系里，方便追溯"这个估算用了哪些原始数据"。
第二，Survey 与 Census 是分开的两类，Vital registration 与 Administrative data 是包含关系。 这种分类方式反映的是"数据怎么来的"，不是"数据讲什么"。做检索时按数据来源类型过滤，比按主题过滤更有效。
2.6 系列与系统：可比性的来源
官方对这两个概念有明确区分：
| 概念 | 定义 | 可比性 |
|---|---|---|
| 系列（Series） | 在一段时间内或若干地理区域，用相同或非常相似的方法与工具进行的数据收集活动 | 通常较高 |
| 系统（System） | 长期存在、使用相同或接近相同工具的数据收集体系，但可能没有标准化输出，或有多个标准化输出，或输出随时间显著变化 | 不确定 |
官方对"系列"的价值说得很直接：同一系列内的数据，通常比来自不同来源的数据更容易比较。
例子：一个民事登记系统可能对出生、婚姻、离婚、死亡有各自不同的标准化输出，也可能完全没有标准化输出。这就是"系统"与"系列"的差别——系统是持续采集的机制，不保证产出可比。
实用建议：做跨国比较研究时，优先在同一系列内选数据。这是 GHDx 结构里对研究设计最有帮助的一个字段。
2.7 与其他健康数据资源的定位差异
| 资源 | 核心内容 | 与 GHDx 的差异 |
|---|---|---|
| GHDx | 数据目录 + 可获取性分级 + 标准化引用 | 覆盖最广，唯一系统登记获取门槛 |
| IPUMS | 已 harmonized 的人口与健康调查微观数据 | 数据可直接用，但只覆盖其自有整合范围 |
| ICPSR | 社会科学数据档案 | 托管数据本身，健康只是其中一部分 |
| World Bank Data | 发展指标时间序列 | 指标级而非数据集级，粒度更粗 |
| WHO 各数据库 | 特定主题的全球数据（死亡率、GHED 等） | 主题专精，不跨领域编目 |
| GBD Results Tool | GBD 估算结果查询 | 是 GHDx 生态的一部分，只覆盖 IHME 产出 |
有一句判断规则可以记住：
要知道有什么 → GHDx；要直接拿清洗好的数据 → IPUMS / ICPSR；要几个指标的时间序列 → World Bank / WHO；要GBD 数字 → GBD Results Tool。
§3 导航层：四种进入方式
3.1 按国家
GHDx 首页与导航栏都提供"Countries"入口。按国家进入后，能看到该国所有已登记数据，可按类型、时间、获取门槛进一步筛选。
这是最符合研究直觉的路径：先定地理范围，再看有什么数据。
官方在该页列出了 200 余个国家与地区。需要注意的是，地区命名遵循特定口径，例如朝鲜写作 Democratic People's Republic of Korea，韩国写作 Republic of Korea，台湾写作 Taiwan (Province of China)。
3.2 按系列与系统
这是做纵向可比研究的最佳入口。
一个系列内部的数据通常用相同或高度相似的问卷与抽样方法，因此跨年份、跨国比较的效度更高。典型系列包括各类跨国调查项目、各国的人口健康调查系列等。
官方说明：GHDx 在这一版中计划补充更多"国内数据收集系列与系统"的信息，以形成某国可得数据的更完整图景。
3.3 按机构
按提供方（Organizations）浏览，回答的是"某个机构产出过哪些数据"。
这个路径在两种场景下有用：
- 追踪某机构的新发布（配合 Subscribe）
- 评估某机构数据的整体质量与覆盖范围
3.4 按关键词
关键词是跨类型、跨地理的横向检索维度。以 §1.3 的案例记录为例，其关键词是 Government health expenditures、Health aid、Personal health expenditures。
这三个词的组合方式值得注意：它们是主题词，不是字段值。也就是说，GHDx 的关键词不重复已有字段（地理、时间、类型都已各自成字段），只补充"这条数据讲什么"。因此关键词是唯一不能从结构化字段推导出来的检索维度。
关键词比数据类型更贴近研究主题，但覆盖不如类型体系系统化。建议的用法是：先用关键词找方向，再用数据类型和系列收敛。
§4 质量层：四级获取门槛
这是 GHDx 最实用的设计，也是全文的重点。
4.1 四级门槛的官方定义
在记录页上，会看到一个紫色按钮，按钮文字直接标明获取门槛。官方定义如下：
| 级别 | 官方原文含义 | 实际耗时 | 费用 |
|---|---|---|---|
| Microdata access: Download | 微观数据可下载，直接下载或通过可在一天内完成的简单注册 | ≤ 1 天 | 通常免费 |
| Microdata access: Register | 微观数据可下载，但注册流程超过一天 | > 1 天 | 通常免费 |
| Microdata access: Request | 微观数据需向提供机构特别申请，可能收费 | 数周至数月 | 可能收费 |
| Tabulations only | 微观数据不可得（或不适用），只能拿到汇总表（独立文件或报告内） | 视情况 | 视情况 |
这四级也可以作为检索过滤器使用。官方举例：搜 “family planning” 之后，再筛 Microdata access: Download，就只留下微观数据立即可得的结果。
4.2 一个必须注意的定义细节
Download 级的定义是"直接下载或一天内可完成的简单注册"。这意味着：
“Download” 不等于"无条件开放"。
它只保证"一天内能拿到"，不保证"不用注册"。这个区别在做自动化数据管道时是关键——如果你的流程假设"Download 级可无认证获取"，会在需要注册的条目上失败。
同样，Register 与 Request 的界线是"注册是否超过一天"，而不是"是否需要审批"。实际使用中，这两种都可能需要提交研究计划。
4.3 对研究设计的实际影响
四级门槛不是标签，它直接决定课题可行性。举个具体推演：
假设你要做一项覆盖 40 个国家的横断面比较研究，需要各国的入户调查微观数据。
| 情形 | 门槛分布 | 可行性判断 |
|---|---|---|
| A | 30 国 Download，10 国 Register | 可行，注册环节可并行处理，约 2-4 周 |
| B | 15 国 Download，15 国 Register，10 国 Request | 勉强可行，Request 部分需预留 3-6 个月并准备申请材料 |
| C | 5 国 Download，35 国 Request | 高风险，任何一国的申请失败都会破坏样本完整性 |
这就是为什么 GHDx 把获取门槛做成可筛选字段是有价值的：它让你在动笔写课题申请书之前，就能预判这项研究的现实成本。
4.4 许可：IHME 数据禁止商业使用
这是使用 GHDx 最容易踩的坑，必须单独说清。
IHME 自有数据的条款原文是：
Data made available for download by IHME can be used, shared, modified, or built upon by non-commercial users in accordance with the IHME FREE-OF-CHARGE NON-COMMERCIAL USER AGREEMENT.
关键点三个：
- “non-commercial users” —— 商业用途被明确排除。
- “free-of-charge” 指的是对非商业用户免费，不是"无任何限制"。
- 需单独申请商业授权 —— 官方指引是联系 IHME 询问商业使用。
这与 CC BY 4.0 这类许可有本质区别：
| 维度 | CC BY 4.0（如 Cellosaurus） | IHME 非商业协议（如 GHDx 内的 IHME 数据） |
|---|---|---|
| 商用 | 允许，只需署名 | 不允许，须单独授权 |
| 修改 | 允许 | 允许（非商业前提下） |
| 再分发 | 允许 | 允许（非商业前提下） |
| 署名 | 要求 | 要求 |
| 主要限制点 | 署名 | 用途 |
做产品、做 SaaS、做商业模型的团队，这一条是硬约束。 学术研究、政策分析、公益应用不受影响。
4.5 目录元数据 vs 数据本身：两层条款
一个容易混淆的点：GHDx 的目录元数据是开放浏览的，但条目所指的数据集各有各的条款。
第 1 层：目录元数据（提供方、时间跨度、摘要、引用……）
→ 开放浏览，无需许可
第 2 层：数据本身
→ 取决于提供方：IHME 数据（非商业）、DHS（注册）、
各国统计局（各有规定）、部分机构（收费）
这意味着：在 GHDx 里查到一条记录，不能推定该数据可用。 必须点开获取按钮，看它指向哪里、适用什么条款。
案例记录正好展示了这两层怎么落在同一个页面上：
上半页：Provider / Geography / Time period covered / Series / Data type / Summary
→ 第 1 层，目录元数据，开放浏览
下半页：Files (3) → Public files
Data Release Information Sheet 210.55 KB
Global Health Spending 1995-2023 [CSV] 1.03 MB
Codebook [CSV] 28.04 KB
→ 第 2 层入口，点下去才适用 IHME 非商业条款
注意措辞的精确位置：条款文字挂在文件区（Terms and conditions 紧接 Files (3)），而不是挂在页面顶部。GHDx 用版面位置表达了"这是数据本体的条款"。同一页面上，摘要、字段、引用都可以自由阅读引用，只有文件受条款约束。看错位置就会把整条记录当成受限资源，或者反过来把文件当成可以随意取用。
§5 工具层：GBD 生态与检索
5.1 GHDx 在 IHME 工具链中的位置
IHME 的几个主要工具分工明确：
| 工具 | 作用 | 与 GHDx 的关系 |
|---|---|---|
| GHDx | 目录：有什么数据、怎么拿 | 本条目 |
| GBD Results Tool | 查 GBD 估算结果（按地点、年龄、性别、年份、指标） | 结果的出口 |
| GBD Sources Tool | 追溯某个 GBD 估算用了哪些输入数据 | 直接调用 GHDx 的目录数据 |
| GBD Compare | 可视化比较 | 结果的展示层 |
其中 GBD Sources Tool 是 GHDx 最直接的应用：它回答"这个 GBD 数字是从哪些原始数据算出来的"，而答案就是 GHDx 里的一批记录。
这条链路解释了为什么 IHME 要把自己的 Estimate 和 Modeled data 也登记进 GHDx——只有登记了，才能在 Sources Tool 里被引用和追溯。
5.2 检索的实际做法
GHDx 没有公开 API。程序化获取需要注意两点：
第一，搜索路径对自动化访问有拦截。 直接请求 /search?ss=... 会返回 403 或 302。这不是故障，是站点的访问控制。
第二，单条记录页可直接访问。 记录页 URL 有稳定规律：
https://ghdx.healthdata.org/record/<机构slug>/<数据集slug>
例如：
https://ghdx.healthdata.org/record/ihme-data/global-health-spending-1995-2023-202609
因此，如果你已经通过其他途径拿到记录 URL 列表，逐条抓取是可行的：
# 抓取单条记录的元数据（字段名以页面实际结构为准）
curl -s -A "Mozilla/5.0" \
"https://ghdx.healthdata.org/record/ihme-data/global-health-spending-1995-2023-202609" \
-o record.html
第三，遵守 robots.txt。 该站点的 robots 文件明确限制部分路径。做批量抓取前应先读一遍，并保持合理频率。
5.3 从记录页提取关键字段的思路
记录页是标准 HTML，字段以「字段名 + 值」的相邻结构排列。以 §1.3 的案例页为例，实际的位置关系是：
Provider
Institute for Health Metrics and Evaluation (IHME)
Geography
Global
Coverage type
Global
Time period covered
01/1995 - 12/2023
Series or system
Financing Global Health (FGH)
Data type
Estimate
字段名占一行，值占下一行——这就是为什么可以不用 CSS 选择器。提取时的可靠做法是按字段名定位后取其后续节点：
import re, html, urllib.request
UA = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 Chrome/120 Safari/537.36"
def get_record(url):
req = urllib.request.Request(url, headers={"User-Agent": UA})
with urllib.request.urlopen(req, timeout=40) as r:
h = r.read().decode("utf-8", "ignore")
h = re.sub(r"<script.*?</script>", "", h, flags=re.S | re.I)
h = re.sub(r"<style.*?</style>", "", h, flags=re.S | re.I)
text = html.unescape(re.sub(r"<[^>]+>", "\n", h))
lines = [l.strip() for l in text.splitlines() if l.strip()]
out = {}
FIELDS = ["Provider", "Geography", "Coverage type",
"Time period covered", "Series or system", "Data type"]
for f in FIELDS:
if f in lines:
i = lines.index(f)
out[f] = lines[i + 1] if i + 1 < len(lines) else ""
return out
这段代码的关键是 lines.index(f) + 1：GHDx 的字段名与值在同一层级相邻出现，按这个规律取下一行即可，不需要依赖 CSS 选择器（页面结构变动时更稳）。
5.4 订阅：追踪新数据
GHDx 提供 Subscribe 功能，可在新条目发布时获得通知。
对做长期追踪的团队，这是比定期手工检索更可靠的方式。首页的"Recent"区域也列出最近新增的条目，可作为快速巡检入口。
§6 与库内条目的关系
6.1 库内相关条目图谱
| 关系 | 库内条目 | 关系性质 |
|---|---|---|
| 上下游 | GBD 相关条目 | GHDx 是 GBD 的输入数据目录，结果在 GBD Results Tool |
| 平行资源 | WHO GHO、World Bank、UNAIDS | 同为全球健康数据源，GHDx 为目录层 |
| 数据类型对应 | 各国调查类条目（DHS、MICS 类） | GHDx 为这些调查提供统一登记与引用 |
| 相邻目录 | IHME Results Tool 相关条目 | 同一机构的不同产品层 |
6.2 检索路径建议
| 你的起点 | 建议路径 |
|---|---|
| 某国卫生状况 | 按国家进入 → 按数据类型收敛 |
| 跨国可比调查 | 按系列与系统进入 → 在同一系列内选 |
| 某个 GBD 数字的来源 | GBD Sources Tool 反查 → 得到 GHDx 记录 |
| 要找某一主题的所有数据 | 关键词检索 → 用数据类型和获取门槛过滤 |
| 追某机构新数据 | 按机构浏览 + Subscribe |
6.3 互链建议
从本条目出发，读者最可能需要的三个方向：
- 要看 GBD 结果而非数据源 → GBD Results Tool
- 要中文语境下的国内健康数据 → 国家统计口径的一手来源
- 要可直接下载清洗好的微观数据 → IPUMS / DHS 程序
§7 质量评估与局限性
7.0 阅读本节前需要知道的一件事
评价 GHDx 时，最容易出现的框架错位是：用"数据仓库"的标准要求它。
如果按数据仓库看，GHDx 的缺陷一目了然：不托管数据、无 API、无法批量下载、条目质量参差。
但 GHDx 不是数据仓库。它的产品是**"知道有什么"这件事**。评价它应该用目录的标准：覆盖是否完整、字段是否够用、更新是否及时、引用是否规范。
这两种评价框架的差别，直接决定了你会觉得它"很有用"还是"很失望"。下面的评估按目录标准进行。
7.1 优点一：覆盖面的广度
官方自述是"世界上覆盖最全面的调查、普查、生命统计与其他健康相关数据目录"。这个定位的支撑点在于：
- 数据类型覆盖 16 类，从调查到立法、从地理空间到科学文献
- 地理覆盖 200 余个国家与地区
- 时间跨度上溯至 1950 年代（历史数据依赖 WorldCat 等资源补充）
对一个目录而言，广度是第一位的。漏掉的东西等于不存在。
7.2 优点二：获取门槛的登记
如 §4 所述，这是 GHDx 最有辨识度的设计。绝大多数数据目录只登记"数据是什么"，不登记"怎么拿到"。后者恰恰是研究可行性的决定因素。
7.3 优点三：引用标准化
GHDx 为每条记录提供建议引用，格式为：
Contributor. Title. City, Country: Publisher or Primary Distributor, Year Published.
官方对这条规则的说明体现了一种克制的诚实：
- 只列贡献者，不指定具体角色（因为"信息常常不可得或不清晰"）
- 出版信息缺失时不编造，而是说明"数据可能未发表，或原始出版信息不可得"
- 鼓励使用者补充访问日期与 URL
这种"承认不知道"的处理方式，比强行补全字段更可信。
7.4 局限性一：目录不等于可得
这是最大的使用风险。条目存在，不代表数据能拿到：
Request级可能被拒Tabulations only级根本没有微观数据- 部分条目的外部链接可能已失效
- 提供方可能已停止分发
实用建议：把 GHDx 当作"候选清单生成器"，拿到清单后逐条核实可得性，再定研究设计。
7.5 局限性二：无公开 API
对需要程序化访问的团队，这是硬障碍。可选的替代路径：
| 需求 | 替代方案 |
|---|---|
| 批量元数据 | 逐条抓记录页（URL 有规律，见 §5.2） |
| GBD 结果数据 | 用 GBD Results Tool 导出 |
| 指标时间序列 | 用 World Bank / WHO 的 API 替代 |
| 调查微观数据 | 直接对接 DHS / IPUMS 的 API |
7.6 局限性三：元数据更新滞后
记录页底部会显示「GHDx Entry last modified on: <日期>」。这个日期是判断元数据新鲜度的唯一依据。
在 §1.3 的案例记录里，底部相邻两行分别是 IHME data publication date: Sep 24, 2026 与 GHDx Entry last modified on: Sep 25, 2026。数据发布与目录登记相隔一天，同步是及时的。
但这个案例不能推广。它属于 IHME 自有数据，目录与数据出自同一机构，登记几乎不可能滞后。第三方数据集要走"从提供方获取信息 → 人工策展 → 录入"的链路，滞后可能达数月甚至数年——而这恰恰是最需要判断可得性的那一类条目。
引用前必须核对该日期。 看到一个两年前的"最后修改"日期，就应当假设该条目的获取方式可能已经失效，回原始提供方确认。
7.7 局限性四：不做质量评级
GHDx 只登记元数据，不评价数据质量。它不告诉你某次调查的抽样是否规范、某份登记数据的完整性如何。
这不是缺陷，是定位选择——但使用者必须自己补上这一层，通常靠阅读原始数据的方法学文档。
7.8 DAIMS 24 项数据就绪度评估
| # | 检查项 | 状态 | 说明 |
|---|---|---|---|
| 1 | 数据集目的明确 | ✅ | 目录定位，About 页明示 |
| 2 | 数据来源可溯 | ✅ | 每条记录标注提供方、资助方、出版方 |
| 3 | 采集方法说明 | ✅ | 数据类型定义页逐类说明 |
| 4 | 标注者信息 | ⚠️ | 未披露具体策展人，仅机构级 |
| 5 | 标注一致性 | ✅ | 标题公式 + 16 类封闭分类 + 四级门槛 |
| 6 | 版本控制 | ⚠️ | 无版本号体系，仅有"最后修改日期" |
| 7 | 许可明确 | ⚠️ | 目录与数据两层条款，需分别理解 |
| 8 | 访问方式 | ✅ | 网页检索 + 国家/系列/机构/关键词四入口 |
| 9 | 数据格式规范 | ✅ | 记录结构统一，字段固定 |
| 10 | 机器可读 | ❌ | 无公开 API，无 JSON/XML 端点 |
| 11 | 术语标准化 | ✅ | 数据类型、覆盖类型、地区名均受控 |
| 12 | 缺失值处理 | ⚠️ | 字段缺失即不显示，无显式标记 |
| 13 | 样本量披露 | ⚠️ | 目录层不披露样本量，须回溯原始数据 |
| 14 | 偏倚说明 | ⚠️ | 未讨论目录自身的收录偏倚（高收入国家数据更易被登记） |
| 15 | 局限性声明 | ⚠️ | 无集中式局限说明，散见于各帮助页 |
| 16 | 伦理声明 | ⚠️ | 目录层无伦理说明，须回溯各数据的伦理审查 |
| 17 | 隐私保护 | ✅ | 目录不含个体数据 |
| 18 | 使用建议 | ✅ | 帮助页含检索、下载、订阅指南与视频 |
| 19 | 引用规范 | ✅ | 提供标准化建议引用 |
| 20 | 维护承诺 | ✅ | 华盛顿大学 IHME 长期维护，持续新增条目 |
| 21 | 社区治理 | ⚠️ | 无公开的社区反馈机制 |
| 22 | 错误报告机制 | ✅ | 提供 Contact 与"引用有误请告知"入口 |
| 23 | 下游兼容 | ✅ | GBD Sources Tool 直接消费其目录 |
| 24 | 可复现性 | ⚠️ | 条目会更新但不留版本快照，复现须自行存档 |
评估总结：24 项中 12 项满足、1 项不满足（机器可读）、11 项部分满足。核心短板是机器可读性缺失（无 API）与版本快照缺失（条目原地更新，无历史版本可回溯）。这两点对做自动化、做可复现研究的团队影响最大。作为一个人工策展目录，它在覆盖与结构化程度上是合格的，但不能当作数据基础设施来依赖。
7.9 外部验证矩阵
| 验证维度 | 外部依据 | 结论 |
|---|---|---|
| 机构权威 | 华盛顿大学 IHME，全球健康测量领域主要机构 | ✅ |
| 产品关联 | GBD 研究是该领域引用量最高的健康测量工作之一 | ✅ |
| 上游依赖 | 从提供方直接获取元数据，并依赖 IPUMS、ICPSR、World Bank | ✅ |
| 领域采纳 | 全球健康研究的常用起点工具 | ✅ |
| 独立性 | 由 IHME 自建自用，同时收录第三方数据 | ⚠️ 存在自家产品优先的潜在偏倚 |
| 可持续性 | 依托大学与基金会资助（如 Gates Foundation） | ✅ |
其中"独立性"一项需要保留：GHDx 由 IHME 运营，而 IHME 自己的 GBD 估算也登记在同一目录中。这不构成问题（目录如实标注了提供方），但读者应知道目录方与被登记方存在机构重叠。
§8 版本与生态
8.1 更新节奏
GHDx 没有传统意义上的"版本号"，采用持续更新模式：
- 新条目随时加入
- 已有条目可被修改（页面显示"最后修改日期"）
- 首页"Recent"区列出最新加入的条目
这种模式适合目录类产品，但代价是无法回溯历史状态。若要引用某个时点的目录内容，须自行存档。
从首页 Recent 区可以看到当前的更新主题，例如：
- The Lancet Commission on 21st Century Threats to Health
- Burkina Faso, Ethiopia, Kenya and Nigeria Health Facility Readiness for Intrapartum Care Estimates 2008-2023
- Global Burden of Disease Study 2023 (GBD 2023) Human Resources for Health Estimates 1990-2023
- Global Expected Health Spending 2024-2050, September 2026
- Global Health Spending 1995-2023, September 2026 ← §1.3 的贯穿案例
- Development Assistance for Health Database 1990-2026, September 2026
从这批条目能看出 IHME 当前的两条主线：GBD 2023 系列的持续释放与卫生筹资（Health Financing）的年度更新。
8.5 从 Recent 区读出的三件事
把 §1.3 的案例条目放回这批更新里看，能读出三点在单条记录上看不到的信息：
第一，它是一次"成组发布"的一部分，不是孤立条目。 同一批里还有 Global Expected Health Spending 2024-2050 与 Development Assistance for Health Database 1990-2026，三条同属卫生筹资线，同一个 September 2026 后缀。这解释了 §2.2 摘要里那句话——“回顾性估算被用于预测 2024–2050 的 GDP 与前瞻性卫生支出”：回顾与预测是分两条记录发布的。 如果你只取到 1995-2023 这一条，拿到的只是另一半。
这是 GHDx 使用中一类很隐蔽的漏取：记录按"分发型式"建（§2.3），同一项研究的不同时间窗口、不同产出阶段各占一条，标题高度相似。按名称搜到一条就停手，很容易只拿到半套。 正确做法是搜到一条后，按"系列"字段（本例为 Financing Global Health (FGH)）再列一遍全系列。
第二，后缀 September 2026 就是它的版本标记。 前面说过 GHDx 没有版本号体系（§7.8 第 6 项），但 IHME 自有数据把发布月份写进了标题。这不是 GHDx 的规范，是提供方的习惯——它只对 IHME 数据成立，第三方条目未必如此。因此"用标题后缀判断版本"这个技巧不能通用。
第三，Recent 区反映的是维护方的当前工作重点，不是目录全貌。 这批条目几乎全是 IHME 自有估算与 GBD 衍生品，第三方调查、普查条目并未出现在这里。看到 Recent 区全是 IHME 产品，不能推断 GHDx 以自有数据为主——它只是说明这一段时间 IHME 在集中释放自己的成果。这正好呼应 §7.9 里保留的那条"独立性"判断：目录方与被登记方存在机构重叠，重叠会体现在更新节奏上。
8.2 为什么它存在：一句话的历史
GHDx 的诞生有一个很实际的原因。官方的表述是：
今天，研究者、政府机构与其他数据所有者在各自网站上提供数据访问。有些把数据交给社会科学数据档案与研究档案。而在很多情况下，数据根本没有被共享。
这三句话描述了健康数据领域的三分状态：一部分自建站、一部分存档案、大部分消失。 GHDx 要解决的就是这个碎片化问题——把"信息"集中起来，即使"数据"仍然分散在各处。
这是一个刻意的取舍：不试图把数据集中（法律与政治上都做不到），而是把"关于数据的信息"集中。 这个选择让 GHDx 绕开了数据所有权问题，同时获得了覆盖面。
8.3 为什么这种"只做索引"的定位能持续
三个支撑点：
第一，与 IHME 的核心业务绑定。 GHDx 不只是公益项目，它是 GBD 研究的基础设施——GBD 需要整合全球海量输入数据，这些数据的来源必须在 GHDx 里被登记、可追溯。目录是 GBD 方法学的组成部分，不是附属品。
第二，机构承载。 华盛顿大学 + IHME 的长期建制，加上基金会资助，使这种不直接产出论文的策展工作有存续基础。
第三，形成研究者习惯。 一旦成为"找健康数据的第一站"，它就有了网络效应——数据提供方愿意被收录（获得引用），研究者习惯来查（获得流量），循环自我强化。
8.4 与 GBD 的关系：互为表里
理解 GHDx 必须理解 GBD。
GBD（全球疾病负担研究）是一个持续更新的、覆盖 200 余国家地区的健康测量项目，输出疾病、伤害与风险因素的负担估算。它的方法论要求把所有可得的数据整合进统一的建模框架。
GHDx 在其中承担两个角色：
| 角色 | 说明 |
|---|---|
| 输入登记 | GBD 用到的每份数据都要在 GHDx 里有记录，供追溯 |
| 输出登记 | GBD 的估算结果本身也作为 Estimate 类记录登记 |
这就形成了一个闭环：原始数据 → GHDx 登记 → GBD 建模 → 结果回登 GHDx → Sources Tool 可追溯。 这个闭环是 GHDx 相比普通目录多出来的一层价值。
§9 使用指引
9.1 三种角色的使用路径
| 你是 | 建议路径 |
|---|---|
| 研究者（找数据） | 按国家或系列进入 → 用获取门槛筛掉拿不到的 → 逐条核实 → 定研究设计 |
| 数据工程师 | 抓记录页 URL 列表 → 逐条解析元数据（§5.3）→ 建本地索引；注意 robots 与频率 |
| 政策分析者 | 用 GBD Results Tool 取结果 → 用 GBD Sources Tool 看来源 → 需原始数据时回 GHDx |
9.2 一个实用的筛选流程
做跨国研究时的推荐流程：
1. 按「系列与系统」进入，选一个跨国可比的系列
（同一系列内的方法与问卷更接近，比较效度更高）
2. 记录该系列覆盖的国家清单
3. 逐条看「获取门槛」
├ Download / Register → 进入候选
└ Request / Tabulations only → 标记为高风险，单独评估
4. 核对每条的「时间跨度」
└ 确保有你要的年份，且各国年份口径一致
5. 核对「最后修改日期」
└ 太旧的元数据须回原始提供方确认
6. 用「建议引用」记录来源
└ 直接复制，不要自己拼
这个流程的关键在第 3 步：先按可得性筛，再按内容筛。 反过来做会浪费大量时间在拿不到的数据上。
9.3 许可合规检查清单
在把 GHDx 条目用于任何产出（论文、报告、产品、模型）之前，逐项确认：
| # | 检查项 | 不合格的后果 |
|---|---|---|
| 1 | 数据提供方是谁 | 决定适用哪套条款 |
| 2 | 是否 IHME 自有数据 | IHME 数据禁止商业使用 |
| 3 | 用途是商业还是非商业 | 商业用途须另行授权 |
| 4 | 是否需要署名 | 几乎所有条款都要求 |
| 5 | 是否有再分发限制 | 部分条款限制二次分发 |
| 6 | 是否有版本要求 | 引用时须注明版本与访问日期 |
9.4 GHDx 在 AI 数据准备流程中的位置
放在五段式流程里看：
| 阶段 | GHDx 的作用 |
|---|---|
| 1 采集 | 主要作用：找数据在哪、能不能拿 |
| 2 归一 | 提供标准化标题与地理范围，可作归一参考 |
| 3 质检 | 不提供质量评级，需自行评估 |
| 4 标注 | 不涉及 |
| 5 训练 | 不涉及 |
GHDx 集中在第 1 段，这与 Cellosaurus（第 2、3 段）形成互补。
一个值得注意的差别：GHDx 能帮你找到数据，但不能帮你判断这批数据能不能用来训练模型。 质量评估、标签一致性、时间泄漏这些工作，GHDx 一概不涉及。
9.5 常见的使用误区与纠正
| 常见做法 | 问题 | 正确做法 |
|---|---|---|
| 搜到就直接用 | 可能是 Request 级，拿不到 |
先看获取门槛 |
| 按名称取第一条 | 同一调查可能有多个分发型式 | 核对提供方与系列 |
| 以为 Download 级无需注册 | 定义含"一天内可完成的注册" | 预留注册时间 |
| 引用时自己拼 | 格式与官方建议不符 | 复制页面给出的建议引用 |
| 用 IHME 数据做商业产品 | 违反非商业条款 | 先申请商业授权 |
| 认为目录条目 = 数据可用 | 两层条款相互独立 | 点开获取按钮看条款 |
§10 AI 使用声明
| 项目 | 声明 |
|---|---|
| 数据性质 | 元数据目录，非原始数据；数据本体分散在各提供方 |
| 可否直接用于训练 | 可作为数据发现与来源登记表；不可作为训练特征源 |
| 建议用途 | 数据源调研、可行性预判、引用规范化、GBD 来源追溯 |
| 不建议用途 | 商业产品中的数据来源（IHME 数据禁止商用）；当作质量评级使用 |
| 伦理注意 | 目录不含个体数据；但所指数据集的伦理审查状态需回溯原始提供方 |
| 引用要求 | 引用具体数据集时使用其「建议引用」，不要引用 GHDx 首页 |
| 版本标注 | 无版本号，须注明「最后修改日期」与访问日期 |
| 页面状态 | published |
常见误读（避坑清单）
| 常见说法 | 实际情况 | 证据 |
|---|---|---|
| “GHDx 是一个可以下载数据的数据库” | 它是目录，多数条目只指向外部提供方 | About the GHDx：a data catalog created and supported by IHME |
| “Microdata access: Download 就是无条件开放” | 定义含「一天内可完成的简单注册」 | About Data Availability 原文 |
| “IHME 数据写着 FREE，所以能免费用” | FREE-OF-CHARGE 限定于非商业用户 | 记录页 Terms and conditions |
| “一个数据集在 GHDx 里应该只有一条记录” | 不同机构分发同一数据算不同数据集 | About Dataset Records：unique distributions |
| “按名称搜到第一条就用” | 同一调查可能有原始版与 IPUMS 重编码版 | 标题末尾带机构名（如 IPUMS） |
| “GHDx 有 API 可以批量取” | 无公开 API，搜索路径对自动访问有拦截 | 实测 /search 返回 403/302 |
| “目录里有条目就代表数据可用” | Request 级可能被拒，Tabulations only 无微观数据 | 四级门槛定义 |
| “标题是原文，可以直接引用” | 标题已被标准化为「地理范围-名称-年份」，全英文 | About Dataset Records：standardize all dataset titles |
| “GHDx 会评价数据质量” | 不提供任何质量评级 | 记录页无质量字段 |
FAQ
Q1：GHDx 和 GBD 是什么关系？
GBD 是一个研究项目，产出健康负担估算；GHDx 是该项目的输入数据目录，同时登记 GBD 的结果。GBD Sources Tool 让这条链路可追溯。
Q2：GHDx 一共有多少条记录？
官方未在 About 页或首页公布总数，站内也未提供可直接读取的总数计数。使用时建议按国家或系列分别统计，不要假设某个总量。
Q3：能写程序批量抓吗？
没有公开 API。搜索页对自动访问有拦截（返回 403/302），但单条记录页可直接访问且 URL 有规律。批量抓取前须读 robots.txt 并保持合理频率。
Q4：IHME 的数据到底能不能商用？
不能直接商用。条款限定非商业用户，商业使用须联系 IHME 单独申请。
Q5：Tabulations only 是什么意思？
微观数据不可得（或不适用），只能拿到汇总表——可能是独立文件，也可能在报告里。做个体层面分析的研究无法使用这类条目。
Q6：为什么同一个调查会有好几条记录？
因为 GHDx 按"分发型式"建记录。不同机构分发的版本（如原始版与 IPUMS 重编码版）算不同数据集。
Q7：Series 和 System 有什么区别？
系列是"用相同方法在一段时间或多个地区做的一组收集"，可比性通常较高；系统是"长期使用的采集机制"，输出可能不标准化或随时间变化。做比较研究优先用系列。
Q8：引用该怎么写？
直接用页面给出的建议引用，格式为 Contributor. Title. City, Country: Publisher, Year.。补充访问日期与 URL 更规范。
Q9：GHDx 里有中国的数据吗？
有，按国家可检索。但覆盖以国际可比口径为主，国内细分数据（分省年度统计）需去国家统计口径的一手来源。
Q10：元数据多久更新一次？
无固定节奏，持续更新。每条记录页底部有「GHDx Entry last modified on」日期，这是判断新鲜度的唯一依据。
Q11：GBD Sources Tool 怎么用？
在 GBD 结果里选定某指标/地区/年份后，用 Sources Tool 查看该估算引用的输入来源，其中多数会指向 GHDx 记录。这是追溯 GBD 数字来源的官方途径。
Q12：GHDx 能替代 DHS / IPUMS 吗？
不能。GHDx 是目录，DHS 与 IPUMS 是数据提供方。正确用法是：在 GHDx 里发现某调查 → 跳转到 DHS/IPUMS 取数。
术语表
| 术语 | 含义 |
|---|---|
| GHDx | Global Health Data Exchange，全球健康数据交换（目录） |
| IHME | Institute for Health Metrics and Evaluation，健康测量与评估研究所，隶属华盛顿大学 |
| GBD | Global Burden of Disease，全球疾病负担研究 |
| Record（记录） | GHDx 中一个数据集的目录条目 |
| Distribution（分发型式） | 同一数据由不同机构分发所形成的独立版本 |
| Series（系列） | 一段时间或多地区、用相同方法做的一组数据收集 |
| System（系统） | 长期存在、工具相近但输出未必标准化的采集机制 |
| Microdata（微观数据） | 个体层面的原始记录，区别于汇总表 |
| Tabulations（汇总表） | 已聚合的统计表，不含个体记录 |
| Coverage type（覆盖类型） | 数据的地理覆盖口径（全球/区域/国家/次国家） |
| Estimate（估算） | 独立存在的估算值，含 IHME 建模结果 |
| Modeled data（建模数据） | 经建模处理转换后的输入数据（如年龄性别拆分） |
| DAH | Development Assistance for Health，卫生发展援助 |
| GHED | Global Health Expenditure Database，全球卫生支出数据库（WHO） |
| DHS | Demographic and Health Survey，人口与健康调查项目 |
| IPUMS | 明尼苏达人口中心的数据 harmonization 项目 |
| ICPSR | 社会科学数据档案库 |
| DAIMS | Datasheets for AI and Medical Datasets，数据集文档化框架（本文用于评估） |
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 名称 | GHDx（Global Health Data Exchange） |
| 中文 | 全球健康数据交换 / 全球健康数据目录 |
| 维护机构 | 华盛顿大学 IHME |
| 地址 | https://ghdx.healthdata.org |
| 定位 | 健康数据目录（非数据仓库） |
| 数据类型 | 16 类 |
| 地理覆盖 | 200 余个国家与地区 |
| 获取分级 | 4 级（Download / Register / Request / Tabulations only） |
| 标题规范 | 地理范围 - 名称 - 年份（全英文） |
| 引用格式 | Contributor. Title. City, Country: Publisher, Year. |
| 许可 | 目录开放；IHME 数据禁止商业使用 |
| API | 无 |
| 关联工具 | GBD Results Tool、GBD Sources Tool、GBD Compare |
| 更新模式 | 持续更新，无版本号 |
附录 B：16 类数据类型速查
| 类型（英） | 类型（中） | 一句话 |
|---|---|---|
| Administrative data | 行政数据 | 机构为行政/服务目的留存的记录 |
| Census | 普查 | 对人口的完整清点 |
| Demographic surveillance | 人口监测 | 长期监测生命事件与迁移（通常次国家级） |
| Disease registry | 疾病登记 | 集中收集特定诊断患者信息 |
| Environmental monitoring | 环境监测 | 气候与环境测量 |
| Epi surveillance | 流行病学监测 | 持续收集分发公共卫生数据（被动/主动/哨点） |
| Estimate | 估算 | 独立估算值，含 IHME 结果 |
| Event data | 事件数据 | 特定时期发生的事件 |
| Financial record | 财务记录 | 实体财务活动记录 |
| Geospatial data | 地理空间数据 | 带定位信息的数据 |
| Legislation | 立法 | 法律法规文本 |
| Modeled data | 建模数据 | 经建模转换的输入数据 |
| Report | 报告 | 含估算或聚合数据的出版物 |
| Scientific literature | 科学文献 | 期刊论文 |
| Survey | 调查 | 基于样本的问题回答 |
| Vital registration | 生命登记 | 出生死亡婚姻离婚登记 |
附录 C：GBD 生态中的位置
| 环节 | 工具 | 输出 |
|---|---|---|
| 数据发现与登记 | GHDx | 数据集目录记录 |
| 建模 | GBD（方法学） | 负担估算 |
| 结果查询 | GBD Results Tool | 按地点/年龄/性别/年份/指标的数值 |
| 来源追溯 | GBD Sources Tool | 某估算引用的输入数据清单（指向 GHDx） |
| 可视化比较 | GBD Compare | 交互图表 |
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- brfss — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 调查数据
- wuenic-immunization — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康 / 调查数据
- dhs-program — 共享标签：公共卫生与流行病学 / 全球健康 / 调查数据
- usda-fooddata-central — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 调查数据
- who-gho — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- who-sti-prevalence-atlas — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- share — 共享标签：公共卫生与流行病学 / 全球健康 / 调查数据
- hmd — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- global-burden-of-disease — 共享标签：公共卫生与流行病学 / 全球健康
- our-world-in-data — 共享标签：公共卫生与流行病学 / 全球健康
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
