KNHANES 韩国国民健康与营养调查 — 三合一的四千二百万人年

信息速览

数据集名称KNHANES 韩国国民健康与营养调查 — 三合一的四千二百万人年

数据类型原始数据链接,元数据,补充材料,调查数据

规模每年约一万人（19 岁及以上成人样本约数千人；1998 年起累计受检者规模官方未单一给出）

接入方式https://knhanes.kdca.go.kr/knhanes/main.do

AI 就绪度

韩国疾病管理厅（KDCA，前身 Korea CDC）主持的国民健康与营养调查（KNHANES），是东亚少有的把「问卷、体检、膳食」三件事绑在同一个抽样框、同一个人身上连做二十多年的国家级调查。1998 年第一次实施，最初三年一轮，2007 年起改为年度调查，每年约一万人受检。本文讲这份数据能干什么、不能干什么、接进管道会踩到什么。

它的特殊之处不在于规模。每年一万人、累计十期，就体量而言远不及任何一套全民理赔数据库。它的特殊之处在于同一个人身上同时有：自报的吸烟饮酒与就医，量出来的血压与骨密度，抽出来的血糖与血脂，以及前一天的每一道菜。这三层数据在别国往往分属三个部门、三个抽样框、三套编号。

本文主轴是一条：韩国把这三件事捏在一起这件事本身，构成了东亚唯一可行的「膳食→生物标志物→疾病」三联分析底座，代价则是横断面、低报与方法学漂移这三笔账要使用者自己还。一屏速览见下表。

维度	内容
全称	Korea National Health and Nutrition Examination Survey（국민건강영양조사）
中文名	韩国国民健康与营养调查
主管机构	韩国疾病管理厅（KDCA，질병관리청；2007 年前含 KIHASA、KHIDI 等机构）
法律依据	《国民健康增进法》第 16 条；统计法第 17 条政府指定统计（批准号 117002）
起始年份	1998 年（由 1969 年起的国民营养调查与 1971 年起的国民健康与健康行为调查合并）
调查周期	前三个周期三年一次（1998、2001、2005）；2007 年起年度调查，每期三年
当前期次	第 IX 期（2022–2024）；第 X 期（2025–2027）进行中
年样本量	每年约一万人受检；2010 年代起每年 192 个调查区、约 4,800 户
三大模块	健康访谈、健康检查、营养调查（24 小时膳食回顾）
检查项目	体格测量、血压、血尿生化、握力、体成分、肺功能、骨密度、验光
数据格式	SAS/SPSS 数据文件 + 《数据使用者指南》（含代码本与分析说明）
获取方式	门户注册并同意条款后免费下载；部分敏感变量需另行申请
许可框架	韩国公共数据开放框架（KOGL 第 1 类型署名）与门户使用条款
官方入口	knhanes.kdca.go.kr（韩文主站）；同域下另有英文介绍页
一句话	东亚唯一能把「昨天吃了什么」与「今天的血糖」对上同一个人的国家级调查

§1 它要解决的具体麻烦

1.1 三张表拼不到一个人头上，这是公共卫生研究最常见的无力感

假设你要回答一个很朴素的问题：在韩国，饱和脂肪吃得多的中年人，血脂是不是也更高。这个问题在纸面上需要三样东西——膳食记录、血脂检验、身份对齐。绝大多数国家的现实是：膳食数据在某一年度的营养调查里，血脂在另一套体检抽样里，两套样本没有共同编号，于是研究者只能用生态学相关（地区平均脂肪摄入对地区平均血脂）来凑，而生态学谬误是流行病学教科书里第一个被点名的方法学陷阱。

KNHANES 的处理方式是从抽样框开始就不分开。选中一户，这一户里符合条件的人既做健康访谈，又进移动检查中心做体检，营养调查组再上门做一日膳食回顾。三个模块在同一个个体上完成，共用同一套个体编号。这意味着上面那个问题的答案可以直接落在个体层面，而不必退回到群体平均。

这个设计选择看起来只是"多做了两件事"，实际上是整个东亚区域里罕见的制度安排。日本的国民健康营养调查做膳食做得很细，但临床检验并不在同一次调查里；中国的慢性病与营养监测体系有膳食也有部分生化指标，但在检验项目的厚度与连续性上与 KNHANES 不是一个量级。韩国把这三块绑在一个调查法条下连做了二十多年，才有今天这份"一个人身上能看到全部三层"的数据。

代价也随之而来。一万人一年的预算要同时养三支队伍；问卷、体检、膳食各自的专业逻辑要在同一份数据文件里妥协；任何一层的口径变动都会牵连另外两层。理解这份数据的困难，多半都来自"它同时是三份数据"这一件事。

1.2 三条常见的错误期待

第一条：把它当成队列。 名字里有"调查"，没有"队列"二字，但很多人第一次看到"1998 年至今连续"就默认可以追踪个体。实际是每一年都是独立的横断面样本，同一个人不会在下一年的文件里出现。想做随访必须另找追踪调查或与理赔数据链接，这在 §2 和 §7 会反复出现。

第二条：把它当成普查。 每年一万人对五千万人口，抽样比约五千分之一。它是设计良好的概率样本，不是人口登记册。“韩国人中有多少比例"严格说是"加权后的韩国人口估计中有多少比例”，不确定性来自抽样与无应答，不是测量误差。

第三条：把它当成可以随意拼年的面板。 二十多年里变量名改过，检查项目的年龄门槛调过，血压计换过，检验机构换过。把各年文件摞成一张长表跑固定效应模型，是用统计方法掩盖口径断裂。§7.3 会把这些断裂逐条列出来。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
全国成人肥胖、高血压、糖尿病、血脂异常的患病率	官方每年发布主要结果表，微数据可复算	够，且是最权威口径
膳食营养素的个体级摄入量	24 小时膳食回顾的食物明细 + 年度食物成分表	够单日，不够习惯摄入
膳食与生物标志物的个体级关联	同一人身上同时有膳食与生化	够做关联，不够做因果
患病知晓率、治疗率、控制率	自报诊断 + 现场测量值 + 用药史，三者可交叉	够，这是它的招牌指标
发病率、新发事件	无随访，只有时点患病	不够
死因与生存	不含死亡登记	不够，须链接其他数据
儿童青少年发育与生长曲线	1 岁起的身高体重，韩国生长曲线即由此制定	够
罕见病、特定专科深表型	检查项目面向常见慢病	不够
院内诊疗过程、用药明细	只有自报，无处方与病历	不够，用 NHIS 理赔
基因型、组学	常规微数据不含	不够，用 KoGES 等队列

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
要做韩国人群二十年慢病趋势图，不接受二手引用	官方微数据 + 统一权重，可自己复算每一年	先读《数据使用者指南》的抽样与分析章节，再定加权方案
要论证"膳食—代谢"链条，手上只有膳食或只有检验	同一个人身上两层都有，可做个体级中介分析	先把低报问题写进方法学，再定敏感性分析
要做中日韩三国比较，担心样本框不一致	韩国这一端的三合一结构最完整，可作参照系	比较时明确各国能对到哪一层，别硬凑三级
要给模型找东亚人群的生理与膳食协变量	体检项目覆盖血压、血糖、血脂、骨密度、肺功能	注意年龄门槛，不是所有人都测
要估算某年某病的患病人数	加权后可还原到全国人口	分母的口径要与官方统计年鉴对齐
只想要一张干净的韩国患病率表	官方结果页已按性别年份排好	直接引用并注明年龄标化口径即可
想做因果推断或政策效应评估	横断面无能为力	改用 NHIS 理赔或准实验设计

1.5 一句话判断

如果你的研究需要一个"同一个人身上既有膳食又有检验"的东亚国家级样本，KNHANES 几乎是唯一答案；如果这个研究需要随访、发病率或因果方向，它不是答案，别再花时间试图把它扭成答案。

1.6 不适合谁：四条边界

不适合做纵向个体追踪的人。 年度文件之间不构成可链接的个体序列。需要个体轨迹的研究者在这里会撞墙，且撞得非常彻底——不是"数据质量不好"，而是设计上根本没有那个维度。

不适合做罕见病或专科深表型的人。 检查项目是为肥胖、高血压、糖尿病、血脂异常、骨密度、肺功能这类常见慢病设计的。想要某个特定疾病的影像组学、病理切片、基因分型，这里没有。

不适合把单日膳食当习惯摄入的人。 24 小时回顾捕捉的是一天。想算"习惯性摄入量"必须做多次回顾或用统计方法校正，KNHANES 的默认文件只给一天。

不适合想一键拿到分析就绪表的人。 它的文件是按模块与年份拆开的 SAS 数据，权重与分层变量需要自己按指南拼接，变量名跨年需要自己对齐。这是一份需要做工程的数据，不是一份开箱即用的宽表。

§2 数据构成与规格

2.1 三层数据在同一个样本框里的组织方式

文件结构直接映射三个模块。基础库把访谈、检查、营养的变量合并成一人一条记录，是大多数分析的主表；其余按专题拆出（膳食明细、损伤与医疗利用、口腔、骨密度、眼科、加速度计等），以人为键回连。

关键是"合并表 + 专题表"的分工：基础库放通用变量（年龄、性别、收入、吸烟、饮酒、自报诊断）与全体测量（身高体重腰围、血压、基础血生化），专题表放有条件才做的项目。某变量在基础库大面积缺失时，先想"它可能在专题表里"，而不是"数据质量差"。

年份切分也要注意。前三个周期各只做一次，2007 年起每年一次；年度文件以 HN 加两位年份开头（2011 年即 HN11）。期次与年份并不一一对应，第四期跨三年，单年样本不足以支撑分层，官方建议按三期合并计算。

2.2 字段与记录的完整字典

下表按变量组列出核心字段的性质。这里给的是"这一组变量是什么、在哪张表、什么年龄门槛"，而不是逐字段的代码本——代码本随年度发布，以官方指南为准。

变量组	所在表	模块	采集方式	年龄门槛	常见用途	需要留意
户编号、个人编号、调查区编码	全部表	抽样标识	抽样设计给定	全部	回连与分组	跨年键名不同
抽样权重、分层、初级抽样单元	全部表	抽样标识	事后计算	全部	加权与方差	须按模块选列
性别、出生年、教育、职业、婚姻	HNYR_ALL	健康访谈	入户面访	全部	分层与协变量	职业分类随年调整
家庭收入四分位	HNYR_ALL	健康访谈	入户面访	户级	社会经济梯度	等值化收入口径变化
自报慢性病诊断	HNYR_ALL	健康访谈	面访	全部	患病与知晓率	依赖知晓，非测量
吸烟状态与吸烟量	HNYR_ALL	健康访谈	面访	12 岁以上	吸烟率	定义按国家目标设定
饮酒频次与单次量	HNYR_ALL	健康访谈	面访	12 岁以上	高危饮酒率	单次量按杯数自报
体力活动（自报）	HNYR_ALL	健康访谈	面访	19–64 岁部分题项	达标率	问卷版本多次更换
体力活动（加速度计）	HNYR_PAM	健康检查	佩戴设备	2014–2017	客观活动量	仅四年可行
欧洲五维健康量表	HNYR_ALL	健康访谈	自填	19 岁以上	健康相关生活质量	效用值换算依赖版本
医疗利用与未满足需求	HNYR_IJMT	健康访谈	面访	1998–2015	卫生服务研究	2015 年后停采
身高、体重、腰围	HNYR_ALL	健康检查	现场测量	1 岁起（腰围 6 岁起）	肥胖与体脂分布	测量器具更新
收缩压、舒张压、脉搏	HNYR_ALL	健康检查	现场测量	6 岁以上	高血压	血压计 2020、2021 更换
空腹血糖、糖化血红蛋白	HNYR_ALL	健康检查	静脉血	10 岁以上	糖尿病	HbA1c 纳入定义较晚
总胆固醇、甘油三酯、HDL-C、LDL-C	HNYR_ALL	健康检查	静脉血	10 岁以上	血脂异常	LDL 计算方式有别
尿素氮、肌酐、AST、ALT	HNYR_ALL	健康检查	静脉血	10 岁以上	肝肾功	仅单次测量
乙肝表面抗原、丙肝抗体	HNYR_ALL	健康检查	静脉血	10 岁以上	感染筛查	阳性样本另报
血红蛋白、红细胞、白细胞	HNYR_ALL	健康检查	静脉血	10 岁以上	贫血	孕期未排除
尿酸、维生素 D、甲状旁腺素、碱性磷酸酶	HNYR_ALL	健康检查	静脉血	19 岁以上	代谢与营养	仅成人
尿蛋白、尿糖、尿潜血等试纸项	HNYR_ALL	健康检查	随机尿	10 岁以上	肾病筛查	单次随机尿
尿可替宁（吸烟生物标志）	HNYR_ALL	健康检查	尿液	10 岁以上	吸烟验证	非所有年份
握力	HNYR_ALL	健康检查	握力计	65 岁以上	肌少症	仅高龄
体成分（体脂、肌肉、体水）	HNYR_ALL	健康检查	生物电阻抗	65 岁以上	肥胖分型	BIA 与 DXA 不可混用
肺功能 FVC、FEV1	HNYR_ALL	健康检查	肺量计	40 岁以上	呼吸病	仅 40 岁以上
骨密度、体脂、骨骼肌量	HNYR_DXA	健康检查	双能 X 线	19 岁以上	骨质疏松	仅 2008–2011
验光（屈光不正）	HNYR_ALL	健康检查	自动验光仪	10–39 岁	近视	仅限 10–39 岁
口腔检查	HNYR_OE	健康检查	牙科检查	全年龄	口腔健康	仅 2007–2015
眼病检查	HNYR_EYE	健康检查	眼科检查	40 岁以上	眼病	仅 2008–2012
食物名称、食物编码、摄入量	HNYR_24RC	营养调查	24 小时回顾	1 岁以上	膳食暴露	食物编码逐年更新
营养素摄入（能量、蛋白、脂肪、碳水等）	HNYR_24RC	营养调查	由食物换算	1 岁以上	营养估计	依赖成分表版本
膳食行为、营养补充剂、营养标示	HNYR_ALL	营养调查	面访	1 岁以上	膳食习惯	自报，易漏报
膳食频次问卷（109 项）	HNYR_FFQ	营养调查	自填	2012–2016	习惯摄入	仅五年可行

这张表本身就是一份使用地图。它告诉你：如果一个变量不在 HNYR_ALL 里，先查专题表；如果专题表的年份范围不含你的目标年，那这个变量在那一年根本不存在，不是缺失。最后两行尤其要注意——膳食频次问卷只在 2012 到 2016 年之间做过，而 24 小时回顾每一年都有。这个不对称决定了习惯摄入分析的时间窗。

2.3 一条记录的完整解剖

一条基础库记录长什么样，用一个 2011 年的成年人举例。下面是数据文件在逻辑上的形态（不是真实数值，变量名按官方命名习惯示意），帮助理解"一个人身上叠了三层"是什么意思。

#-- HN11_ALL 基础库中一条个体记录的字段分组示意
ID        访谈段                      检查段                    营养段
----      --------                    --------                  --------
seq       性别 年龄 教育 收入四分位    身高 体重 腰围 收缩压 舒张压   能量 蛋白 脂肪 碳水
         吸烟 饮酒 体力活动 自报高血压  空腹血糖 HbA1c 总胆固醇          膳食行为 补充剂
         自报糖尿病 自报血脂异常 用药   甘油三酯 HDL LDL 肌酐 AST
         自报脑卒中 自报心梗 自报关节炎  血红蛋白 尿酸 尿可替宁
         自报哮喘 自报抑郁 就诊 未满足   握力(≥65) 体成分(≥65) 肺功能(≥40)

把这三段横向拼在一行，就得到了 KNHANES 的全部价值：一个人的自报诊断、他当天的测得值、他前一天的摄入，在同一个键下齐备。任何"膳食→生物标志物→疾病"的三段式分析，起点都是这一行。

把这一行拆成四个层面来看，每一层的"可错性"不一样。

层面	这一行里有什么	误差性质	修正手段
自报层	自报诊断、吸烟饮酒、就医与未满足需求	回忆与知晓偏差，方向不定	用测量值交叉校验
测量层	血压、血糖、血脂、身高体重腰围、骨密度、肺功能	仪器与操作误差，方向随机	复测与质控流程
膳食层	前一天全部食物与营养素	系统性低报，方向固定	敏感性分析与能量校正
设计层	权重、分层、初级抽样单元	非误差，是推断的乘数	按模块选对权重列

纵向看这条记录还有一个隐含结构：它有一个权重字段和一个分层字段。这两个字段决定了这一行在分析中"代表"多少人。权重不是常量，而是随年份、随模块（体检子样本的权重与访谈样本的权重不同）下发的不同列。忽略它们，你得到的是样本的描述；用对它们，你得到的是韩国的描述。

2.4 调查周期与样本设计的分布

官方在抽样设计页给出了每一期的目标样本量，这是理解版本差异最直接的一张表。

期次	年份	调查区与户数	频次与时长
第 I 期	1998	200 个区，每区 22–24 户，约 4,600 户（体检）	三年一次，11–12 月
第 II 期	2001	200 个区，每区 22 户，约 4,600 户（体检）	三年一次，11–12 月
第 III 期	2005	200 个区，每区 22–26 户，约 4,600 户（体检）	三年一次，4–6 月
第 IV 期	2007–2009	500 个区，每区 23 户，每年约 4,000 户（体检）	每年，全年 50 周
第 V 期	2010–2012	576 个区（每年 192 个），每年约 3,840 户	每年，全年 48 周
第 VI 期	2013–2015	576 个区（每年 192 个），每年约 3,840 户	每年，全年 48 周
第 VII 期	2016–2018	576 个区（每年 192 个），每年约 4,416 户	每年，全年 48 周
第 VIII 期	2019–2021	576 个区（每年 192 个），每年约四千八百户	每年，全年 48 周
第 IX 期	2022–2024	576 个区（每年 192 个），每年约四千八百户	每年，全年 48 周
第 X 期	2025–2027	576 个区（每年 192 个），每年约四千八百户	每年，全年 48 周

这张表里有两个容易被忽略的转折。第一是 2007 年：从三年一次变成年度，同时调查区从 200 个扩到 500 个。这不只是频次加密，抽样框也整个换过（第四期起改用普查框架加公寓名册）。跨 2007 的趋势分析，必须把这一年当作结构断点。

第二是第五期起调查区固定为 576 个、每年 192 个。这个 192 在官方英文页里写作 regions，常被误译成"192 个地区"，其实是初级抽样单元：由洞、邑、面按人口密度与住房类型划出，一个单元再抽二十来户，192 乘以 25 左右就是每年四千多户、一万来人。

2.5 与同类资源的字段差异

把 KNHANES 放在国际参照系里，它和几个常被拿来比较的调查在字段结构上差别很大。

维度	KNHANES	美国 NHANES	中国 CHNS	日本国民健康营养调查
起始年	1998	1971（现行连续式）	1989	1945 年前身，现行框架较近
频次	1998、2001、2005，2007 起每年	两年一轮	约每 3–4 年一轮	每年
膳食方法	24 小时回顾（每年）+ FFQ（2012–2016）	24 小时回顾 + 食物频次	连续三日膳食称重 + 24 小时回顾	膳食记录与称重
体检深度	血尿生化、骨密度、肺功能、体成分	血尿生化、骨密度、体成分、部分体测	血生化项较少	体格与部分生化
同一人三层齐备	是	是	部分	否（检验另属别的调查）
免费下载	是，需注册同意条款	是，直接下载	需申请	以汇总表为主
语言	韩文文件，英文章节页	英文	英文	日文

这张表就是开头那个判定的依据：说"东亚唯一"不是修辞，是字段对照的结果。美国 NHANES 在做"三合一"这件事上比 KNHANES 更早，所以稀缺性确实在东亚：中国 CHNS 膳食更细但生化薄、轮次疏，日本营养调查膳食好但临床检查不同框。要找东亚人群、连续二十多年、三层齐备、可免费下载的样本，眼下只有它。

§3 它是一座被低估的测量基础设施，不是一份数据文件

3.1 测量链路：一辆车、两支队伍、四十八周

KNHANES 不是坐在办公室发问卷的调查，而是一套移动的测量流水线。官方调查方法页写明：调查由受训的医务人员与访谈员在**移动检查中心（MEC）**完成，两台改装车分工——一号车负责候诊、面访、自填问卷、肺功能、眼科与血压；二号车负责采血、口腔、握力、体格测量与登记。

营养调查不走这两台车，而是入户。官方描述是专业化调查队（4 组、8 人），用 48 周完成入户走访。这解释了为什么膳食数据与体检数据虽在同一人身上，采集地点却不同：膳食必须在家里看实物，体检必须集中在有设备的车上。

人员配置也是公开的：体检端护士 4 人（血压、体成分、体格测量），采血护士与医技 4 人，肺功能与握力与验光 4 人，骨密度放射技师 4 人；访谈队 8 人；营养队 8 人。骨密度这一项由韩国骨与矿物研究学会提供指导与监督，体检由每调查区一名的医生（来自韩国家庭医学会）把关。这些细节不是花絮，它们决定了数据质量的来源：每个指标背后都有一个具名学会在管。

3.2 为什么"三合一"是制度问题而不是技术问题

把问卷、体检、膳食合在一次调查里，技术上只是多雇两支队伍，难的是法条、预算与跨部门协调。能做到，是因为 1995 年《国民健康增进法》把这四件事并入同一法律框架，1998 年又把此前分属不同机构的两项调查合并。这次合并是整个数据集存在的制度前提。

合并之后，执行机构也转移过一次。前三期由韩国保健社会研究院（KIHASA）、韩国保健产业振兴院（KHIDI）与疾控机构共同承担；2007 年起改由疾控机构（今 KDCA）单独主持，同期转为年度调查。官方历史沿革页把前三期与第四期分开描述，原因就在这里。

期次	执行机构	频次	这份数据"是谁的"
第 I–III 期	KIHASA、KHIDI 与疾控机构共同	三年一次	多机构合作的调查
第 IV 期起	疾控机构单独主持	每年	单一机构的国家统计

对使用者的直接后果是：跨 2007 的比较要格外小心。执行机构换了，培训体系、质控流程与设备采购路径都换了一遍，变量名相同不代表测量一致。官方对血压计更替给了注释，对这次机构转移却没有等效说明，空白只能由使用者在方法学里声明。

3.3 它的身份：政府指定统计，而不是研究项目

KNHANES 在韩国统计体系里的身份是政府指定统计，批准号 117002，法律依据是《统计法》第 17 条。这个身份的含义是：它产出的数字具有官方统计地位，会被用于国家健康计划的制定与评估，也会被提交给 OECD、WHO 等国际组织作为韩国官方口径。

这改变了它的很多属性：有法定周期与用途，问卷每年经两个咨询委员会审议，产出也不只是微数据，还有每年发布的《韩国健康统计》。对使用者的意义有两条。其一，指标定义通常面向政策——"当前吸烟率"要求一生吸过五包以上且现在仍在吸，这与临床研究的暴露定义未必一致。其二，口径变动往往有政策解释，切点、项目与年龄门槛的调整背后多半是预算或政策重点移动，而不是方法学失误。

3.4 与韩国其他国家级数据的身份分工

韩国在健康领域有几套国家级数据并存，各自的身份不同，混用是最常见的错误来源之一。

数据	性质	覆盖	强项	弱项
KNHANES	抽样横断面调查	每年约一万人	膳食+检验+问卷三层齐备	无随访、无发病率
国民健康保险（NHIS）理赔	全人口行政记录	全体投保人	覆盖全、可随访、有费用	无膳食、临床细节薄
国民健康筛查	行政筛查记录	参保人周期性体检	可纵向追踪检验值	项目受筛查政策限制
韩国基因组与流行病学队列（KoGES）	社区队列	十余万人	有基因、有随访	膳食不如 KNHANES 细
社区健康调查	地区抽样	各市道	地区级估计	无生化检验

这张表给出的判断规则很直接：要"哪一层"，就选哪一套。要膳食与检验同时在场，只有 KNHANES；要随访与发病率，只有理赔或队列。 两者链接是韩国研究界的常规操作，但链接需要额外的数据申请与伦理审批，不在公开微数据范围内。

§4 质量与特色：一套为可比较而设计的测量，以及它换来的代价

4.1 质量控制的组织形态：让学会来管指标

KNHANES 的质控不是内部自查，而是把每个指标交给对口的专业学会。官方在调查内容选择页列出了参与合作的学术团体，覆盖高血压、糖尿病、血脂异常、呼吸系统疾病、口腔疾病、肝病、贫血、肾病、甲状腺疾病、重金属、诊断检验医学、眼病、耳鼻喉疾病、肌力、肥胖、骨关节炎、结核、女性健康等。体检端另有韩国家庭医学会、韩国骨与矿物研究学会等直接参与执行。

这个安排的实际效果是：指标定义不是行政拍板，而是专业共识。比如骨密度的测量与判读标准由骨与矿物研究学会定，眼病检查由眼科学会定。当你在论文里引用某个切点时，那个切点通常就是这个学会推荐的口径。

代价是：学会建议与国际标准不一致时，韩国口径会自成一套。跨国比较必须显式说明——不是谁对谁错，而是两套定义本来就不一样。

4.2 抽样权重与分层：三列必须一起用的变量

复合抽样设计的数据，点估计的正确性完全依赖权重。KNHANES 每份文件都带权重列、分层列与初级抽样单元列，官方《数据使用者指南》专章讲解如何在 SAS、SPSS、Stata、R 里声明这套设计。

陷阱在于：权重不是一年一列，而是一个模块一列。体检子样本的权重与访谈样本不同，因为不是所有受访者都做完体检。用访谈权重分析血压、用体检权重分析膳食，都会偏。先确定分析变量来自哪个模块，再选权重列。

权重列	对应的分析对象	用错会怎样
访谈权重	问卷与自报变量	患病率估计偏离全国水平
体检权重	血压、生化、体格测量	检验值的分布被高估或低估
营养权重	膳食回顾与营养素	能量与营养素的均值失真
分层与初级单元	方差与置信区间	标准误偏窄，显著性被高估
组合权重	跨模块联合分析	官方未单列，须按指南推算

分层与初级抽样单元则决定了方差估计的方法。复合抽样下，简单随机抽样的标准误公式是错的，必须用泰勒级数线性化、重复抽样或自助法。这一点在论文里经常被忽略，结果是效应量没错但置信区间偏窄，显著性被高估。

4.3 案例：用 2023 年的一条记录看三层怎么对齐

具体一点。假设我们从 2023 年的基础库中取出一个 52 岁男性。他的访谈段显示：自报高血压，正在服用降压药，吸烟，每周饮酒两次；检查段显示：收缩压 138 mmHg、舒张压 88 mmHg、空腹血糖 112 mg/dL、糖化血红蛋白 6.1%、总胆固醇 232 mg/dL、腰围 92 cm；营养段显示：当日能量摄入约两千五百千卡，蛋白质七十余克，脂肪八十余克。

这段描述的价值在于矛盾本身就是信息。他在服药，血压仍有 138/88，说明控制不理想；他的空腹血糖略高但未到糖尿病切点，而糖化血红蛋白 6.1% 提示近三个月平均血糖偏高；他的总胆固醇超过 240 的切点还差一点，但已在边缘。任何单看一层的分析都拿不到这幅图，而这就是 §4.3 的案例存在的意义——三个模块在同一行里互相校验。他对这一行的说法是「血压控制得还行」——138/88 对已服药者并不算达标；这种自我评估与测得值的落差，就是自报不能单独使用的理由。

再用这个案例说明权重的作用。这一行在未加权的样本里只是"一个人"，在加权后可能代表全国同年龄同性别若干万人中的一个特定切片。如果他的抽样权重是 1.8，那他在估计全国患病率时的贡献就是一个普通人的 1.8 倍。忽略这一点，得到的"52 岁男性高血压患病率"就不是全国数字，而是这次调查抽到的那批人的数字。

§7.3 会把同一套指标放进年度趋势里，看切点变动怎样改变结论。

4.4 特色：它测了很多"只有同时做三件事才能测"的指标

有些指标的存在本身依赖于三合一的结构。最典型的是患病知晓率：分母是现场测量确诊的人（血压 ≥140/90 或已服药），分子是其中自报"被医生诊断过高血压"的人。这个比率只有在同一人身上既有测量又有自报时才能算。同理还有治疗率（在服药的人/确诊的人）与控制率（达标的人/确诊的人）。

官方结果页给出的管理指标就是这个结构：2019–2021 年高血压知晓率约七成、治疗率约六成七、确诊人群中控制率约五成；糖尿病知晓率约六成七、治疗率约六成二、控制率约两成四。糖尿病控制率明显低于高血压，这个差距本身就是一个有价值的研究发现，而它之所以能被算出来，完全依赖三合一。

另一类是三合一的"副产品"：自报患病与测量不符的群体。自报没有高血压但血压超标的人，是"未诊断高血压"人群；自报有但血压正常且未服药的人，可能是误记或已停药。这些群体在单一来源数据里根本不存在。

4.5 特色的反面：三层之间不是等精度

三合一给了完整性，但也意味着三层数据的精度参差不齐。测得的血压与血糖有明确的仪器与流程，精度高、可比性好；自报的患病与就医依赖记忆与知晓，误差大；24 小时膳食回顾依赖受访者回忆与配合，误差最大且方向性明确（低报）。

使用者在做三层联合分析时，必须意识到误差结构不对称。膳食端的误差不是随机噪声，而是系统性的低估，这会系统性地削弱膳食与结局的关联，让真实的效应看起来比实际小。研究者常常因此得出"没有显著关联"的结论，而真实情况是"效应被测量误差吃掉了"。这是 §7.2 要展开的问题。

§5 怎么拿到它：门户、格式与一次完整的取数

5.1 门户结构与语言

KNHANES 的官方门户是 knhanes.kdca.go.kr。主站是韩文，站内另有一套英文介绍页面，覆盖调查概览、调查历程、抽样设计、调查方法、调查内容、数据介绍与常见问题。数据下载本身在主站（韩文）完成，英文页明确写着"Data download is available on the Korean site"。

这个语言结构带来一个现实问题：英文页能让你理解数据结构，但下载要回到韩文界面。对不懂韩文的使用者，通常的做法是借助浏览器的页面翻译，或者直接按文件名字头（HN + 两位年份）与固定路径找到下载清单。门户的菜单结构是前端渲染的，直接抓 HTML 拿不到完整导航，这一点在 §5.6 会说明。

5.2 文件格式与命名

微数据以 SAS 数据文件形式发布，官方英文常见问题明确写"providing its data in SAS Data Format"，同时数据介绍页的格式列写的是"SAS/SPSS DB File"。文件名的规则是 HN + 两位年份 + 下划线 + 模块缩写：

文件后缀按模块取缩写：_ALL 是基础库（访谈、体检、营养合并），全年龄段全年度都有；_24RC 是 24 小时膳食回顾的食物明细，2007 年起每年都有；_IJMT 是损伤与医疗利用，只在 1998 至 2015 年间发布；_DSRAW 是早期两年的疾病明细，仅 1998 与 2001 年；_FFQ 是膳食频次问卷，只在 2012 至 2016 年；_DXA 是骨密度与体脂，只在 2008 至 2011 年；_OE 是口腔检查，2007 至 2015 年；_ENT 与 _EYE 是耳鼻喉与眼科，均在 2008 至 2012 年；_PAM 是加速度计体力活动，只在 2014 至 2017 年。

这张表回答了使用中最常见的困惑：为什么我在 2020 年的包里找不到 _FFQ。答案是那一年根本没做。同理，_DXA 只在四个年份存在，想做骨密度趋势分析的人必须在方法学里声明时间窗，而不是抱怨缺失。

5.3 注册与条款

下载路径官方 FAQ 写得清楚：从门户菜单进入 Data → Data Download；新用户需同意个人信息收集（姓名、单位、邮箱等），已注册者用邮箱登录；点击调查年份；下载《数据使用者指南》与 SAS 数据文件。

《数据使用者指南》不是可选附件。它含调查概要、调查项目、分析方法与代码本，是理解变量编码与权重用法的唯一权威文件。没有它，你拿到的只是一堆编号。

条款层面需要注意两点。一是禁止再识别：微数据虽然去标识，但小地区、极端年龄、罕见职业的组合仍可能指向个人，公开出版物中不得出现可反推个体的交叉表。二是部分敏感变量需另行申请：常规下载得到的是一般研究用途的版本，涉及更细地理信息或特殊变量的版本有更高的申请门槛。

5.4 许可框架

门户页脚链接指向韩国公共数据开放框架（KOGL）说明页与相关法律条文。KOGL 第 1 类型要求署名、允许商业与二次使用，但 KNHANES 的下载条款在此之上附加了研究用途与禁止再识别的约束。结论是：下载免费，使用有条件。 任何二次分发都应先确认门户当期的条款文本，因为条款会更新，以你下载时看到的版本为准。

5.5 一次最小的取数流程

下面这段流程是从门户到可分析数据的最短路径，按官方 FAQ 的四步走，不涉及任何需要登录之后才知道的东西。

第一步，找到入口。

#-- 1. 打开门户，进入 Data -> Data Download
#--    韩文主站：https://knhanes.kdca.go.kr/knhanes/main.do
#--    英文介绍页：https://knhanes.kdca.go.kr/knhanes/eng/intr/dataIntr.do

第二步与第三步，注册、选年份、下载。 这两步必须人工完成，无法脚本化。

2. 注册并同意个人信息收集条款（姓名、单位、邮箱），已注册者用邮箱登录
3. 选择年份，下载《数据使用者指南》与 SAS 数据文件

第四步，核对文件完整性。

#-- 4. 核对文件完整性：指南 PDF 与数据文件成对出现
mkdir -p knhanes/2023 && cd knhanes/2023
#-- 下载后的文件按门户给出的文件名保存，例如 HN23_ALL.sas7bdat
ls -lh

拿到文件之后的第一件事不是建模，而是读指南里的抽样与权重章节。这一步跳过，后面所有数字都不可靠。

5.6 用代码读进来并声明复合抽样设计

SAS 文件在 R 与 Python 里都能直接读。下面用 R 的 haven 与 survey 包做一次最小可运行示例：读基础库、声明分层与权重、算一个加权患病率。变量名按官方习惯示意，实际以你那一年的代码本为准。

#-- 读入 SAS 数据文件与必备包
library(haven)
library(survey)

d <- read_sas("HN23_ALL.sas7bdat")

#-- 官方权重列随年份命名，须对照当年代码本确认列名
#-- 这里示例用 wt_itv（访谈权重）、kstrata（分层）、psu（初级抽样单元）
des <- svydesign(
  id      = ~psu,
  strata  = ~kstrata,
  weights = ~wt_itv,
  nest    = TRUE,
  data    = d
)

#-- 加权后的高血压患病率：测量超标或自报正在服药
d$htn <- with(d, as.integer(sbp >= 140 | dbp >= 90 | htn_med == 1))
des <- update(des, htn = d$htn)

res <- svymean(~htn, des, na.rm = TRUE)
print(res)
confint(res)

这段代码的关键不在于语法，而在于三个设计参数必须一起给：id、strata、weights。少任何一个，方差估计就退化成简单随机抽样的近似，置信区间会偏窄。

同样的分析在 Python 里可以用 pandas 读入后再交给 statsmodels 的复杂抽样工具，或者直接调用 R 的 survey 包。下面给出 Python 侧的读取与加权点估计示例，方差部分交给 samplics 之类的专用包处理。

#-- 读取 SAS 文件并做加权点估计
import pandas as pd
import numpy as np

df = pd.read_sas("HN23_ALL.sas7bdat", format="sas7bdat", encoding="utf-8")

#-- 官方权重列随年份命名，须对照当年代码本确认
w = df["wt_itv"].astype(float).to_numpy()
htn = ((df["sbp"] >= 140) | (df["dbp"] >= 90) | (df["htn_med"] == 1)).astype(float)

mask = ~np.isnan(htn) & ~np.isnan(w)
prev = np.average(htn[mask], weights=w[mask])
print(f"weighted prevalence: {prev:.4f}")
print(f"unweighted prevalence: {htn[mask].mean():.4f}")

加权值与未加权值一起打印是个好习惯：两者的差距就是"忽略权重会错多少"。整体看差距常在百分之一到几个百分点，不显眼；但在细分层里（比如某年龄段女性），差距足以让结论翻转。

5.7 回到 §4.3 的案例：权重怎么改变一个人的分量

§4.3 的案例里那位 52 岁男性，权重取 1.8，代表他在全国估计里顶 1.8 个人。这个乘数吸收了三层信息：抽样概率、无应答调整与事后分层校准。任何一层的假设变了，权重就跟着变，所以权重列不是常数，是版本的产物。

5.8 提示：这份数据的取数没有 API

KNHANES 不提供 REST API，也没有结构化的元数据端点，取数只能走门户网页下载。这意味着无法自动增量同步，定期管道只能靠人工下载或浏览器自动化。元数据是《数据使用者指南》PDF 与代码本，不是机器可读的 schema。工程设计要按这个前提：下载是人工步骤，解析与清洗做成可重复脚本。

§6 与库内条目的关系

6.1 关系图谱

在千方医数集的条目网络里，KNHANES 的位置是"东亚国家级抽样调查"这一格。它与几个邻接条目的关系是分工而非替代：

邻接条目	关系	分工
韩国国民健康保险（NHIS-NHID）	同国互补	理赔管覆盖与随访，KNHANES 管膳食与检验
美国 NHANES	方法学同源	同一套"体检车 + 三模块"范式，美国先做，韩国本土化
OECD 健康统计	上游汇总	KNHANES 是韩国报告给 OECD 的部分指标来源
韩国基因组与流行病学队列（KoGES）	同国互补	队列有基因与随访，KNHANES 有代表性膳食
韩国社区健康调查	同国分层	地区级自报，无生化
中国 CHNS	跨国对照	膳食更细、检验更薄、轮次更疏
日本国民健康营养调查	跨国对照	膳食好，临床检查不同框
BioBank Japan	东亚对照	医院队列、基因为主，非人群抽样

6.2 检索路径

从本篇出发的三条常用跳转：

第一条，要随访与发病率。 从 KNHANES 跳到韩国国民健康保险理赔条目。这条路解决的是"横断面无法长期跟踪"的问题，代价是丢掉膳食。

第二条，要基因与组学。 跳到韩国基因组与流行病学队列。这条路解决的是"KNHANES 常规微数据不含基因型"的问题，代价是膳食粗糙、样本非全国概率抽样。

第三条，要做三国比较。 同时打开中国 CHNS、日本国民健康营养调查与 KNHANES 三个条目，在方法学一节对齐膳食方法、检验项目与轮次间隔，再决定比较能做哪一层。这一步不做，写出来的三国比较大概率会出现"用韩国单日回顾对比中国三日称重"这类不可比的问题。

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

读下面的评分之前，先做一个校正：不要用"数据质量好不好"这个单一维度来评判 KNHANES。它的设计目标不是测准每个人的真实摄入与真实血压，而是用可承受的成本产出一个跨年可比、跨国可对齐、能支撑政策评估的全国估计。用这个目标去衡量，它的许多"缺陷"其实是设计取舍：单日回顾换来了每年可重复与低受访负担；横断面换来了全国代表性；年龄门槛换来的是把有限预算投到最有政策意义的人群。

反过来说，凡是不在这个目标范围内的用法，都会遇到系统性的结论错位。做个体诊断、做因果推断、做习惯摄入估计、做罕见病研究，都会在这套设计上失效，而这失效的原因在于用法超出了设计边界，并非数据本身损坏。下面的评分按"作为全国代表性监测系统"这把尺子打。

7.1 五维评分

按 DAIMS 框架的五个维度给分，五分为满分。

维度	评分	评分依据与扣分点	复核方式
数据可发现性与可获取性	4	门户公开、注册即下、指南齐全；扣分在无 API、无机器可读 schema、韩文界面	门户逐页访问
数据质量与完整性	4	测量流程规范、学会把关、权重完整；扣分在自报偏倚与膳食低报	官方方法页与文献
文档与元数据	4	指南含代码本与分析说明；扣分在跨年变量对照需自行整理	数据介绍页与 FAQ

后两维评的是制度供给能力，不是数据本身。

维度	评分	评分依据与扣分点	复核方式
伦理与合规透明度	4	IRB 编号公开、条款明确；扣分在敏感变量申请流程不透明	官方 FAQ 与条款页
可维护性与持续供给	5	二十多年不间断、法条保障、年度更新、第十期进行中	调查历程页

综合看，持续供给接近满分，这在科研数据集里罕见；可发现性因无 API 扣分，对工程侧是实际摩擦。

7.2 已知的系统性偏差

第一，无应答与选择偏差。 抽样选中不等于参与，老年、独居、行动不便者参与率更低。权重只能修正已知的协变量分布，无法修正"不愿参加的人本身更不健康"这种选择。关于虚弱与失能的估计都应保守对待。

第二，膳食低报。 这是 KNHANES 最被低估的问题。24 小时回顾要求受访者回忆并报告前一天所有进食，系统性低估是国际通病，且低估幅度与体重指数正相关。后果是：能量摄入与肥胖的表观关联被压平，甚至在横断面数据里出现"越胖的人报告吃得越少"的反直觉结果。任何用 KNHANES 直接回归能量摄入与体重的研究，都必须先报告低报的可能性，并做敏感性分析（比如剔除报告能量低于基础代谢率合理下限的个体）。

第三，自报患病的知晓率依赖。 自报"被医生诊断过糖尿病"的人只包括去看过病且被诊断的人，未诊断者被算作无病，患病率因此被低估——除非同时用测量值定义。官方定义同时纳入测量、自报与用药，正是为了缓解这一点。

第四，年龄门槛造成的选择。 握力与体成分只测 65 岁以上，肺功能只测 40 岁以上。中年人的肌少症研究无从做起——这不是缺失，是设计。

7.3 已知的、可枚举的偏差

这一节把"会改变结论的口径变动"逐条列出。每一条都是官方在页面上自己标注过的，不是推测。

上文列出的口径变动里，最值得单独说的是糖尿病。官方结果页对糖尿病患病率的定义包括空腹血糖 ≥126 mg/dL、医生诊断、服用口服降糖药或胰岛素，或糖化血红蛋白 ≥6.5%。如果某个早期年份的全国调查没有把糖化血红蛋白纳入判定，那么那一年的患病率在定义上就偏低，跨年比较时看起来就像"糖尿病在增加"。这不是疾病变了，是尺子变了。

§4.3 的案例在这里可以再走一步。那位 52 岁男性空腹血糖 112、糖化血红蛋白 6.1%，按含糖化血红蛋白的完整定义他还不算糖尿病；但如果只按空腹血糖定义，或者把糖化血红蛋白切点从 6.5% 下调到 6.0%，他的分类立刻翻面。一个人的分类会因为切点规则而改变，一千万人的患病率同样会。更麻烦的是，若某一年份的调查没有把糖化血红蛋白纳入判定，那一年与他情况相同的人会被整体归入「非糖尿病」，跨年曲线于是在没有任何真实变化的情况下抬了起来。

7.4 外部验证矩阵

KNHANES 的数字并非孤证，它可以与几类外部来源交叉校验。

验证来源	可比指标	一致性	说明
韩国健康统计年报	全部主要指标	高（同源）	年报即由 KNHANES 计算，属自证
OECD 与 WHO 统计	肥胖率、吸烟率、危险因素	中高	口径经折算，以官方上报为准
国民健康保险理赔	高血压、糖尿病就诊率	中	一方按测量，一方按就诊，定义不同
国民健康筛查	血压、血糖均值	中高	筛查人群有选择偏倚
死因统计与国际同类调查	慢病死亡趋势、肥胖率	低至中	只能做方向性对照，抽样框差异大

这个矩阵的实际用法是：当你算出的数字与 OECD 公布值差出几个百分点时，不要急着怀疑代码，先查两边的年份与口径是否对齐。多数"对不上"其实是口径问题，不是错误。

7.5 它为何能持续：法条把它写成了国家统计义务

KNHANES 能连做二十多年，靠的不是研究热情，而是《国民健康增进法》第 16 条把"评估国民健康与营养状态"写成了政府的法定职责，加上《统计法》第 17 条的政府指定统计身份。这两条法律把这套调查从"项目"变成了"制度"：预算有出处，周期有规定，产出有法定用途（国家健康计划的指标与评估底座）。研究者换了几代，调查没有断。

对比之下就明白这有多难得：同期许多国家的同类调查因预算削减而中断、降频或改项，KNHANES 不但没断，还在 2007 年加密到每年一次，2025 年进入第十期。一个调查真正值钱的地方，往往不是某一年的数据有多好，而是它能一直做下去。二十多年的连续，让"趋势"二字在这里有了实际意义。

§8 生态位与历史

8.1 历史沿革：两次合并与一次提速

KNHANES 的历史可以拆成三个节点。

第一个节点是两条前身的并行期。 国民营养调查 1969 年起实施，1995 年前一直按年做；国民健康与健康行为调查 1971 年引入，但只做过几次（1983、1989、1992、1995）。两条线各自为政，膳食与健康行为分属不同抽样，这正是"三合一"要解决的问题的原型。

第二个节点是 1995 年的立法合并。 《国民健康增进法》把健康访谈、健康行为调查、营养调查与健康检查四件事纳入同一框架。1998 年第一次以合并后的形态实施，即第 I 期。

第三个节点是 2007 年的年度化。 第三期（2005）结束后，第四期（2007–2009）起改为年度调查，同时引入全职现场团队、扩大调查区、转为疾控机构主导。官方对这一转变的表述是"以提供及时的国家统计"。

这三个节点对应三种不同的数据性质：前三期是"三年一快照"，第四期起是"年度连续监测"。跨节点比较，本质上是在比较两种不同的调查设计。

8.2 它在东亚比较研究里的位置

东亚三国在健康数据上的结构性差异，决定了比较研究的可行边界。

能力	韩国	中国	日本
全国代表性抽样	有，年度	有，多套体系	有，年度
膳食摄入测量	每年 24 小时回顾	有，轮次间隔长	有，记录与称重
生化检验同框	有，项目厚	部分，项目薄	不同框
免费微数据	有	需申请	以汇总为主
慢病管理三项率	有	部分	部分

这张表的读法不是"谁更好"，而是"哪一层能对得上"。三国都能对齐的是患病率与危险因素这一类指标，因为都有全国调查；能对齐到膳食结构的只有韩日；能对齐到膳食与生化个体级关联的，只有韩国自己。做三国比较时把能对齐的层写清楚，比硬凑一个三级比较更诚实，也更容易通过审稿。

8.3 与韩国国内其他数据的生态分工

维度	KNHANES	NHIS 理赔	KoGES 队列
样本与随访	每年约一万人，无随访	全体投保人，可随访	十余万人，可随访
膳食与生化	膳食详细，生化厚	无膳食，筛查项	膳食粗，有生化
基因	无	无	有
获取门槛	免费下载，注册同意条款	需申请与审批	需申请与立项
周期	年度横断面	连续行政记录	多年随访
典型用途	患病率与膳食	发病率与费用	基因与环境交互

三者占据生态位不同：KNHANES 精而小，NHIS 全而粗，KoGES 深而长，所以常被链接使用——KNHANES 提供全国基准与膳食分布，NHIS 提供发病率与随访，KoGES 提供基因。链接另需伦理审批。

8.4 未来走向：第十期与问卷数字化

官方 2025 年进入第十期（2025–2027），有两处动向值得注意。一是调查内容持续增补，近年加了睡眠、口腔、女性健康等模块，问卷在加长。二是膳食调查正往自填与线上化调整，已有公开论文讨论在第十期引入在线自填膳食行为调查。数字化可能降低访员负担、提高应答率，也可能改变误差结构，使新旧数据不可直接比较。用第十期数据时，要关注官方有没有给桥接说明。

§9 使用指引

9.1 三种角色的路径

研究者的路径。 先读指南的抽样与分析章节，确定变量来自哪个模块、选对应权重；再下载基础库与专题表，按代码本对齐变量名。方法学须交代四件事：加权方式、方差估计、无应答处理、跨年口径变动。

数据工程师的路径。 下载按人工步骤处理，维护年度文件清单。解析层做成可重复脚本：读入 → 映射 → 权重识别 → 统一 schema。中间表保留原始变量名与年份标识。

政策分析者的路径。 引用官方结果页与年报，注明年龄标化口径（官方以 2005 年人口估计做直接标化）。细分人群回到微数据，但子群样本太小算出的数字不稳定。

三种角色的差异可以压成一张交付检查表，写论文或交报告前逐项对一遍。

检查项	研究者	数据工程师	政策分析者
年份与期次	注明数据年份与期次	记录文件包版本	对齐官方发布年
权重与分层	按模块选权重列	保留原始权重列	通常用官方数字
口径变动	方法学中声明	表结构里留版本标记	注释页脚说明
数字复核	与官方结果页对照	单元测试覆盖	与年报对照
可复现性	保存分析脚本	中间表带血缘	保存引用快照

这几项的共同作用，是把"看起来对"变成"可以被复核"。

9.2 一条最短的可用流程

从下载到产出一个可信的加权患病率，最短路径如下。

#-- 步骤 1：确认年份与文件清单
#-- 打开英文数据介绍页核对该年有哪些文件
#-- https://knhanes.kdca.go.kr/knhanes/eng/intr/dataIntr.do

#-- 步骤 2：在韩文站下载基础库与指南
#-- 登录后进入 Data -> Data Download，选择年份
#-- 同时下载《数据使用者指南》（PDF，含代码本）

#-- 步骤 3：建立工作目录
mkdir -p knhanes/2023/{raw,clean,out}
mv ~/Downloads/HN23_ALL.sas7bdat knhanes/2023/raw/
mv ~/Downloads/*guide*.pdf knhanes/2023/raw/

随后在 R 里做加权估计，代码见 §5.6。产出的数字在写进论文之前，做三件事：与官方结果页公布的同年数字对照；把加权值与未加权值并列；对主要变量做一次缺失率检查。三者都过，数字才可以往外报。

9.3 引用方式

学术引用应指向官方门户与数据使用年份，同时引用方法学文献。官方要求的使用者指南与门户是必须项，方法学论文是加分项。

Korea Disease Control and Prevention Agency. Korea National Health and
Nutrition Examination Survey (KNHANES) [data set]. 2023. Available from:
https://knhanes.kdca.go.kr/knhanes/main.do

Kweon S, Kim Y, Jang MJ, et al. Data resource profile: the Korea National
Health and Nutrition Examination Survey (KNHANES). Int J Epidemiol.
2014;43(1):69-77. doi:10.1093/ije/dyt228

第二篇是这套数据最常被引的方法学文献，2014 年发表于《国际流行病学杂志》，被引超过一千七百次。凡是使用 KNHANES 的论文，方法学一节引用它几乎是惯例。二十周年综述（2021 年《Epidemiology and Health》）适合在讨论数据局限与未来方向时引用。

§10 AI 使用声明

项目	说明
本文的生成方式	由 AI 辅助整理官方页面与公开论文摘要后撰写，事实以官方页面为准
核验日期	2026-10-27
核验方式	逐个访问 KDCA 官方英文介绍页（调查概览、历程、抽样、方法、内容、数据介绍、常见问题），并用 Europe PMC 接口检索方法学论文摘要
未覆盖内容	韩文主站的下载页与《数据使用者指南》PDF 正文未取得；敏感变量申请的具体条件未取得
数字来源层级	规模与结构数字来自官方英文页（第一级）；方法学判断来自论文摘要（第二级）；未取得的一律标注为未核实
应如何复核	以官方门户当期页面与《数据使用者指南》为准；任何写进论文的数字都应回到官方结果页对照一次
不应如何使用	不应把本文的结构描述当作代码本使用；变量名与权重列名须以当年指南为准
责任边界	本文不构成数据使用授权，也不构成医学建议；数据使用须遵守门户条款与伦理审查要求

常见误读（避坑清单）

常见说法	实际情况	证据	建议做法
KNHANES 是队列，可以追踪同一批人	是横断面，各年样本独立，同一人不出现在下一年文件里	官方方法学论文明确写 nationally representative cross-sectional survey	改做趋势或患病率
每年一万人就是一个可随访的固定样本	每年都是新的抽样，调查区与住户整批更换	官方抽样设计页给出每期调查区与户数	按年份分层读文件
权重可以不用，样本已经是随机的	复合并分层多阶段抽样，不加权得到的是样本描述不是全国估计	官方《数据使用者指南》设专章讲权重与分析	按模块选权重列
24 小时回顾可以直接当习惯摄入	只覆盖一天，且系统性低报，肥胖者尤甚	膳食测量方法学共识；FFQ 验证研究给出效度相关系数约 0.4	做多次回顾或校正
热量摄入越高的人越胖，KNHANES 数据是错的	低报与体重的正相关会压平甚至反转表观关联	能量低报是国际通病，报告能量与体重的关系不可直接解释	先报低报敏感性分析
患病率逐年上升就是疾病在增加	切点、检验方法、年龄门槛的变动都会推动患病率变化	官方结果页注明血压计 2020、2021 更换，检验机构 2022 更换	比较前查口径注释
糖尿病患病率就是空腹血糖超标	官方定义还包括医生诊断、用药史与糖化血红蛋白 ≥6.5%	官方结果页糖尿病定义注脚	用官方定义复算
骨密度和肺功能所有人都测了	骨密度 19 岁以上且仅 2008–2011，肺功能 40 岁以上，握力 65 岁以上	官方调查内容页的年龄门槛表	先限定研究人群
膳食频次问卷每年都有	只在 2012–2016 年实施	官方数据介绍页文件清单的年份适用列	限定时间窗
可以直接抓官网做数据同步	门户是前端渲染，无 API，无机器可读元数据	官方 FAQ 描述的下载路径为网页四步操作	下载做成人工步骤

FAQ

Q1：KNHANES 能免费下载吗，要不要申请？
可以免费下载。官方英文 FAQ 写明数据以 SAS 格式发布，从门户「Data → Data Download」进入，新用户需先同意个人信息收集条款（姓名、单位、邮箱等），已注册者用邮箱登录，然后按年份下载数据文件与配套《数据使用者指南》。部分敏感变量另需申请，门槛高于常规下载。

Q2：能不能用 KNHANES 做队列随访研究？
不能。KNHANES 是横断面调查，同一人在各年度文件中不构成可追踪的纵向个体。官方在门户上另设了「追踪调查」子项目，那是独立的数据通道，与年度横断面文件不是一回事。

Q3：为什么 KNHANES 里热量摄入越高的群体反而更瘦？
这多半是低报造成的假象。单日 24 小时回顾系统性低估实际摄入，而低估幅度在体重较高的受访者中更大，于是能量摄入与体重的表观关系被压平甚至反转。任何用 KNHANES 直接计算「能量摄入与肥胖」的研究，都要先报告这一层偏差。

Q4：必须使用抽样权重吗？
必须。KNHANES 采用分层多阶段概率抽样并在事后分配权重，目的是让样本还原全国人口结构。直接用未加权的样本算平均值或患病率，得到的不是全国估计，而是样本本身的描述。官方《数据使用者指南》对此有专门章节。

Q5：1998 年和 2023 年的患病率可以直接比较吗？
要非常谨慎。二十多年间调查周期、检查项目年龄门槛、血压计类型、检验机构、诊断切点都发生过变化。官方在结果页注明了血压计从 2020 年起更换、2022 年更换检验机构这类节点，并明确提示比较趋势时须注意其意义。

Q6：KNHANES 与韩国国民健康保险（NHIS）的数据有什么区别？
KNHANES 是对抽样住户的一次性上门测量，含问卷、体检和膳食；NHIS 是覆盖全体投保人的理赔与筛查行政记录。前者宁精不全，后者宁全不精。要做发病率与随访，用 NHIS；要做膳食与生物标志物的联合分析，用 KNHANES。

Q7：为什么有些年份找不到骨密度或膳食频次问卷？
因为这些调查不是每年都做。骨密度（DXA）只在 2008–2011 年实施，膳食频次问卷只在 2012–2016 年实施，加速度计只在 2014–2017 年实施。官方数据介绍页在文件清单里逐项标注了适用年份。

Q8：能做省市级的估计吗？
公开微数据通常不提供足以定位到市道以下的地理标识，192 个初级抽样单元分布在 17 个市道但不足以支撑小地区估计。地区级估计需要走另外的申请路径，或者改用社区健康调查。

Q9：中文论文里引用它的标准写法是什么？
引用官方门户与数据年份，方法是同时引用 2014 年《国际流行病学杂志》的数据资源简介。格式见 §9.3。中文正文中首次出现时写全称并附英文，之后可用 KNHANES。

Q10：它的伦理审批是怎么处理的？
官方 FAQ 写明，2007 年起 KNHANES 每年接受疾控机构伦理审查委员会的审查与批准，具体批准号按周期公布（第四期起有编号可查）。委员会依《赫尔辛基宣言》与《生命伦理与安全法》等国内国际规范运作。使用者自己的研究仍需另行申请本人所在机构的伦理审批。

Q11：数据多久更新一次？
年度调查，每年实施，但微数据发布有滞后。官方英文数据介绍页在访问时列到第九期第二次（2023 年），2024 年数据当时尚未上线。具体发布时间以门户公告为准。

Q12：它能替代临床试验或诊断工具验证吗？
不能。它是观察性调查，用于估计人群分布与关联，不用于个体诊断或疗效评价。任何基于它训练的模型若要用于临床，仍需独立的外部验证与监管审批。

术语表

术语	中文	含义	常见混淆点
KNHANES	韩国国民健康与营养调查	本文主体，1998 年起的全国代表性横断面调查	与 KoGES 队列混淆
KDCA	韩国疾病管理厅	现主持机构，前身为 Korea CDC	与前身 KCDC 混称
KIHASA	韩国保健社会研究院	前三期的共同执行机构之一	误当作现行执行机构
KHIDI	韩国保健产业振兴院	前三期的共同执行机构之一	误当作现行执行机构
MEC	移动检查中心	改装的体检车辆，问卷与体检在此完成	与中国 MEC 缩写混淆
健康访谈	Health Interview	入户与车上完成的问卷模块	与自填问卷混为一谈
健康检查	Health Examination	体格、血压、血尿生化等测量模块	与医院的体检套餐混同
营养调查	Nutrition Survey	入户完成的膳食模块	与 FFQ 调查混同
24 小时回顾	24-hour recall	回忆前一天全部进食的膳食测量方法	误当作习惯摄入
FFQ	膳食频次问卷	询问一段时间内各类食物频率的方法	误以为每年都有
低报	underreporting	受访者系统性少报摄入量	与随机测量误差混同
抽样权重	sampling weight	让样本还原总体的乘数	误以为是常数
分层	stratification	按地区与住房类型等划分的抽样层	与事后分层校准混同
初级抽样单元	PSU	第一级抽中的地理单位，本文语境下即调查区	误译成行政区
复合抽样	complex sampling	非简单随机的多阶段设计，方差估计须特殊处理	误用简单随机方差
年龄标化	age standardization	消除年龄结构差异后的可比率	误用与未标化数字比较
知晓率	awareness rate	确诊者中自报曾被诊断的比例	分母误用全人群
治疗率	treatment rate	确诊者中正在治疗的比例	与依从性混同
控制率	control rate	确诊者中达到控制目标的比例	患者口径与治疗口径混用
期次	cycle	三个年度组成的一期，如第 IX 期 2022–2024	与年份一一对应误认
DXA	双能 X 线吸收	测骨密度与体脂的方法	与 BIA 结果混用
糖化血红蛋白	HbA1c	反映近三个月平均血糖的指标	与空腹血糖混作同一口径
可替宁	cotinine	尼古丁代谢物，用于验证吸烟	误当作尼古丁本身
生物电阻抗	BIA	测体成分的方法	与 DXA 等同看待
KOGL	公共数据开放许可	韩国公共数据的开放框架	误以为无附加约束
政府指定统计	designated statistics	依统计法指定、具官方地位的统计	误当作研究项目
移动健康检查	mobile examination centre	把体检设备装进车辆上门，是美国 NHANES 确立的范式	与固定体检中心混同
营养监测	nutrition surveillance	长期重复测量人群膳食以观察变化	与单次横断面混同
健康行为	health behaviour	吸烟、饮酒、体力活动等可改变的风险因素	与临床诊断混同
代谢综合征	metabolic syndrome	腹型肥胖、血压、血糖、血脂异常的聚集状态	切点各国不一
自报偏倚	self-report bias	依赖回忆与自我认知导致的系统性误差	与无应答偏倚混同
记录链接	record linkage	用准标识把两套数据接到同一个人	与简单合并混同
抽样框	sampling frame	抽样所依据的名单或地图册	与样本名单混同

附录 A：核心数字核对表

项	值	来源	来源层级
起始年份	1998	官方调查概览页	官方页面
前身调查	营养调查 1969 起、健康行为调查 1971 起	官方调查历程页	官方页面
年度化年份	2007	官方调查历程页	官方页面
当前期次	第 X 期（2025–2027）	官方调查历程页	官方页面
每年调查区	192 个（第五期起）	官方抽样设计页	官方页面
每年户数	约 4,800 户（第八期起）	官方抽样设计页	官方页面
访谈队与营养队规模	各 8 人	官方调查方法页	官方页面
营养入户时长	48 周	官方调查方法页	官方页面
移动检查车辆数	2 台（分工不同）	官方调查方法页	官方页面
每年受检人数	约一万人	官方调查概览页	官方页面
调查对象年龄	1 岁及以上	官方调查概览页	官方页面
血压测量年龄	6 岁及以上	官方调查内容页	官方页面
血糖血脂年龄	10 岁及以上	官方调查内容页	官方页面
握力与体成分年龄	65 岁及以上	官方调查内容页	官方页面
肺功能年龄	40 岁及以上	官方调查内容页	官方页面
骨密度实施年份	2008–2011	官方数据介绍页	官方页面
FFQ 实施年份	2012–2016	官方数据介绍页	官方页面
加速度计实施年份	2014–2017	官方数据介绍页	官方页面
统计批准号	117002	官方调查概览页	官方页面
IRB 制度起始	2007 年起每年审查	官方常见问题	官方页面
数据格式	SAS（含 SPSS）	官方常见问题与数据介绍页	官方页面
成人肥胖率 2023	37.2%（年龄标化）	官方主要结果页	官方页面
成人高血压率 2023	20.0%（年龄标化）	官方主要结果页	官方页面
成人糖尿病率 2023	9.4%（年龄标化）	官方主要结果页	官方页面
当前吸烟率 2023	19.6%（年龄标化）	官方主要结果页	官方页面
论文被引（方法学）	超过一千七百次	Europe PMC 元数据	论文摘要

附录 B：数字的来源分层

第一级：官方页面。 本次核验逐个访问了 KDCA 官方英文站的调查概览、调查历程、抽样设计、调查方法、调查内容、数据介绍、常见问题七个页面，以及主要结果页。附录 A 中标注"官方页面"的项均来自这些页面。官方页面是这份数据唯一的一手描述，凡与二手综述冲突，以官方页面为准。

第二级：论文摘要。 通过 Europe PMC 接口检索并读取了数据资源简介（2014）、二十周年综述（2021）、FFQ 效度研究（2015）等文献的摘要。用于支撑方法学判断的表述（如"约一万人"“横断面”“低报风险”“效度相关系数约 0.4”）来自这一层。摘要层面的信息不足以支撑具体数字的精确引用，凡涉及数值一律回落到官方页面。

第三级：未核实。 以下几项本次未能取得，文中已如实标注：韩文主站的下载页具体界面与注册流程细节（仅通过英文常见问题间接了解）；《数据使用者指南》PDF 的正文内容；敏感变量的申请条件与审批流程；2024 年数据的具体发布状态。这几项在任何严肃使用前都必须回到门户核实。

附录 C：完整参考文献

Kweon S, Kim Y, Jang MJ, Kim Y, Kim K, Choi S, Chun C, Khang YH, Oh K. Data resource profile: the Korea National Health and Nutrition Examination Survey (KNHANES). Int J Epidemiol. 2014;43(1):69-77. doi:10.1093/ije/dyt228
Oh K, Kim Y, Kweon S, Yang S, Park M, Kim B, Lee K. Korea National Health and Nutrition Examination Survey, 20th anniversary: accomplishments and future directions. Epidemiol Health. 2021;43:e2021025. doi:10.4178/epih.e2021025
Kim Y. The Korea National Health and Nutrition Examination Survey (KNHANES): current status and challenges. Epidemiol Health. 2014;36:e2014002. doi:10.4178/epih/e2014002
Yeon SY, Oh K, Kweon S, et al. Reproducibility and validity of an FFQ developed for the Korea National Health and Nutrition Examination Survey (KNHANES). Public Health Nutr. 2015;18(8):1369-1377. doi:10.1017/s1368980014001712
Korea Disease Control and Prevention Agency. Survey Overview. https://knhanes.kdca.go.kr/knhanes/eng/intr/srvyOtln.do
Korea Disease Control and Prevention Agency. Survey Progress. https://knhanes.kdca.go.kr/knhanes/eng/intr/srvyHstry.do
Korea Disease Control and Prevention Agency. Sampling Design. https://knhanes.kdca.go.kr/knhanes/eng/intr/sbjSlct.do
Korea Disease Control and Prevention Agency. Survey Method. https://knhanes.kdca.go.kr/knhanes/eng/intr/srvyMtd.do
Korea Disease Control and Prevention Agency. Selection of Survey Contents. https://knhanes.kdca.go.kr/knhanes/eng/intr/srvyCtnt.do
Korea Disease Control and Prevention Agency. Data Introduction. https://knhanes.kdca.go.kr/knhanes/eng/intr/dataIntr.do
Korea Disease Control and Prevention Agency. English FAQ. https://knhanes.kdca.go.kr/knhanes/eng/faq/faqLst.do
Korea Disease Control and Prevention Agency. Major Results. https://knhanes.kdca.go.kr/knhanes/eng/intr/srvyRslt.do

附录 E：如果只记五件事

第一，它是三合一的。 问卷、体检、膳食在同一个抽样框、同一个人身上，这是它在东亚的稀缺性所在。

第二，它是横断面的。 每年一万人，每年换人。任何需要追踪的用途都要另找数据。

第三，权重是强制的。 不加权得到的不是全国估计。体检与访谈各有各的权重列。

第四，膳食低报是系统性的。 单日回顾 + 越胖越少报，会让能量与体重的关联失真。

第五，口径会变。 血压计、检验机构、切点、年龄门槛都在变。跨年比较前先查官方注释。

编辑说明

核验时间 2026-10-27。核验方式是逐个访问 KDCA 官方英文介绍页（七个页面加结果页），并用 Europe PMC REST 接口检索与读取方法学论文摘要。官方英文站以 Vue 组件渲染、菜单接口在无参数时返回空壳，本次通过菜单查询接口逐条解析出章节页路径后，以 POST 方式取得正文；韩文主站下载页与《数据使用者指南》PDF 正文未取得，相关描述以英文常见问题为准。

凡涉及具体数值，正文与附录 A 都以官方页面为准；凡是官方页面未给出的，写明"官方称"或"未核实"，不做推算补齐。官方内部存在口径差异时（例如数据介绍页列到 2023 年、历程页称第十期进行中），只陈述两个口径各自的内容，不判断哪一个是错的。

方法学判断（低报、横断面限制、权重必要性、口径漂移）来自公开文献的方法学共识与官方页面的注脚，不是本次独立验证的结论。凡使用者要写进论文的判断，建议回到官方指南与原始文献核对一次。