信息速览
JPHC 是「Japan Public Health Center-based Prospective Study」的缩写，中文常译作日本公共卫生中心前瞻性研究，日文正式名为多目的コホート研究。它由国立癌症研究中心与全国十一处保健所共同实施，1990 年在五处辖区启动第一个队列、1993 年在另外六处辖区启动第二个队列，合计约十四万名 40 至 69 岁居民，计划随访三十年。
它和多数被称作数据集的东西不一样：没有下载页，没有 API，没有一个可以 ls 出来的文件目录。它是一群人加一段时间——同一批人在三十年前回答过的问卷、在健诊时留下的血清、以及此后每一年被登记下来的死亡与发病。想用它，唯一的路是提交研究计划、通过审查、成为共同研究的一方。
因此理解它的关键不在「有多少条记录」，而在三件事：两个队列各自圈定了哪些人，问卷与采血在哪几个时点发生，以及哪些东西它明确没有。下面先给一屏速览，再逐层拆开。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全称 | Japan Public Health Center-based Prospective Study（多目的コホート研究） |
| 维护方 | 国立癌症研究中心 がん対策研究所 预防相关项目 |
| 队列Ⅰ | 1990 年基线，五处辖区，40–59 岁，约六万人 |
| 队列Ⅱ | 1993 年基线，六处辖区，40–69 岁，约八万人 |
| 合计 | 约十四万人，十一处保健所辖区 |
| 抽样框 | 市町村住民基本台账，按年龄段全数抽取 |
| 问卷 | 基线、第五年、第十年三轮大型调查；官方概要记作每五年一轮、共四轮 |
| 采血 | 借地域健诊与职域健诊完成，约六万人留样，血清冻存 |
| 健诊数据 | 血压、身高体重、血液生化等，仅参加健诊者有 |
| 结局 | 死亡、癌症发病、脑卒中、心肌梗死、居住地异动 |
| 随访 | 计划三十年；循环器疾患登记在二十年处终止 |
| 数据可得性 | 不开放下载，须共同研究申请 |
| 申请资格 | 限符合研究实施条件的日本国民 |
| 审查 | JPHC 运营委员会 + 国立癌症研究中心伦理审查委员会 |
| 基因组 | 含全基因组解析，但不含葛饰与吹田两处都市子队列 |
§1 它要解决的具体麻烦
1.1 日本人的饮食与疾病，缺的是「先记下来，再等结果」
营养流行病学的核心困难不是统计方法，而是时间顺序。想知道某种吃法会不会导致某种病，最干净的做法是在人还没病的时候把吃法记下来，然后等十年二十年，看病历上出现了什么。横断面调查做不到这一点，它只能同时看到吃法和疾病，分不清谁在前。
日本在这一点上有过很长一段空白。战后到八十年代，本土的饮食数据多来自家庭收支调查与国家营养调查，能回答「日本人平均吃了多少盐」，回答不了「吃盐多的那部分人后来得了什么」。而当时可用的前瞻队列大多来自欧美，那些队列里的人吃的是面包、黄油与红肉，与日本的米饭、大豆、鱼与腌菜不是同一套暴露结构。把欧美的剂量反应曲线直接搬到日本，等于用一个错误的自变量去解释一个真实的结局。
JPHC 就是为了填这个空。它的设计目标写在官方概要里：用问卷、保存血液、健诊数据与居住地环境信息，去对照二十年以上的死亡与发病记录，找出生活方式中的预防因素与危险因素。换句话说，它不追求在某个时点拍一张清晰的横断面照片，它追求的是把同一批人拍成一条长胶片。
这条长胶片的价值有一个直接证据：它让「日本型饮食」成为一个可以被量化检验的对象。大豆与异黄酮、鱼与 n-3 脂肪酸、盐与腌制品、绿茶，这些在日本摄入量远高于欧美的食物，只有在日本人群的前瞻队列里才有足够的暴露变异去估计风险。
1.2 三条常见的错误期待
| 常见期待 | 实际情况 |
|---|---|
| 以为它是一个可以下载的开放数据集 | 没有下载入口，数据与样本只能通过共同研究申请获得 |
| 以为十四万人都有血、都有健诊、都答满了问卷 | 采血约六万人，健诊数据只覆盖参加健诊者，三轮问卷全答的约七万八千人 |
| 以为它是一个统一的、同质的队列 | 两个队列年龄段不同，另有葛饰与吹田两处都市子队列，招募方式与地域队列不同 |
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 日本人群的长期饮食暴露与发病关联 | 三轮回访问卷加三十年结局登记 | 够，这是它的主场 |
| 基线血清中的营养素、激素、抗体、炎症标志物 | 约六万人的冻存血清，可按嵌套病例对照设计检测 | 够，但须另立研究计划 |
| 一套可直接训练的中文或英文表格 | 无。交付形态是审查通过后的匿名化集团数据 | 不够，需先走申请 |
| 全体参加者的体检指标 | 只有参加过健诊并有记录的那部分 | 不够，缺项无法补 |
| 队列中每一位个体的原始问卷影像 | 不对外提供 | 不够 |
| 全基因组数据 | 有，但葛饰与吹田的参加者被排除 | 部分够，须核对自己要的辖区 |
| 随访到今天的循环器疾患新发病例 | 循环器登记在二十年处终止 | 不够，癌症方向仍可用 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 要研究日本人盐摄入与胃癌的关联 | 有基线问卷的盐摄入估计与三十年癌症登记 | 申请问卷数据与癌症结局，按辖区与队列分层 |
| 要找一个日本人群的暴露分布做先验 | 官方公开的问卷全文可以先看题目结构 | 先读问卷 PDF，再决定是否需要申请个体数据 |
| 要做血清营养素与某癌种的嵌套病例对照 | 有冻存血清与完整随访，可挑病例与对照 | 提交含检测项目清单的研究计划 |
| 要找一个人群队列做外部验证 | 可作外部验证集，但不提供模型接口 | 以共同研究形式谈数据交付范围 |
| 要做一个跨国的东亚饮食比较 | 与台湾、韩国的行政数据口径不同，难以直接拼接 | 先统一暴露定义，再谈合并 |
| 要给产品做「日本人膳食指南」背书 | 队列结论属于研究结论，不是产品依据 | 引用论文，不要引用队列本身 |
1.5 一句话判断
如果你要的是日本人群里「吃法—疾病」这条时间链上的原始证据，JPHC 是绕不开的一站；如果你要的是一份能立刻读进内存的表，它给不了，因为它从一开始就不是那样交付的。
1.6 不适合谁：四条边界
第一，不适合需要开放下载的人。它的官方页面没有数据目录，只有申请指引。任何声称能直接下载 JPHC 个体数据的渠道，都不是官方渠道。
第二，不适合把十四万当作样本量直接做统计功效计算的人。真正有血清的约六万，三轮问卷全答的约七万八千，具体到某个暴露变量、某个辖区、某个随访窗口，可用人数还会再降一层。
第三，不适合非日本研究机构。官方写明申请人须为符合研究实施条件的日本国民，这一条把多数海外团队挡在门外。海外研究者现实的路径是找日方合作者，以共同研究的形式参与。
第四，不适合需要近期循环器事件的人。循环器疾患的登记在随访二十年处结束，此后只继续追踪死亡与癌症。想要 2010 年之后的脑卒中发病数据，这一队列给不了。
§2 数据构成与规格
2.1 两个队列，不是一个大队列
把 JPHC 说成「一个十四万人的队列」是最常见的简化，也是最多误解的来源。官方把它写成两个队列，二者的基线年份、辖区数、年龄段都不同。
| 项目 | 队列Ⅰ | 队列Ⅱ |
|---|---|---|
| 启动年份 | 1990 年 | 1993 年 |
| 辖区数 | 五处 | 六处 |
| 年龄段 | 基线时 40–59 岁 | 基线时 40–69 岁 |
| 人数 | 约六万人 | 约八万人 |
| 地域队列抽样 | 1989 年末在册的该年龄段全体居民 | 1992 年末在册的该年龄段全体居民 |
| 都市子队列 | 东京葛饰区，1990–1994 年间 40 岁与 50 岁健诊参加者 | 大阪吹田市，两套招募方式并行 |
| 大型问卷轮次 | 基线、第五年、第十年 | 基线、第五年、第十年 |
这张表里最容易被忽略的是年龄段的差别。队列Ⅰ的基线年龄上限是 59 岁，队列Ⅱ 放到 69 岁。这意味着把两者合并时，同一「基线年龄」在队列Ⅱ里对应的人更多，而队列Ⅰ在随访后期已经整体进入高龄段。任何按年龄分层的分析，都必须先决定是分层处理还是按队列分别建模。
2.2 十一处辖区清单
官方研究方法页给出了每一处辖区的都道府县、保健所名称与所含市町村。行政区划在三十年里经历过合并，页面同时标注了现名与旧名，这一点在拼接地理变量时很关键。
| 队列 | 都道府县 | 保健所辖区 | 页面标注的旧名 | 类型 |
|---|---|---|---|---|
| Ⅰ | 岩手 | 二户 | — | 地域 |
| Ⅰ | 秋田 | 横手 | — | 地域 |
| Ⅰ | 长野 | 佐久 | — | 地域 |
| Ⅰ | 冲绳 | 中部 | 旧石川 | 地域 |
| Ⅰ | 东京 | 葛饰 | 旧东京都葛饰 | 都市 |
| Ⅱ | 茨城 | 水户 | 旧笠间 | 地域 |
| Ⅱ | 新潟 | 长冈 | 旧柏崎 | 地域 |
| Ⅱ | 长崎 | 上五岛 | 旧有川 | 地域 |
| Ⅱ | 高知 | 中央东 | 旧土佐山田 | 地域 |
| Ⅱ | 冲绳 | 宫古 | — | 地域 |
| Ⅱ | 大阪 | 吹田 | — | 都市 |
十一处辖区里，九处是地域队列，两处是都市子队列。地域队列从住民基本台账上按年龄段全数抽取，都市子队列则与健诊挂钩：葛饰取的是 1990 至 1994 年间参加区里 40 岁或 50 岁健诊的人，吹田更复杂，一套来自国立循环器病研究中心的选择性健诊随机抽样，另一套来自吹田保健所 1993 年度的市町村综合健诊。
这个结构差异不是细节。地域队列代表的是「某个年龄段的全体居民」，都市子队列代表的是「愿意参加健诊的居民」。后者的健康意识与前者不同，吸烟率、饮酒率、就医行为都会有系统性差别。官方在说明全基因组解析时特意把葛饰与吹田排除在外，也从侧面承认了这两处的特殊性。吹田的两套招募方式如何叠在一起，见 §4.6 的案例。
2.3 四轮问卷与两次采血
问卷是这条队列的主干。官方研究对象概要页写「每五年一次问卷、共四轮」，研究方法页则把基线、第五年、第十年三次称为大型调查，并说明第十一年起不再做与基线同规模的大调查，改为简易问卷与健康状况确认。两处表述并不冲突，前者计的是全部轮次，后者计的是大型轮次。
| 时点 | 内容 | 官方口径 |
|---|---|---|
| 基线 | 健康づくりアンケート，自填，含健康状态、吸烟饮酒、饮食、职业 | 全体发放 |
| 第五年 | 第二次问卷，食物摄入改为半定量，并补五年内的发病信息 | 大型调查 |
| 第十年 | 第三次问卷 | 大型调查 |
| 第十一年起 | 简易问卷与健康状况确认 | 不再做同规模调查 |
采血发生在两个时点。基线采血借老人保健法基本健康诊查与劳动安全卫生法定期健康诊查的机会完成，第五年复调后一年再采一次。官方说明约十四万参加者中约六万人提供过血液样本，血清冻存于国立癌症研究中心；论文口径进一步给出，两次都留样者约两万三千人。
采血这件事有一个结构性后果：它不是随机的。愿意做健诊的人、居住在健诊覆盖率高的市町村的人、在职域有定期体检的人，留样概率更高。因此血清子集不能简单当作全体参加者的随机样本，做嵌套病例对照时要在同一批留样者内部选对照，而不是从全体里选。
2.4 变量分成六块
把官方各处零散描述的字段归并，JPHC 的可分析内容大致分六块。这六块的数据来源、覆盖范围、获取难度都不一样，申请时要分开写明。
| 块 | 内容 | 来源 | 覆盖 |
|---|---|---|---|
| 生活方式 | 吸烟、饮酒、饮食、体力活动、睡眠、职业、婚姻 | 自填问卷 | 基线全体，逐轮回访 |
| 健诊数据 | 血压、身高体重、腰围、血脂、血糖、肝功 | 市町村健诊与职域健诊 | 仅参加健诊者 |
| 保存血液 | 生化指标、营养素、激素、抗体、炎症标志物、脂肪酸 | 冻存血清，按研究计划检测 | 约六万人 |
| 结局 | 死亡与死因、癌症发病、脑卒中、心肌梗死、转出 | 住民票、死亡小票、癌症登记、医疗机关报告 | 全体随访 |
| 基因组 | 全基因组解析与基因多态性 | 保存血液 | 不含葛饰与吹田 |
| 环境与社会 | 居住地信息、大气污染卫星数据、介护保险信息、肿瘤组织 | 外部数据链接 | 按研究计划 |
六块之中，生活方式与结局是骨架，健诊与血液是加深，基因组与环境是外挂。多数已发表的分析只用到前两块，这也是为什么官方反复强调「问卷加随访」是这个队列的基本盘。
2.5 一条记录的解剖
把一名参加者在数据里的样子摊开，可以看清纵向结构。下面是一段示意，字段名按官方文档的描述归纳，不是真实的变量名。
#-- 一名参加者的纵向记录（示意，字段按官方描述归纳）
id = 匿名化参加者编号
area = 保健所辖区代码（十一处之一）
cohort = I 或 II
sex, birth = 性别、出生年
q_baseline = 基线问卷（吸烟/饮酒/饮食/职业/病史）
exam_baseline = 基线健诊（血压/身高体重/血脂/血糖）—— 参加健诊者才有
serum_baseline= 基线血清（冻存，未检测时为空白）
q_5y = 第五年问卷（半定量食物频率）
serum_5y = 第五年血清 —— 两次都留样者才有
q_10y = 第十年问卷
death = 死亡日期与死因 —— 随访期内死亡者才有
cancer = 癌症发病部位与诊断日期 —— 随访期内发病者才有
cvd = 脑卒中/心肌梗死发病与诊断日期 —— 二十年登记期内
move = 转出日期与转出地
这张示意说明了一件事：JPHC 的记录天然是稀疏的。有人只有基线问卷，有人有三轮问卷但没有血，有人有血但没有健诊数据。分析时不能假设「一行就是一条完整记录」，必须在每个分析里显式声明哪些字段非空。
2.6 三个数字为什么各不相同
官方页面与论文里出现的「十四万」「十三万」「七万八千」「六万」「两万三千」指的是不同的东西，混用会直接导致样本量误判。
| 数字 | 含义 | 来源层级 |
|---|---|---|
| 约十四万 | 两个队列的参加者总数 | 官方概要 |
| 约十三万 | 三轮问卷中至少答过一轮的人数 | 论文 |
| 约七万八千 | 三轮问卷全部作答的人数 | 论文 |
| 约六万 | 至少留过一次血清的人数 | 官方说明与论文一致 |
| 约两万三千 | 两次采血都留样的人数 | 论文 |
这五个数字构成一条逐级收窄的漏斗。写方法学时如果只写「十四万人」，审稿人一定会问血清子集多大；如果只写「六万人」，又会低估问卷分析的样本量。正确做法是按分析内容分别引用对应那一层。
§3 它的身份：谁的队列，对谁负责
3.1 名字里的三个词
日文名「多目的コホート研究」直译是多目的队列研究，英文名把「基于保健所」写进了标题。三个词各有含义：「多目的」指一次基线可以支撑多种结局的研究，不限定单一疾病；「コホート」指前瞻随访，不是横断面；「保健所」指组织单元，不是医院、不是保险数据库。
中文语境里常见的译名是日本公共卫生中心前瞻性研究。这里的「公共卫生中心」就是日本的保健所，负责辖区内的公卫事务，包括结核、感染症、母子保健与老人健诊。把保健所当作招募与随访的节点，是这套设计能覆盖「全体居民」而不是「就诊患者」的根本原因。
3.2 维护方与资金结构
JPHC 由国立癌症研究中心がん対策研究所的预防相关项目主持，与十一处保健所、国立循环器病研究中心、大学、研究机构与医疗机构共同实施。资金结构在三十年里换过一次：2009 年度以前是厚生劳动省癌症研究助成金的指定研究班，研究代表为津金昌一郎；2010 年度起改由国立癌症研究中心的研究开发费支持，研究代表先后为津金昌一郎与泽田典絵。
这次换轨对使用者有一个实际影响：早期论文的方法学描述里会出现「厚生劳动省研究班」的字样，近期论文则写「国立癌症研究中心」。同一个队列、同一批人、同一套数据，只是资助方与研究代表变了。做系统检索时不能把两种署名的文献当成两个队列。
3.3 为什么组织单元是保健所
以保健所为节点，带来三个别处不容易同时具备的条件。
一是抽样框干净。地域队列直接从市町村住民基本台账按出生日期抽取该年龄段的全体居民，不是从选民册、不是从保险理赔、也不是从医院就诊记录。台账覆盖的是「住在那里的人」，与是否生病、是否就医无关，这是人群代表性的基础。
二是随访有行政抓手。住民票记录了转出与转入，死亡小票记录了死因，这两样东西让「失访」在日本变得相对可控。死亡确认不完全依赖家属回报，这一点在前瞻队列里是稀缺条件。
三是健诊数据可以顺路采集。日本的老人保健法基本健康诊查由市町村实施，职域另有劳动安全卫生法规定的定期健康诊查。JPHC 没有另建体检系统，而是借这两个既有系统采血与取数。成本低、覆盖面广，代价是覆盖率受健诊参加率约束——这正是「十四万参加者里只有六万人留血」的成因。
3.4 对谁负责：三种责任边界
| 责任对象 | 它承担的部分 | 它不承担的部分 |
|---|---|---|
| 参加者 | 匿名化处理、可随时退出、结果以集团形式反馈 | 不向个人回报体检结果 |
| 共同研究者 | 提供经审查批准范围内的数据与样本 | 不提供原始问卷影像，不承诺无限次追加 |
| 学术共同体 | 公开研究计划、公开问卷全文、公开论文清单 | 不公开个体数据，不提供可复现的数据快照 |
第三条边界值得说明。多数开放数据集用「版本号加下载」来保证可复现，JPHC 用「公开研究计划加公开论文」来替代。使用者能核对的不是原始数据，而是别人做过的分析用了什么变量、什么随访窗口、什么排除标准。这种可复现性弱于开放数据，但强于完全黑箱。
3.5 三条坐标轴
理解 JPHC 需要三条轴：人、时间、地理。
人这条轴上，十四万被切成若干层：两个队列、十一处辖区、两处都市子队列、留血与不留血、三轮问卷全答与只答一轮。任何分析都落在其中某一格里。
时间这条轴上，基线不是同一天。队列Ⅰ 1990 年启动，队列Ⅱ 1993 年启动；葛饰的招募横跨 1990 到 1994 年；吹田的两套子队列分别在 1989 至 1992 年与 1993 年度完成筛选。所谓「基线」是一个窗口，不是一个时点。
地理这条轴上，十一处辖区从东北到九州、从冲绳到北海道以外的本州中部，饮食结构与生活方式差异很大。官方在设计时就有意让辖区分散以覆盖不同饮食带，代价是任何全国合并的估计都混合了异质的地区暴露。
§4 它的手艺：怎么在三十年里把人跟住
4.1 基线怎么把人招进来
地域队列的做法是「全数发放」：从住民基本台账取该年龄段全部在册居民，逐个寄问卷，不回访不追加，答了就算参加。这种做法没有招募广告、没有激励、没有筛选，应答率取决于问卷设计与寄送方式，而不取决于谁更积极。
都市子队列的做法相反。葛饰取的是参加区里 40 岁或 50 岁健诊的人，吹田一套来自国立循环器病研究中心的选择性健诊随机抽样（按性别与十岁年龄组分层），另一套来自吹田保健所 1993 年度的市町村综合健诊。参与者本来就是「会去健诊的人」。
两种招募方式并存，是 JPHC 最容易被误读的结构特征。把葛饰、吹田与九处地域辖区混在一起算总应答率、总吸烟率，得到的数字既不代表全体居民，也不代表健诊参加者，而是两者的加权平均，权重还取决于各辖区的人数。
4.2 问卷：从定性到半定量
基线问卷叫「健康づくりアンケート」，自填式，覆盖健康状态、吸烟与饮酒、饮食、职业。基线版的饮食部分是定性或粗略定量的，能回答「吃不吃、常不常吃」，回答不了「吃了多少克」。
第五年问卷的主要改进就在这里：把食物摄入改成半定量的食物频率问卷，能估计各类食物的日常摄入量，同时补问过去五年内的发病情况与生活方式变化。第十年再复调一次，用来捕捉更长期的变化。
这个演进顺序有一个方法学后果：想做剂量反应分析，基线问卷的饮食变量精度不够，通常要用第五年或第十年的半定量数据；但用第五年数据时，暴露测量点已经晚于基线五年，前五年的发病不能算作结局。研究设计必须在这两者之间做取舍。
4.3 血液：六万人、冻存、嵌套病例对照
血清是这个队列最值钱的实物资产。采集依附健诊，离心分装后冻存于国立癌症研究中心，此后按研究计划分批检测。官方公布的已批准研究计划里，检测项目覆盖幽门螺杆菌与 CagA 抗体、胃蛋白酶原、维生素与类胡萝卜素、多酚、叶酸、脂肪酸、高敏 C 反应蛋白、同型半胱氨酸、性激素与性激素结合球蛋白、IGF、环境雌激素等。
用法基本是嵌套病例对照：在留血者内部，把随访期内发病的人当病例，按年龄、性别、辖区、采血时间匹配对照，再检测基线血清。这种设计的好处是暴露测量早于发病，坏处是只能回答「基线的那一个时点」，回答不了暴露的长期变化。
冻存时间跨度接近三十年，这是必须写进局限的一条。不同年代的检测批次、不同试剂盒、不同仪器，都会在指标上留下痕迹。官方对此的处理方式是按研究计划分批检测并在批次内比较，而不是把三十年的检测值当成一条连续序列。
4.4 结局怎么被确认
四类结局，四条确认路径。
死亡走两条线：住民票的异动记录用于确认是否仍在辖区，死亡小票用于确认死因。后者在日本由市町村保管，经审查后可查阅，死因按 ICD 编码归类。
癌症走癌症登记。早期依赖地域癌症登记与医疗机构报告，2016 年起日本全国癌症登记运行，官方页面明确说明已利用全国癌症登记信息。诊断日期与部位是核心字段。
循环器疾患走医疗机构报告与登记，覆盖脑卒中与心肌梗死。官方概要写明这一块的登记在随访二十年处终止，此后的新发病例不再系统采集。
转出走住民票。转出者不被剔除，而是继续通过转入地或登记链接追踪，这也是日本队列失访率相对低的原因之一。
4.5 随访的两次延长
原始设计是十年。第十一年时点，研究方决定再延十年，理由是十年内的结局数量不足以支撑分病种分析；延长后不再做与基线同规模的大调查，只做简易问卷与健康状况确认。此后官方概要把整个计划写成三十年。
三十年这个数字要谨慎使用。它是计划随访期，不是每一类结局都覆盖三十年：循环器疾患在二十年处截止，癌症与死亡继续，问卷在第十年后改为简易形式。写「随访三十年」时如果不加限定，容易被理解成所有变量都跟到了今天。
4.6 案例：吹田市，一个辖区里的两套人
吹田是理解 JPHC 结构的最好样本，因为它把三种复杂性叠在了一处。
第一层是招募。吹田有两套并行的子队列：一套是国立循环器病研究中心在 1989 年 4 月至 1992 年 4 月间，从吹田市住民基本台账按性别与十岁年龄组分层随机抽取、并在 1993 年 4 月 1 日确认仍在册的 30 至 69 岁居民；另一套是吹田保健所辖下、在 1993 年 4 月至 1994 年 3 月间迎来 40 岁或 50 岁生日的市町村综合健诊参加者。
第二层是年龄。第一套子队列的入选年龄下限是 30 岁，比队列Ⅱ 的 40 岁更低。这意味着吹田的一部分参加者在基线时不满 40 岁，做按年龄分层的分析时必须单独处理。
第三层是基因组。官方说明全基因组解析的适用范围时，明确排除葛饰与吹田的参加者。也就是说，吹田的人有问卷、有健诊、可能有血清，但没有全基因组数据。
三层叠起来，结论很直接：吹田不是一个可以与其他辖区直接合并的样本。用吹田做饮食分析可以，用吹田做基因组关联不行；把吹田与九处地域辖区合并算发病率可以，但要把年龄结构差异处理掉。这个案例在后面的取数路径与局限章节里还会被引用。
§5 怎么拿到：没有下载键的取数
5.1 四条路径，只有一条通向个体数据
| 路径 | 能拿到什么 | 是否需要审查 | 适用对象 |
|---|---|---|---|
| 官网公开页 | 研究概要、问卷全文、研究计划、研究新闻、论文清单 | 否 | 所有人 |
| 已发表论文 | 分析结果、变量定义、排除标准、样本量 | 否 | 所有人 |
| 共同研究申请 | 匿名化个体数据、保存血清 | 是，两级审查 | 日本国民为主 |
| 数据二次利用 | 依原研究计划约定 | 是 | 已获批的共同研究者 |
前两条路径经常被低估。问卷全文以 PDF 公开，基线、第五年、第十年的日文版与部分英文版都能直接下载；研究计划也按批次公开在网站上。想知道某个暴露变量是怎么问的、有哪些选项、是否分季节，读问卷比读论文准确。
5.2 申请链条：两道门
官方的表述很简洁：研究者以共同研究的形式获得数据与生物样本的访问权，前提是 JPHC 运营委员会批准、国立癌症研究中心伦理审查委员会批准。申请人须提交研究计划，写明研究问题、目的、背景、设计与分析方案。
两道门的分工是：运营委员会看的是「这个研究值不值得用这批数据做、会不会与在研项目重复、样本量是否够」，伦理委员会看的是「参加者的同意范围是否覆盖这项使用、风险是否可控」。两道都过，才谈交付范围。
还有一条硬条件写在英文页面上：目前只有符合研究项目实施条件的日本国民可以申请。这一条没有留下解释空间，海外团队的现实路径是找日方共同研究者。
5.3 公开的那一部分，其实够做很多事
即使拿不到个体数据，公开部分也足以支撑三类工作。
一是研究设计阶段的可行性判断。读一遍问卷，就能知道某个暴露有没有被问、问得多细、选项怎么分。想知道「腌菜摄入」是按频率问还是按份量问，看 PDF 就有答案。
二是方法学的对照。已发表论文会写清排除标准、随访窗口、混杂因素清单。做系统综述或元分析时，这些是提取变量定义的原始依据。
三是复现性核对。想知道某个结论用的是哪一轮问卷、哪个辖区、哪段随访，论文的方法段通常写得足够细。对不上，说明引用错了版本。
5.4 核对官方口径的最短脚本
下面这段命令只做一件事：把官方页面抓下来，检查关键数字有没有变。它不下载任何个体数据，也不违反使用条款，纯粹是用来核对引用。
#-- 抓取官方日文概要页，抽出与人数、辖区、问卷轮次相关的句子
curl -s https://epi.ncc.go.jp/jphc/820/9924.html \
| sed -e 's/<[^>]*>//g' \
| grep -E "コホート|約|保健所|回" \
| head -40
#-- 抓取英文方法页，核对两个队列的启动年份与辖区
curl -s https://epi.ncc.go.jp/en/jphc/248/87.html \
| sed -e 's/<[^>]*>//g' \
| grep -nE "Cohort|1990|1993" \
| head -30
这类核对的用处在于发现口径变化。官方页面会更新，2026 年 6 月的版本与研究概要页的旧版就可能不一致；引用前跑一次，比记住一个数字更稳妥。
5.5 引用与版本
引用 JPHC 要写到四层。
第一层是队列本身：研究名称、实施机构、随访起止。第二层是设计论文，用来支撑方法学描述。第三层是具体分析所用的变量与随访窗口，说明基于哪一轮问卷、哪一段随访。第四层是数据获取方式，注明经运营委员会与伦理委员会批准、批准编号与研究计划标题。
缺了第三层，别人无法判断你用的是基线问卷还是第五年问卷；缺了第四层，别人无法确认你拿到的是哪个版本的数据。
§6 与库内条目的关系
6.1 关系图谱
JPHC 在库内的位置，可以按「行政数据、人群队列、生物样本库」三类来定位。它同时沾三点，但都不完全属于任何一类。
| 库内相关条目 | 与本词条的关系 | 一句话区隔 |
|---|---|---|
| 日本生物样本库（biobank-japan） | 同为日本的大型生物样本资源 | 那边以医院与协作机构招募、以样本分发为核心；这边以辖区全体居民为抽样框、以随访结局为核心 |
| 台湾全民健康保险研究资料库（nhird） | 同为东亚行政健康数据 | 那边是理赔记录的二次利用，无基线问卷、无采血；这边是主动测量的暴露 |
| 英国生物样本库（uk-biobank） | 同为大型前瞻队列 | 那边深度表型加组学、开放申请、样本量五十万；这边以问卷与随访为主、样本量十四万、限日本国民 |
| 弗明汉心脏研究（framingham） | 同为长期社区队列 | 那边以心血管结局起家、随访代际延续；这边以饮食与癌症起家、两代队列并行 |
| 爱沙尼亚生物样本库（estonian-biobank） | 同为全国性队列 | 那边依托单一国家医疗系统、可回链电子病历；这边依托十一处保健所、靠登记与报告 |
| 全体美国人研究（all-of-us） | 同类定位的最新形态 | 那边以可穿戴与电子病历为主、规模百万级；这边以纸笔问卷与冻存血清为主、规模十四万 |
6.2 与日本生物样本库的逐项区隔
两个都在日本，都用「biobank」这个词描述自己的一部分，最容易混淆，必须逐项对照。
| 对比项 | JPHC | 日本生物样本库 |
|---|---|---|
| 组织单元 | 保健所辖区（十一处） | 医院与协作机构 |
| 抽样框 | 住民基本台账，按年龄段全数 | 就诊患者与健诊参加者 |
| 基线年份 | 1990 与 1993 | 2003 年起 |
| 规模 | 约十四万人 | 约二十七万人（官方口径） |
| 核心资产 | 问卷加长期随访结局 | 血清、血浆、DNA 等样本 |
| 暴露测量 | 自填问卷为主，辅以健诊 | 以样本与临床信息为主 |
| 结局确认 | 住民票、死亡小票、癌症登记 | 医院随访与病历 |
| 获取方式 | 共同研究，限日本国民 | 分阶段公开申请，含海外 |
| 主要用途 | 饮食与慢病的病因推断 | 生物标志物发现与验证 |
一句话区分：JPHC 是一个「跟了三十年的人群」，日本生物样本库是一个「存了几十万管样本的库」。前者回答「后来发生了什么」，后者回答「血里有什么」。
6.3 与行政数据的差别
台湾的 NHIRD 与韩国的国民健康保险数据（库内条目 nhis-korea 尚未收录）都属于理赔数据的二次利用。它们规模大、覆盖全民、可以按 ICD 编码追溯就诊，但没有基线问卷、没有采血、暴露只能从处方与诊断反推。
JPHC 相反：规模小两个数量级，但暴露是自己测的，饮食是按食物频率问卷逐项问的，血清是冻存的。做饮食与癌症的剂量反应，行政数据做不了；做罕见结局的快速筛查，人群队列又太慢。两者不是替代关系，是不同问题的不同工具。
6.4 检索路径
| 你的问题 | 该去哪个条目或入口 | 理由 |
|---|---|---|
| 日本人群里饮食与癌症的长期关联 | 本词条 | 这是它唯一的设计目标 |
| 想要日本的血清样本做标志物发现 | 日本生物样本库 | 样本量与分发机制更适合 |
| 想要台湾的全民就诊与用药记录 | NHIRD 词条 | 理赔数据的覆盖与粒度 |
| 想要五十万级、带组学的欧美队列 | 英国生物样本库词条 | 深度表型与开放申请 |
| 想要心血管结局的经典社区队列 | 弗明汉心脏研究词条 | 结局定义与随访传统 |
| 想要可穿戴与电子病历为主的当代队列 | 全体美国人研究词条 | 数据形态与规模 |
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
评估 JPHC 最容易犯的错，是拿评估开放数据集的尺子来量它：问它有没有版本号、能不能复现、字段完整率多少、有没有数据字典。这些维度上它天然低分，因为它不打算做成那样。
正确的评估框架是：作为一个运行了三十年的前瞻队列，它的抽样、测量、随访、可得性各自处在什么水平，以及这些选择换来了什么、放弃了什么。下面每一处扣分，都应理解为「设计取舍的代价」，而不是「没做好」。
7.1 五维评分
| 维度 | 分数 | 依据 |
|---|---|---|
| 规模 | 4 / 5 | 十四万人、三十年随访，在日本本土队列里属第一梯队；但相对欧美大队列仍小一个量级 |
| 结构 | 5 / 5 | 两个队列、十一处辖区、四轮问卷、两次采血，纵向层次清晰且公开可查 |
| 测量 | 4 / 5 | 自填问卷加健诊加血清，暴露测量主动；扣分在食物频率问卷的固有误差 |
| 随访 | 5 / 5 | 住民票加死亡小票加癌症登记，死亡确认不依赖家属回报 |
| 可得性 | 2 / 5 | 不开放下载、限日本国民、两级审查，对海外团队门槛很高 |
7.2 DAIMS 视角下的四条线
| DAIMS 线 | JPHC 的表现 |
|---|---|
| 数据获取与处理 | 抽样框与招募方式公开，问卷全文公开，处理流程以论文描述为主 |
| 数据建模 | 以人为单位纵向拼接，多轮问卷加多次采血加结局事件，结构简单但真实 |
| 数据溯源 | 研究计划逐批公开，可追到「哪项研究用了哪些变量」，但个体记录不可追 |
| 数据使用与治理 | 两级审查加国籍限制，治理严格，代价是可得性低 |
四条线里最稳的是建模与治理，最弱的是溯源。溯源弱不是疏忽，而是隐私保护的必然结果：一旦个体记录可追，匿名化就失去意义。
7.3 可枚举的偏差
第一，应答偏差。基线是全数发放、自愿作答，答的人与不答的人在健康意识上不同。官方没有公布分辖区的应答率，论文层面通常以「至少答过一轮」的人数报告，这掩盖了基线应答的差异。
第二，健诊偏差。采血与健诊数据只覆盖参加健诊者。日本各地的健诊参加率差异很大，都市与农村、在职与退职、男性与女性都不同。血清子集因此不是随机样本。
第三，都市子队列偏差。葛饰与吹田的招募与健诊挂钩，参与者更可能是主动就医者。官方在全基因组解析中排除这两处，说明研究方自己也把它们视为特殊群体。§4.6 的案例里，吹田的两套子队列连入选年龄下限都不一致，合并时须显式处理。
第四，测量误差。食物频率问卷估计的是习惯性摄入，不是称量值。份量估计、季节性食物、烹饪方式都会引入误差，且误差随年龄与文化程度变化。
第五，地区异质。十一处辖区从东北到冲绳，饮食结构差异极大。全国合并的估计会把地区差异平均掉，分地区分析又常常样本不足。
第六，随访窗口不一。癌症与死亡跟到三十年，循环器只到二十年，问卷在第十年后改简易。任何跨结局的联合分析都要处理时间窗口不齐的问题。
7.4 外部验证
| 验证角度 | 外部证据 | 结论 |
|---|---|---|
| 死亡确认的完整性 | 住民票与死亡小票双线核对 | 死亡结局可信度高，失访率低 |
| 癌症发病的完整性 | 地域登记加全国癌症登记 | 覆盖完整，诊断日期可靠 |
| 血清指标的稳定性 | 分批检测、批次内比较 | 单批次内可比，跨批次须谨慎 |
| 饮食问卷的效度 | 以详细食事记录与血中营养素做效度研究 | 有验证，但误差仍不可忽略 |
| 结论的可重复性 | 与日本其他队列的同向结果对照 | 主要关联方向一致，效应量有差异 |
§8 生态位与历史
8.1 时间线
| 时间 | 事件 |
|---|---|
| 1989 年 | 队列Ⅰ 抽样框确定，取当年末在册的 40–59 岁居民 |
| 1990 年 | 队列Ⅰ 基线调查启动，五处辖区 |
| 1992 年 | 队列Ⅱ 抽样框确定，取当年末在册的 40–69 岁居民 |
| 1993 年 | 队列Ⅱ 基线调查启动，六处辖区 |
| 1995 年前后 | 队列Ⅰ 第五年问卷；次年在队列Ⅱ 实施 |
| 2000 年前后 | 第十年问卷 |
| 2001 年 | 决定延长随访十年，此后不再做同规模大调查 |
| 2009 年度 | 厚生劳动省癌症研究助成金指定研究班结束 |
| 2010 年度 | 改由国立癌症研究中心研究开发费支持 |
| 2016 年 | 日本全国癌症登记运行，官方说明已利用其信息 |
| 2026 年 | 官方概要页更新，仍以「三十年计划」表述随访 |
8.2 它为何能持续
一个队列能跑三十年，靠的不是经费，是三件事同时成立。
第一，参加者不散。住民票让研究方知道谁搬走了、搬到哪；死亡小票让研究方知道谁去世了、死因是什么。日本这两项行政记录的可及性，是这套设计成立的前提。
第二，组织不断。保健所是常设机构，不因课题结题而撤销；国立癌症研究中心是常设研究机构，不因研究者退休而消失。研究代表换了人，机构还在，随访就断不了。
第三，产出不停。官方统计到 2014 年已发表论文超过二百五十篇，此后仍在增加。持续的产出让经费有理由续、让参加者有理由继续配合、让年轻研究者有理由加入。
8.3 在 AI 时代的再定位
JPHC 的数据形态对当下的机器学习并不友好：没有统一的表、没有数据字典、没有 API、拿不到个体记录。但它在一个方向上不可替代——它是少数能把「三十年前的暴露」与「三十年后的结局」对上的东亚人群数据。
这个特性适合两类工作。一类是因果推断的方法学研究：有明确的时间顺序、有可测的混杂、有真实的失访，比模拟数据更接近现实。另一类是暴露组与营养学的基础模型：需要长跨度、低维度、高噪声的真实纵向数据来做外部检验，而不是又一批横断面图像。
需要提醒的是，把它当作「训练数据」的思路在这里基本行不通。它的规模不够、可得性极低、字段非标准化。它的正确位置是验证集与因果基准，不是预训练语料。
8.4 与同类设计的差别
同样做长期随访，不同队列的重心差别很大。以心血管起家的社区队列，核心是临床测量与事件裁定；以医院为节点的生物样本库，核心是样本与组学；以保险理赔为基础的数据，核心是覆盖与规模。JPHC 的核心是问卷加登记——用最低成本的暴露测量，换最长的时间跨度。
这条路线有明确的天花板：问卷测不出的东西，它永远测不出；但它也有明确的地板：只要人还在、登记还在，结局就能一直跟下去。对饮食这类难以精确测量、却需要极长时间才显现效应的暴露，这条路线是少数可行的选择。
§9 使用指引
9.1 三种角色的路径
流行病学研究者的路径最标准：先在公开问卷与已发表论文里确认暴露变量与结局定义，再写研究计划，明确辖区范围、随访窗口、排除标准与混杂清单，提交运营委员会与伦理委员会。获批后按批准范围取数，分析时按队列与辖区分层。
方法学研究者的路径更偏设计：JPHC 的价值在于它提供了真实的失访、真实的测量误差与真实的时间顺序。用它做模拟的对照，比用生成数据更能说明方法在现实中的表现。这类工作通常只需要公开的汇总结果与论文描述，不必申请个体数据。
数据工程师在这条队列上能做的不多，但有一件事值得做：把公开的问卷 PDF 与论文方法段结构化成机器可读的变量字典。这件事不需要申请数据，却能让后续所有申请者少走弯路。
9.2 一条最短的可行路径
从零到一份能提交的研究计划，最短的路径是四步。
第一步，读问卷。基线与第五年的日文 PDF 在官网上直接可下，先确认你要的暴露有没有被问、问法是什么。第二步，读两到三篇同主题的已发表论文，抄下它们的排除标准与随访窗口，作为自己计划的起点。第三步，确认辖区。§4.6 的案例决定了葛饰与吹田该不该纳入；如果要基因组数据，这两处必须排除。第四步，写计划并联系事务局。
#-- 第一步：把各轮问卷 PDF 抓到本地，逐份核对题目结构
mkdir -p jphc_q && cd jphc_q
curl -O https://epi.ncc.go.jp/files/00_common/questionnaire/japanese/BL_Cohort_I_questionnaire.pdf
curl -O https://epi.ncc.go.jp/files/00_common/questionnaire/japanese/BL_Cohort_II_questionnaire.pdf
curl -O https://epi.ncc.go.jp/files/00_common/questionnaire/japanese/JPHC_Q5Cohort_1.pdf
curl -O https://epi.ncc.go.jp/files/00_common/questionnaire/japanese/JPHC_Q10Cohort_1.pdf
ls -lh
四份文件加起来只有几兆，读完就能判断这个队列能不能回答你的问题。这一步做在写计划之前，可以省掉大量返工。
9.3 引用方式
引用要写到四层：队列名称与实施机构、设计论文、具体分析所用的问卷轮次与随访窗口、数据获取的批准信息。第三层最常被漏掉，也最影响可复现性——同一批人，用基线问卷和用第五年问卷，得到的暴露完全不同。
设计论文的引用需要留意一处不一致：任务书所指的《J Epidemiol》2014 年第 24 卷第 5 期 363–369 页，在 PubMed 里检索不到对应记录；同名的《The JPHC study: design and some findings on the typical Japanese diet》实际发表于《Japanese Journal of Clinical Oncology》2014 年第 44 卷第 9 期 777–782 页，DOI 为 10.1093/jjco/hyu096。引用时应以期刊页面为准。
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| 页面 AI 参与程度 | 由 AI 助手依据官方页面与论文摘要起草，数字逐项回链官方页面 |
| 数字来源层级 | 见附录 B，官方页面为一级，论文摘要为二级 |
| 未核实项 | 各辖区分层应答率、血清分批检测的批次划分未在公开页面给出 |
| 版本信息 | 以 2026 年 10 月读取的官方日文概要页（页面标注 2026-06-15 更新）与英文方法页为准 |
| 已知不一致 | 问卷轮次：方法页记三次大型调查，概要页记每五年一轮共四轮，正文并列两说 |
| 引用不一致 | 任务书所给《J Epidemiol》卷期页无法在 PubMed 检出，同名论文见于《Jpn J Clin Oncol》，正文以期刊页为准 |
| 适用边界 | 描述对象是队列本身的结构、规模与边界，不含对任何具体研究结论的评价 |
| 更新机制 | 队列持续随访，本文不承诺随官方页面同步刷新 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 「十四万人的一个大样本」 | 是两个队列，年龄段与辖区数都不同 | 官方概要分列队列Ⅰ 约六万、队列Ⅱ 约八万 |
| 「参加者都有血样」 | 约六万人留过血，两次都留的约两万三千 | 官方保存血液说明页与 2014 年论文 |
| 「数据可以申请下载」 | 没有下载入口，只能以共同研究形式获取 | 英文访问页写明须两级审查 |
| 「海外团队也能直接申请」 | 申请人限符合条件的研究实施者且为日本国民 | 英文访问页明确写出国籍条件 |
| 「随访三十年，所有结局都到三十年」 | 循环器疾患登记在二十年处终止 | 官方概要的方法段 |
| 「十一处辖区都是同一套招募方式」 | 葛饰与吹田是都市子队列，与健诊挂钩 | 方法页分列地域队列与都市子队列 |
| 「基因组数据覆盖全体」 | 葛饰与吹田的参加者被排除 | 官方概要的基因组说明 |
| 「问卷一共三轮」 | 大型调查三轮，官方概要记每五年一轮共四轮 | 两页表述并列，见 §2.3 |
| 「辖区名称与今天一致」 | 多处行政区合并，官方同时标注旧名 | 方法页在辖区后括注旧名 |
| 「它就是日本的 UK Biobank」 | 规模、抽样、可得性都不同 | 见 §6.2 逐项对照 |
FAQ
Q1：JPHC 这个名字怎么读、怎么译？
英文全称是 Japan Public Health Center-based Prospective Study，日文正式名为多目的コホート研究。中文常译作日本公共卫生中心前瞻性研究。三个词分别指涉组织单元（保健所）、研究设计（前瞻）与目标（多目的）。
Q2：到底有多少人？
两个队列合计约十四万人：队列Ⅰ 约六万，队列Ⅱ 约八万。官方页面用「约」是因为这是计划规模与实际参加人数的合并表述，精确到个位的数字在公开页面没有给出。
Q3：为什么有两个队列？
因为年龄段与辖区不同。队列Ⅰ 1990 年启动、五处辖区、40–59 岁；队列Ⅱ 1993 年启动、六处辖区、40–69 岁。分开启动让研究方可以先跑通流程，再扩大年龄范围与地区覆盖。
Q4：问卷问什么？
基线问卷覆盖健康状态、吸烟与饮酒、饮食、职业；第五年把饮食改成半定量食物频率问卷，并补问五年内的发病；第十年再复调一次。题目原文在官网上以 PDF 公开。
Q5：血清能测什么？
按已批准的研究计划，检测过幽门螺杆菌与 CagA 抗体、胃蛋白酶原、维生素与类胡萝卜素、多酚、叶酸、脂肪酸、高敏 C 反应蛋白、同型半胱氨酸、性激素与结合球蛋白、IGF、部分环境雌激素。具体能测什么取决于新提交的研究计划是否获批。
Q6：结局是怎么知道的？
死亡由住民票与死亡小票确认，癌症由地域登记与全国癌症登记确认，循环器疾患由医疗机构报告与登记确认，转出由住民票确认。
Q7：能拿到个体数据吗？
能，但要走共同研究。提交研究计划，经运营委员会与伦理委员会批准后，按批准范围获得匿名化数据。原始问卷影像不对外提供。
Q8：为什么循环器数据只到二十年？
官方概要在方法段写明循环器疾患的把握以追踪后二十年的登录为限。此后只继续确认死亡与癌症。这与各地循环器登记体系的运行方式有关，不是数据丢失。
Q9：葛饰与吹田为什么特殊？
两处都是都市子队列，招募与健诊挂钩，参与者是主动参加健诊的人，与地域队列的「全体居民」不同。官方在全基因组解析中把这两处排除，也是对这一差异的承认。
Q10：这个队列最适合回答什么问题？
日本人群里饮食与癌症、心血管病、糖尿病的长期关联。它的强项是暴露测量早于结局、随访时间长、死亡与发病确认完整；弱项是样本量相对欧美队列小、暴露测量靠问卷、数据获取门槛高。
术语表
| 术语 | 含义 |
|---|---|
| 保健所 | 日本负责辖区公共卫生事务的行政机构，本队列的组织与招募节点 |
| 住民基本台账 | 市町村保管的居民登记册，本队列的抽样框 |
| 住民票 | 记录居民住址与异动的证明，用于追踪转出转入 |
| 死亡小票 | 记录死亡原因与死亡场所的行政文书，用于确认死因 |
| 癌症登记 | 系统收集癌症发病信息的登记体系，2016 年起日本全国运行 |
| 多目的队列 | 一次基线可支撑多种结局研究的前瞻队列 |
| 食物频率问卷 | 让受访者报告各类食物通常摄入频率与份量的调查工具 |
| 半定量 | 能估计摄入量而不只是「吃不吃」的测量精度 |
| 嵌套病例对照 | 在全队列内部挑选病例与匹配对照的设计 |
| 冻存血清 | 采血后分离并低温保存的血清，用于后续指标检测 |
| 失访 | 随访期内无法确认状态的人数 |
| 混杂 | 同时与暴露和结局相关、会扭曲关联的第三因素 |
| 剂量反应 | 暴露水平与风险之间的连续关系 |
| 都市子队列 | 与健诊挂钩、参与者非全体居民的招募单元 |
| 运营委员会 | 审查研究计划是否值得使用本队列数据的委员会 |
| 伦理审查委员会 | 审查研究是否符合伦理规范的机构 |
| 共同研究 | 以合作者身份参与、而非单纯获取数据的合作形式 |
| DAIMS | 数据档案与信息管理系统的一套评估框架，看采集、建模、溯源与治理 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 辖市区数 | 十一处 | 官方首页与方法页 | 一级 |
| 队列Ⅰ 启动年 | 1990 | 方法页 | 一级 |
| 队列Ⅰ 辖区数 | 五处 | 方法页 | 一级 |
| 队列Ⅰ 年龄段 | 40–59 岁 | 方法页与概要页 | 一级 |
| 队列Ⅰ 人数 | 约六万 | 概要页 | 一级 |
| 队列Ⅱ 启动年 | 1993 | 方法页 | 一级 |
| 队列Ⅱ 辖区数 | 六处 | 方法页 | 一级 |
| 队列Ⅱ 年龄段 | 40–69 岁 | 方法页与概要页 | 一级 |
| 队列Ⅱ 人数 | 约八万 | 概要页 | 一级 |
| 合计人数 | 约十四万 | 概要页与血液说明页 | 一级 |
| 问卷轮次 | 每五年一轮共四轮 | 概要页 | 一级 |
| 大型调查次数 | 三次 | 方法页 | 一级 |
| 至少答过一轮 | 约十三万 | 2014 年论文 | 二级 |
| 三轮全部作答 | 约七万八千 | 2014 年论文 | 二级 |
| 至少留血一次 | 约六万 | 血液说明页与论文 | 一级 |
| 两次均留血 | 约两万三千 | 2014 年论文 | 二级 |
| 计划随访 | 三十年 | 概要页 | 一级 |
| 循环器登记截止 | 随访二十年 | 概要页 | 一级 |
| 截至 2011 年末死亡 | 约两万四千 | 2014 年论文 | 二级 |
| 截至 2011 年末癌症发病 | 约一万七千 | 2014 年论文 | 二级 |
附录 B：数字的来源分层
一级：官方页面。 包括日文首页、研究对象概要页（页面标注 2026-06-15 更新）、英文研究方法页、英文保存血液说明页、英文数据访问页。所有辖区名称、启动年份、年龄段、人数、问卷轮次、随访安排、申请条件均取自这一层。
二级：论文摘要。 2014 年设计论文给出的应答人数、留血人数、截至 2011 年末的结局计数与论文数量，反映的是当时的状态，用于说明漏斗结构与产出规模，不用于描述今天的累计。
三级：未核实。 各辖区分层应答率、血清分批检测的具体批次划分、各年度新增结局数，官方未在公开页面披露，本文不推测。
附录 C：完整参考文献
- Tsugane S, Sawada N. The JPHC study: design and some findings on the typical Japanese diet. Japanese Journal of Clinical Oncology, 2014, 44(9): 777–782. DOI: 10.1093/jjco/hyu096.
- 国立癌症研究中心 がん対策研究所. 多目的コホート研究（JPHC Study）首页，https://epi.ncc.go.jp/jphc/ ，2026 年 10 月访问。
- 同站「研究の概要」页，研究对象、方法与随访安排，https://epi.ncc.go.jp/jphc/820/9924.html ，页面标注 2026-06-15 更新。
- 同站英文「Study methods」页，辖区清单、抽样与问卷轮次，https://epi.ncc.go.jp/en/jphc/248/87.html 。
- 同站英文「A Guide to Study Plans Using Stored Blood Samples」页，保存血液的规模与用途，https://epi.ncc.go.jp/en/jphc/248/89.html 。
- 同站英文「How to access JPHC data and/or biospecimens」页，申请条件与审查流程，https://epi.ncc.go.jp/en/jphc/805/8155.html 。
- 同站英文「Questionnaires」页，各轮问卷 PDF 入口，https://epi.ncc.go.jp/en/jphc/248/8447.html 。
附录 D：如果只记五件事
第一，它是两个队列不是一个：1990 年的五处辖区、约六万人，1993 年的六处辖区、约八万人，合计约十四万。
第二，它靠问卷加随访活着：基线、第五年、第十年三轮大型调查，第十一年起改为简易问卷，结局靠住民票、死亡小票与癌症登记确认。
第三，血只有约六万人有，且采血依附健诊，不是随机抽样。
第四，葛饰与吹田是都市子队列，招募方式不同，且在基因组解析中被排除。
第五，它不开放下载，申请限日本国民，须经运营委员会与伦理委员会两级审查。
编辑说明
本篇核验时间为 2026 年 10 月 29 日。核验方式为直接读取国立癌症研究中心 JPHC 官方日文首页、研究对象概要页、英文研究方法页、英文保存血液说明页与英文数据访问页，并以 PubMed 记录核对设计论文的期刊、卷期与页码。所有辖区名称、启动年份、年龄段、人数、问卷轮次、随访安排与申请条件均以官方页面为一级依据；论文数字仅用于说明应答与留血的漏斗结构，不用于描述当前累计规模。
未覆盖的内容包括：各辖区分层应答率、血清分批检测的批次划分、各年度新增结局数，以及历次研究计划的完整清单，官方未在公开页面逐项披露。
问卷轮次在两处官方页面上的表述不同，方法页记三次大型调查，概要页记每五年一轮共四轮，本文并列两说而不裁决。
任务书所给的论文出处为《Journal of Epidemiology》2014 年第 24 卷第 5 期 363–369 页，在 PubMed 中以作者、刊名、年份与主题词组合检索不到对应记录；同名论文的实际出处为《Japanese Journal of Clinical Oncology》2014 年第 44 卷第 9 期 777–782 页。本文以期刊页为准，并在附录 C 中说明。
本页描述的只是队列本身的结构、规模与边界，不涉及对任何具体研究结论的评价，也不构成数据使用的法律意见。数据与生物样本的获取须以官方现行规定为准。
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：
- nhefs — 共享标签：公共卫生与流行病学 / 队列研究 / 流行病学 / 死亡登记
- ncd-risc — 共享标签：公共卫生与流行病学 / 队列研究 / 流行病学
- cvss-nvss — 共享标签：公共卫生与流行病学 / 流行病学 / 死亡登记
- mesa — 共享标签：公共卫生与流行病学 / 队列研究 / 流行病学
- hmd — 共享标签：公共卫生与流行病学 / 流行病学 / 死亡登记
- fair-health-atlas — 共享标签：公共卫生与流行病学 / 队列研究 / 流行病学
- cdc-wonder — 共享标签：流行病学 / 死亡登记
- nutrition5k — 共享标签：公共卫生与流行病学 / 流行病学
- datasus — 共享标签：公共卫生与流行病学 / 死亡登记
- framingham — 共享标签：公共卫生与流行病学 / 队列研究 / 流行病学
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。
