墨西哥全国健康与营养调查 ENSANUT — 从六年一轮到年度化

ENSANUT 的全称是 Encuesta Nacional de Salud y Nutrición，中文可译作「全国健康与营养调查」，由墨西哥国立公共卫生研究院（Instituto Nacional de Salud Pública，INSP）主持，与联邦卫生部共同实施。它把三件事捆在同一批住户身上：家庭成员的健康与就医问卷、身高体重腰围与血压的现场测量、以及抽中个体的静脉血化验。这套组合让它同时能回答「有多少人自报患病」和「有多少人测出来确实异常」，也是它区别于纯问卷类调查的地方。

它的节奏变过两次。最初设计是六年一轮，二〇〇六年与二〇一二年各一轮；二〇一六年因超重肥胖与糖尿病上升过快，插入一次中期调查；二〇二〇年疫情期间转为年度化，改称「连续调查」。代价是每轮样本从五万户量级降到一万户上下，三十二个联邦实体的单轮估计随之让位给八至九个地理大区的估计，州级数字要靠多轮累积。数据本身不设门槛，按轮次分模块免费下载，SPSS、Stata、CSV 三套格式并列，附问卷与变量目录。一屏速览见下表。

维度	内容
全称	Encuesta Nacional de Salud y Nutrición（全国健康与营养调查）
主持机构	墨西哥国立公共卫生研究院（INSP），评估与调查研究中心执行
合作方	墨西哥联邦卫生部；抽样框来自国家统计地理研究所（INEGI）
首轮	二〇〇〇年，以 ENSA（全国健康调查）名义开展
轮次数	十二轮（含二〇一六年中期轮与二〇一八年百人镇子样本）
节奏	六年一轮（二〇〇六、二〇一二）→ 中期轮（二〇一六）→ 年度化（二〇二〇起）
观察单位	家庭（hogar）；抽样单位是住址（vivienda）；分析单位是户与个体
抽样	分层整群概率抽样，分阶段抽取住址后在户内按年龄组抽人
单轮规模	五千九百六十五户至五万零五百二十八户；个体两万至二十万
年龄覆盖	全年龄段；问卷按零至九岁、十至十九岁、二十岁及以上分册
数据三层	家庭与居民名册 / 健康与营养问卷 / 人体测量、血压与血样化验
血样内容	血常规、血糖、糖化血红蛋白、血脂、肾功能、炎症、营养素、血铅、抗体
设计变量	层（estrato）、初级抽样单元（UPM）、权重（ponderador）
格式	SPSS .sav、Stata .dta、CSV，另附问卷 PDF 与变量目录
地理粒度	对外只到市镇（municipio），更细的住址与街区不公开
获取门槛	免费下载，无需注册
不含	临床诊断、病历号、影像、基因型、个体跨轮随访

§1 它要解决的具体麻烦

1.1 三种常见的起点

你要一个能当分母的人群。 医院的出院记录告诉你多少人因为糖尿病并发症住了院，却告诉不了你人群里有多少糖尿病人。卫生部的行政报表按服务人口统计，没来看病的人不在里面。全国代表性调查补的正是这个分母：它先从全国住址里概率抽样，再在户内抽人，抽中的人无论健康与否都进样本。

你要区分「知道自己有病」和「查出来有病」。 这是墨西哥这类慢病高负担国家最要紧的一个差额。ENSANUT 的自报诊断来自健康问卷，客观异常来自血压测量与血生化，两者在同一批人身上同时存在，可以直接对照。二〇二二年那一轮的成人问卷就把筛查、既往诊断、治疗与控制在同一个模块里问完，配上当场的血糖与血脂结果，差额是可以逐项拆开的。

你要给政策做前后对照。 墨西哥二〇一四年开征含糖饮料税、二〇二〇年推行包装正面警示标签，这两项政策的效果评估都依赖同一套调查在政策前后的一致性口径。ENSANUT 的食物频率问卷与二十四小时回顾问卷是这两项评估的主要数据源，这也是它能持续拿到财政支持的直接原因。

你要一个真实的复杂抽样练手数据。 十来个模块、上万行、带层与初级抽样单元、带权重、还带一份可以逐题对照的问卷 PDF。它比美国 NHANES 的公开包更松散（模块拆得更碎），比教学用的玩具抽样数据真实得多，适合练加权、练方差估计、练多表按键合并。

1.2 它能给到的与给不到的

你的需求	它给的	够不够
全国代表性慢病与营养指标	自报患病、测量值、血生化三路并行	够，须带权重
按年龄组拆开	零至九、十至十九、二十及以上三册问卷	够
按区域拆开	二〇二〇年起八至九个大区可直接估计	够
按三十二州拆开	二〇一八年及以前单轮可估；之后须累积多轮	一半
饮食与营养素摄入	食物频率问卷加二十四小时回顾（含复访）	够，但依赖食物成分表
体格与血压	身高、体重、腰围、血压，全部现场测量	够
血液生化	血糖、糖化血红蛋白、血脂、肾功能、炎症、营养素	够
环境暴露	一至四岁儿童与孕妇的血铅	够，但仅限子样本
临床诊断与病程	只有自报，无诊断编码、无病历	不够
影像、基因型、组学	无	不够
个体纵向随访	各轮独立抽样，同一人无法跨轮连接	不够
市镇以下地理	出于保密不公开	不够

1.3 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
要估计某项指标的人群水平，手上只有医院数据	提供概率抽样的人群分母与权重	先确认该指标在哪一轮、哪个模块，再按设计变量做加权
要比较政策前后的饮食结构	食物频率与二十四小时回顾口径跨轮基本稳定	核对各轮食物清单版本，做品类映射后再比
要研究「未诊断高血压」的比例	测量值与自报诊断在同一行	用测量阈值定义异常，再与自报标志交叉
要做州级卫生规划	二〇一八年及以前单轮可估；之后需合并多轮	用多轮合并样本并重算层，不要单轮硬拆
要研究新冠感染水平	二〇二〇至二〇二二轮有血清抗体	注意抗体衰减与疫苗接种对判读的影响
要研究儿童铅暴露	一至四岁子样本有静脉血与指血铅	用子样本权重，不要套用全样本权重
要做方法学教学	层、初级抽样单元、权重、多模块合并一应俱全	从二〇一八年轮的模块结构入手，文档最全

1.4 一句话判断

你要的是「墨西哥人群里某项健康或营养指标的水平，并能按年龄、区域、城乡拆开」——用它。你要的是「某个人的病程、诊断链条或影像」——换数据源。

1.5 不适合谁：四条边界

第一条，不适合把它当队列。十二轮虽然跨二十五年，但每轮都是独立抽取的新样本，同一个人不会在下一轮被再次找到。任何「暴露在前、结局在后」的个体层面推论都做不了，只能做轮次间的横断面比较。

第二条，不适合做小区域估计。对外地理标识只到市镇，且二〇二〇年之后连州级都要靠累积。要市镇以下的分布，得回到 INEGI 的普查或行政数据。

第三条，不适合做罕见结局。单轮一万户量级的样本，摊到一个发生率千分之一的结局上只剩个位数，加权后的置信区间宽到没有解释价值。

第四条，不适合直接当临床数据。问卷里的病名是受访者自报，没有诊断编码，没有用药明细的结构化编码，也没有实验室报告的原始单位。要做临床研究，它只能提供人群背景，不能提供病例。

§2 数据构成与规格

2.1 十二轮的清单

官方专题站首页按轮次列出的完成量如下。这些数字是「完成访谈」的口径，不是计划样本量，两者在部分轮次差距很大。

轮次	现场年份	完成户数	完成个体数	抽样区域	血样
ENSA 2000	2000	45,870	190,214	全国	有（血糖、胆固醇、血清学）
ENSANUT 2006	2006	47,152	206,700	32 州	有（含生物样本库）
ENSANUT 2012	2012	50,528	194,923	32 州	有
ENSANUT-MC 2016	2016	9,479	29,795	全国	有（生化）
ENSANUT 2018	2018–2019	44,612	158,044	32 州	有（血红蛋白、血铅、肝炎、微量营养素）
ENSANUT-100K 2018	2018	10,461	42,502	不足十万人的城镇	有（静脉加指血）
Continua 2020	2020	10,216	36,103	9 大区	有（SARS-CoV-2 抗体）
Continua 2021	2021	12,619	43,724	9 大区	有
Continua 2022	2022	10,465	36,483	8 大区	有
Continua 2023	2023	5,965	20,018	8 大区	有
Continua 2024	2024	10,975	36,021	8 大区	有
Continua 2025	2025	9,537	31,992	8 大区	有

两点需要立刻说明。

第一，二〇〇〇年那一轮的名义是 ENSA（Encuesta Nacional de Salud，全国健康调查），不是 ENSANUT。它由同一机构执行、同一套抽样思路，通常被算进这个系列作为基线，但严格说名称不同。引用时写「ENSANUT 系列（含 ENSA 2000）」比直接写「ENSANUT 2000」准确。

第二，二〇一八年有两套数据。主轮覆盖三十二个州，健康组件计划五万户、营养组件计划三万户；同年的 ENSANUT-100K 是另一项独立设计，只抽不足十万人的城镇，并对「繁荣计划」（Prospera，原机会计划）受益户超额抽样。两者不能混用，也不能相加。

2.2 三个组件与模块地图

每轮数据在下载页上被分成「健康组件」与「营养组件」两大块，二〇二〇年之后另加疫情相关的血样模块。以二〇二二年轮为例，健康组件包含家庭问卷、住户信息、居民信息、福祉指数，以及按年龄分册的三份健康问卷（零至九岁、十至十九岁、二十岁及以上），另有一份卫生服务使用者问卷。营养组件包含人体测量与血压问卷、四组食物频率问卷（学龄前、学龄、青少年与成人、补充剂与玉米饼）、二十四小时回顾问卷（首访与复访各一套）、母乳喂养与辅食问卷、体力活动问卷（十至十四岁、十五岁及以上两册）、一至四岁儿童与孕妇血铅问卷、血样登记表。

这种拆法有一个直接后果：一轮数据不是一个表，而是十几个表。想算一个指标往往要先合并三四个文件，键是家庭编号加成员编号。好处是每个表都薄、读取快、变量命名与问卷题号对得上；坏处是文档如果没读全，很容易把两套不同分母的表拼在一起。

2.3 一条个体记录的解剖

以二〇一八年轮的人体测量表为例，一条记录大致由四段拼成：设计变量（初级抽样单元、住址序号、户号、成员号）、测量值（两次体重、两次身高、腰围）、测量过程变量（是否穿衣、是否配合、是否孕妇或哺乳）、以及派生用的辅助变量（出生日期、调查日期、残疾、服装重量）。测量值普遍保留两次，是为质量控制留的余量——两次差异超限时按规程重测，最终取哪个值由现场督导判定。

UPM        00001-03938    初级抽样单元编号
VIV_SEL    01-25          抽中住址在该单元内的序号
HOGAR      1-4            同一住址内的户号
NUMREN     01-19          户内成员编号
PESO1_1    002.500-222.220  第一次体重（千克）
PESO1_2    002.500-222.220  第二次体重（千克）
P2         1-4,9          称重时衣着：轻薄/厚重/未穿衣/未称
TALLA4_1   045.5-196.4    第一次身高（厘米）
P6         1-4,9          孕妇/哺乳/两者/皆非/不详

四个键变量的组合是唯一的，这是把健康问卷、生化结果、食物频率三张表串起来的唯一办法。缺了成员号，个体级表就只能按户汇总，样本量会立刻塌掉一个量级。

2.4 设计变量是这套数据的骨架

官方在每张表里都放了三类设计变量：层、初级抽样单元、权重。层的定义与地理区域、城乡划分相关；初级抽样单元是被抽中的街区或村落；权重把样本还原到人群，且分模块给出——家庭权重、个体权重、血样子样本权重通常不是同一个数。

这一点最容易被忽略。拿血样指标算人群水平，用的是血样子样本权重；拿问卷指标算，用的是个体权重。两者混用会把估计值推偏，而且偏得不像随机误差那样能靠增大样本救回来。

变量类别	典型变量名	作用	常见误用
层	estrato	方差估计的分层结构	直接忽略，把样本当简单随机
初级抽样单元	UPM	聚类单位，决定方差膨胀	当成个体编号，方差被严重低估
权重	ponderador / fexp 系列	还原人群结构	血样指标用了问卷权重
地理	entidad、municipio	区域分层估计	认为市镇以下也可用
子样本	血样、孕妇、儿童标志	界定分析域	不设域，直接在全样本上跑

2.5 各轮之间的口径差异

跨轮比较是这套数据最有价值也最容易出错的用法。差异主要落在三处。

抽样区域。二〇一八年及以前按三十二个联邦实体分层；二〇二〇年起改按九个大区，二〇二二年起收为八个（原「墨西哥城」与「墨西哥州」合并为一个大区）。区域编码因此不可直接对齐，跨二〇二〇年前后做区域比较必须重新映射。

问卷模块。二〇二〇至二〇二二轮的问卷以疫情为主题，加了收入变化、食物不安全、就医受阻、疫苗接种等题目，同时压缩了部分常规慢病与营养模块。二〇二三年起逐步回到常规监测口径，但并非完全复原。

年龄分册。早期轮次的分册边界与近年不同，例如二〇一六年中期轮把青少年慢病问卷定在十二至十九岁，而二〇一八年与二〇二二年是十至十九岁。做年龄组比较时要按实际年龄重新切，不能按问卷分册切。

2.6 文件里那些不在文档首页的细节

第一，生化结果表与问卷表是分开的，且不是每个抽中的人都出现在生化表里。血样不足、拒采、现场条件不允许，都会让人从生化表里消失，而这种缺失与年龄、居住地、健康状况相关，属于结构性缺失。二〇二四年轮的血液结果查询页就明确写着：结果未显示即表示血样不足以出报告。

第二，食物频率问卷的条目很多，同名食物在不同轮次的编码会变。跨轮做食物组分类，必须按当轮的食物目录重新归类，不能沿用上一轮的映射表。

第三，二十四小时回顾问卷有首访与复访两套。复访不是重复测量，而是换一天再问一次，用来估计个体内变异。只用首访会低估摄入分布的方差。

第四，问卷 PDF 与数据库变量并非逐字对应。问卷是纸质或电子采集的原始文本，数据库变量经过编码与派生，有些题在数据库里被拆成多个变量，有些被合并。逐题核对是必要工序。

2.7 ENSANUT-100K 2018：一个被低估的子样本

这套子调查值得单独说，因为它是整个系列里设计最特殊的一轮。它的全称是「居住在不足十万人口城镇的墨西哥人健康与营养全国研究」，只抽小城镇，且对「繁荣计划」受益户做了超额抽样——官方披露计划样本一万一千五百四十二户，其中七成七为受益户。它的血样是静脉血加指血双取，同时测血红蛋白与血铅。

它的价值在于覆盖了主轮样本里被稀释掉的小城镇人群；它的陷阱在于权重结构与主轮完全不同，任何把它和主轮合并计算的尝试都会破坏代表性。§4 会再回到它的现场组织，§7 会用它说明子样本权重为何不能省。

§3 它的身份：谁的调查，对谁负责

3.1 三个名称，一条线

对外能看到三个名字：ENSA、ENSANUT、ENSANUT Continua。它们不是三个机构，而是同一条调查线在不同阶段的称呼。ENSA 是二〇〇〇年那一轮的名字；ENSANUT 是二〇〇六年起的正式名；Continua 是二〇二〇年起年度化之后的系列名，官方在文件名与页面上写作「ENSANUT Continua 2022」这类形式。

名称变化背后是制度变化。二〇〇六年那一轮明确把「健康」与「营养」两块工作分开、按专业分工，并把国家卫生与社会发展项目纳入评估对象；二〇二〇年的「连续」二字则意味着预算与执行从「一次性大调查」转为「常态化监测」。这两个转折点决定了模块怎么切、样本怎么分、报告什么时候出。

3.2 主办与执行

主办方是墨西哥国立公共卫生研究院，直属于联邦卫生部，成立至今三十九年，下设八个中心，其中负责这套调查的是评估与调查研究中心（Centro de Investigación en Evaluación y Encuestas，CIEE）。抽样框来自国家统计地理研究所（Instituto Nacional de Estadística y Geografía，INEGI）的住户主样本框，该框以人口与住房普查的制图与社会人口信息为基础构建。

这个分工值得留意：抽样框不在 INSP 手里，而在统计地理研究所手里。这意味着抽样设计的合法性来自国家统计体系，而不是研究机构自己，也让调查在跨政府任期时更难被随意改动。二〇二〇年之后区域划分从三十二州改为八个大区，正是抽样框与预算共同作用的结果。

3.3 经费与制度位置

这套调查的经费主要来自联邦卫生部，部分轮次有国际组织与基金会的项目性支持。它的制度位置比较特殊：既不是纯学术研究，也不是纯行政统计，而是介于两者之间——由研究机构执行、为卫生政策服务、同时向学术界开放原始数据。

这个位置带来两个后果。好的一面是数据必须公开，因为用的是公共资金；紧的一面是问卷题目要服务于政策评估，学者想加的测量项往往进不去。二〇二〇年之后疫情相关题目大量涌入，正是政策需求直接改写问卷的例证。

3.4 三层责任边界

责任层	谁负责	边界在哪
抽样与代表性	INSP 与 INEGI	只对抽中的住址与户负责，不对拒访者做替代
测量与化验	INSP 现场队伍与中心实验室	对当次测量负责，不提供复检与临床解释
数据发布	INSP 评估与调查研究中心	对外只到市镇，个体标识全部去除
使用后果	使用者	加权、合并、跨轮比较的方法选择由使用者承担

第四层常被忽略。官方提供权重与设计变量，但不提供「标准分析脚本」，也不对使用者算出的数字背书。这意味着同一份数据在不同人手里会得出不同的人群估计，差异来自加权与定域的选择，而不是数据本身。

§4 它的手艺：概率抽样如何落到一户人家

4.1 抽样框与分层

整套设计的起点是全国住户主样本框。框里每一个单元都挂在地理制图的结果上：街区、村落、地块被逐一列出，标注是否有人居住、大概多少户。抽样前先按地理区域与城乡把框分层，层内再按社会经济信息做隐式分层，目的是让抽出的样本在地理与社会经济两个维度上都不至于偏斜。

分层的作用不只是提高精度，更是为了让「区域估计」在样本量不足时仍然成立。八个大区的划分就是这么来的：把三十二个州按地理邻近与卫生服务特征合并，使每个大区在单轮样本里都有足够户数。代价是州级信息被抹平。

4.2 分阶段抽到户，再在户内抽人

抽样分几个阶段推进：先抽地理单元，再在单元内抽住址，最后在户内按年龄组抽个体。官方的概述页只写到「概率、分层、整群」三个限定词，具体阶段数与各阶段的抽样率写在每轮的方法学论文里，不同轮次略有调整。

户内抽人是关键一步。不是全家都问，而是按年龄组配额随机抽：零至九岁抽一名，十至十九岁抽一名，二十岁及以上抽一名，孕妇与一至四岁儿童另进血铅子样本。这个设计保证了各年龄组的样本量不至于被家庭人口结构带偏，但也意味着同一个家庭里被访者之间不构成完整家庭，做户级分析要看家庭问卷而非个人表。

4.3 现场的三支队伍

近年轮次的现场组织被明确分成三支队伍，二〇二三年的页面写得很清楚。

制图队先出发，按抽样清单在实地找到被抽中的住址，画草图、记路线、录地址，把位置信息上传到系统。这一步决定了后续两队能不能找到人，也决定了拒访与空户的记录是否可信。

健康队随后入户，完成家庭问卷与个人问卷（学龄前、学龄、青少年、成人、服务使用者、早期发展），并取得成年人的知情同意与十至十七岁未成年人的 assent。营养队在健康队之后再到同一户，做人体测量、血压、体力活动与饮食问卷，并采集静脉血与指血。

三队分开的好处是避免同一批人在同一时刻既问健康又问饮食，减少引导性回答；坏处是同一户要被访三次，失访风险叠加。二〇二三年的现场时间表显示，制图队七月初进场、九月底结束，健康队七月下旬到十月底，营养队七月末到十一月底——三段时间相互重叠，靠的是同一批住址的流水线调度。

4.4 血样怎么采、测什么

血样分静脉血与指血两路。静脉血由营养队在现场采集，离心分装后冷链送中心实验室；指血用于床旁快速检测，主要测血红蛋白与血铅。二〇一八年轮的下载页把血样模块拆得很细：血样登记表、慢性病生化、微量营养素缺乏（分学龄前、学龄、成人、老年女性数册）、肝炎血清学、血红蛋白、指血铅。

检测项目的覆盖面随轮次变化，但主干稳定在几条线：糖代谢（空腹血糖、糖化血红蛋白）、脂代谢（总胆固醇、高密度脂蛋白、低密度脂蛋白、甘油三酯）、肾功能（肌酐、尿酸）、炎症（C 反应蛋白）、营养素（铁蛋白、叶酸、维生素 B12、维生素 D）、重金属（血铅）。二〇二〇年之后加了 SARS-CoV-2 抗体。

4.5 从住址到一条可用记录

把上述流程串起来，一条记录的形成路径是这样的：抽样框给出住址，制图队确认位置，健康队完成问卷并抽定个体，营养队完成测量与采血，实验室出结果，数据管理处按模块拆表、加权重、压缩地理标识，最后上传到下载页。任何一环断掉，这条记录就会以「部分缺失」的形态留下来——问卷在、测量不在，或者测量在、生化不在。

这也是为什么这套数据的完整性不能用一个百分比概括。不同模块的有效样本量不同，必须逐模块看。§2.6 提到的生化表缺失，根子就在这里。

4.6 一个具体的追踪：ENSANUT-100K 的现场账单

ENSANUT-100K 的现场组织留下了相当详细的记录，可以用来理解一轮调查的真实成本结构。它的现场持续二十一周，投入十八名制图员与十八支队伍，每支队伍八名访员、一名督导、一名数据支持与一名司机，另有八名现场协调与四名办公室协调。计划样本一万一千五百四十二户，剔除十万人以上城镇后确定。

这个账单说明一件事：一轮全国调查的成本主要不在问卷设计，而在把人送到抽中的住址、并且让抽中的人愿意开门。十八支队伍、二十一周、上万户，这个量级决定了年度化之后的样本上限——想每年都做，就只能把户数压到一万上下。

§5 取数：从下载页到分析脚本

5.1 四条路径的取舍

路径	拿到什么	适合谁	代价
逐轮下载原始模块	全部变量与设计变量	做正式估计的研究者	要自己合并与加权
下载问卷 PDF 与变量目录	题目原文、取值标签	核对变量含义	不含数据
官方指标查询面板	现成指标的时间序列	快速看趋势	拿不到个体记录
二次整理版本	已合并的宽表	做机器学习练手	口径被第三方改过

第三项是官方近年上线的指标查询面板，按主题聚合历轮关键指标；第四项指第三方基于原始模块做的整理版本，使用前要确认它保留了权重与设计变量，否则只能做描述不能做估计。

5.2 下载页的结构

每轮的下载页是同一套模板：左侧按「健康组件」「营养组件」分组，右侧每个模块一行，行内有 SPSS、Stata、CSV 三个下载位，以及问卷与变量目录两个附件位。文件名通常是西班牙语缩写，例如二〇二二年的生化文件写作「慢性病与营养素缺乏的生化测定」，人体测量文件写作「人体测量与血压」。

#-- 以 2022 轮为例：先取下载页，确认模块清单与文件名
curl -sL "https://ensanut.insp.mx/encuestas/ensanutcontinua2022/descargas.php" -o descargas.html

#-- 提取页面里所有可下载链接
grep -oE 'href="[^"]+\.(zip|pdf|xlsx|csv|sav|dta)"' descargas.html | sort -u

#-- 逐轮建立目录，文件名保持原样，便于日后核对
mkdir -p ensanut/2022 && cd ensanut/2022

文件名保持原样是有必要的。官方在个别轮次会替换同名文件（补发或修正），保留原名加下载日期，才能在复现时说得清楚。

5.3 合并：三个键，两条规则

合并规则只有两条：个体级表按家庭编号加成员编号合并，家庭级表按家庭编号合并，个体表挂家庭变量时用家庭编号左连接。听起来简单，实操里最容易错的是「把两张个体表按行号拼」，因为两张表的行序并不一致，直接拼会把不同人的测量值对到同一个人身上。

import pandas as pd

base = "ensanut/2022/"
antro = pd.read_csv(base + "antropometria_2022.csv", low_memory=False)
lab = pd.read_csv(base + "bioquimica_2022.csv", low_memory=False)
hogar = pd.read_csv(base + "hogar_2022.csv", low_memory=False)

keys = ["UPM", "VIV_SEL", "HOGAR", "NUMREN"]

#-- 先看两张个体表的键是否唯一，重复键会让合并后行数翻倍
for name, df in [("antro", antro), ("lab", lab)]:
    dup = df.duplicated(subset=keys).sum()
    print(name, "行数", len(df), "重复键", dup)

#-- 个体级表按四键内连接：只保留既有测量又有化验的人
merged = antro.merge(lab, on=keys, how="inner", suffixes=("_antro", "_lab"))
print("交集合计", len(merged))

#-- 家庭级变量按户号左连接，不重复携带成员号
merged = merged.merge(hogar, on=["UPM", "VIV_SEL", "HOGAR"], how="left")
print(merged[["peso", "talla", "glucosa"]].describe())

合并之后要先做一次常识检查：合并前后的人数比例是否合理。二〇二二年轮完成个体三万六千余，生化表通常只有其中一部分，交集落在半数上下是正常的；如果交集接近全量，多半是键写错了。

5.4 加权与方差：德弗特还是调查包

带权重的点估计不难，难的是方差。这套数据的层与初级抽样单元是嵌套的，直接按简单随机算标准误会把区间压窄好几倍。两种常用做法：R 的调查包直接声明设计，Stata 的 svy 前缀同理。

library(survey)

d <- read.csv("ensanut/2022/merged.csv")

#-- 声明设计：层、初级抽样单元、权重三件套缺一不可
des <- svydesign(ids = ~UPM, strata = ~estrato, weights = ~ponderador,
                 nest = TRUE, data = d)

#-- 点估计与置信区间
svymean(~glucosa, des, na.rm = TRUE)
svyby(~glucosa, ~region, des, svymean, na.rm = TRUE)

#-- 分域估计：血样指标只在有血样的人身上算，不要重设权重
svyby(~hemoglobina, ~sexo, subset(des, tiene_sangre == 1), svymean, na.rm = TRUE)

nest = TRUE 这一项常被漏掉。初级抽样单元编号在不同层里可能重复，不加这个参数会把不同层的同号单元当成同一个，方差估计随之出错。

5.5 保密与地理粒度

对外发布的数据把地理标识压到市镇一级。官方的说明是保密法要求：抽样确实区分到住址与街区，但公开数据只能到市镇。这意味着想做街区级的空间分析，靠这套数据做不到；想做的只能退到市镇，或者去申请更细的行政数据再另行匹配。

权重与设计变量则完整保留，这一点没有妥协。也正因为保留了初级抽样单元编号，理论上可以通过单元聚合反推出比市镇更细的位置，这属于使用时应当自我约束的部分。

5.6 引用与版本

引用时需要三样东西：轮次名、下载日期、模块名。官方没有给数据集级别的数字对象标识，只有每轮方法学论文的标识。因此规范的引用形态是「ENSANUT Continua 2022，人体测量与血压模块，二〇二六年十月下载」，再附方法学论文。

这一点在跨轮研究里尤其重要。同一轮的数据可能被补发过，不同时间下载的文件行数可能不同。§2.6 提到的结构性缺失会随补发改变，做时间序列分析时如果把不同时间下载的文件混在一起，误差会悄悄进入结果。

§6 与库内条目的关系

6.1 关系图谱

关系	条目	关联点
同类型	智利 ENS 全国健康调查	同为拉美全国代表性健康调查，模块化程度不同
同类型	巴西 PNS 全国健康调查	同为户内抽样加自报为主，体检成分较弱
同类型	美国 NHANES	同为体检车或入户体检加生化，规模小一个量级
同类型	中国 CHARLS	同为复杂抽样加生物样本，但为追踪队列
方法相关	各类复杂抽样方差估计工具	层、初级抽样单元、权重的三件套
主题相关	含糖饮料税与食品标签评估研究	本调查是主要数据源

与 CHARLS 的差别最值得强调：CHARLS 是追踪队列，同一个人每隔两年被重访；ENSANUT 每轮换一批人。前者能看变化，后者只能看横断面，需要靠轮次间的同口径比较推断趋势。这个差别决定了分析方法完全不同。

6.2 与三国同类调查的逐项对照

维度	墨西哥 ENSANUT	智利 ENS	巴西 PNS	美国 NHANES
主持机构	INSP	卫生部流行病司	巴西地理统计院与卫生部	疾控中心
节奏	六年一轮转年度	不定期	不定期	两年一轮
单轮户数	六千至五万	约一万	约六万	约五千人
体检	入户测量	护士访视	部分测量	移动体检车
静脉血	多数轮次有	有	有限	有
州级估计	早期可，近年需累积	大区级	州级可	不可
地理粒度	市镇	大区	州	掩码至州

对照下来，ENSANUT 的位置比较特殊：它的单轮样本在拉美属于最大一档，血样覆盖面也广，但地理粒度的公开限制与年度化之后的样本收缩，让它在「细」这个维度上不如智利与巴西。它真正独占的是时间跨度——从二〇〇〇年到现在，二十五年的连续测量，这在拉美没有第二家。

6.3 检索路径

想在库内找到相关条目，可以用三条线：按「公共卫生与流行病学」标签找同类调查；按「调查数据」标签找带复杂抽样的数据资源；按机构名 INSP 找同一机构产出的其他数据。三条线的结果有重叠，但覆盖的重点不同。

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

评估这套数据时最容易犯的错，是拿评估单一队列的尺子来量它：问它随访率多少、失访偏倚多大、个体轨迹是否完整。这些维度上它必然不合格，因为它从设计上就不是队列——每轮换一批人，本来就不打算追踪个体。

正确的评估框架是三层：单轮内部，抽样与测量做得怎样；轮次之间，口径是否可比；对外发布，透明度与可用性如何。把这三层分开看，扣分才落得到实处。用队列的标准评它，只会得出一堆与设计无关的结论。

7.1 五维评分

维度	分数	依据
规模	5 / 5	单轮最高二十万个体，拉美最大一档
代表性	4 / 5	概率抽样加权重，扣分在年度化后区域收缩
测量深度	4 / 5	问卷、体检、静脉血三路并行，扣分在无影像与基因型
跨轮一致性	3 / 5	主干模块稳定，但区域重划与疫情问卷打断可比性
可用性	4 / 5	免费、三格式、带设计变量，扣分在文档分散与发布滞后

7.2 DAIMS 视角下的四条线

DAIMS 线	表现
数据获取与处理	现场流程有手册，三队分工明确；实验室检测规程未全部公开
数据建模	按模块拆表加统一设计变量，模型清晰；缺跨模块的派生指标层
数据溯源	到轮次与模块，无逐样本处理日志；补发无版本号
数据使用与治理	免费开放，地理脱敏到位；无统一许可条款，二次分发边界模糊

四条线里最弱的是溯源。补发文件不改名、不给版本号，使用者只能靠下载日期区分，这对做时间序列的人是个实打实的麻烦。

7.3 已知的、可枚举的偏差

第一，无应答偏差。抽中的住址里总有一部分找不到人或拒访，各轮应答率不同但都不满。官方不做替代样本，因此无应答者的特征（更可能外出务工、更可能独居、更可能居住在治安较差地区）会在估计里留下痕迹。

第二，区域重划带来的断裂。二〇二〇年之前按三十二州，之后按八至九个大区。两套划分不是简单聚合关系，跨这个断点做区域比较必须重新映射，且映射后的小区域样本量往往不够。

第三，样本收缩带来的精度损失。年度化之后单轮户数降到一万上下，二〇二三年那一轮更少。这意味着该轮的许多细分估计置信区间过宽，官方自己在该轮页面上写的是「累积信息以便二〇二四年出州级报告」，等于承认单轮不够。

第四，结构性缺失。血样不足、拒采、现场条件不允许，都会让生化指标缺失，而这种缺失与年龄和居住地相关。把缺失当随机处理，会系统性低估老年与偏远地区的异常率。

第五，自报偏差。慢病诊断、就医、用药都靠受访者回忆。知道自己有病的人更可能报告，不知道自己有病的人不会报告，这正好是「未诊断比例」这个指标本身要衡量的问题——所以这个指标必须靠测量值而非自报来定义。

第六，测量者偏差。身高体重由现场人员测量，不同队伍之间的操作差异会进入数据。官方用两次测量加复核来压制，但没有跨队伍的仪器校准记录公开。

7.4 它为何能持续

一套每年都要花大笔钱、结果还要等一两年才发布的调查，凭什么能一直做下去。

第一，它有制度化的执行主体。INSP 是联邦卫生部下设的研究机构，评估与调查研究中心是常设单位，不是临时课题组。调查嵌在机构职能里，不靠某位学者的项目经费续命。

第二，它有明确的政策买方。含糖饮料税、包装正面警示标签、慢病防控规划，这些政策的前后评估都需要同一套口径的数据。政策需要证据，证据需要调查，这条链条闭合了。

第三，它的边际成本在下降。抽样框、现场队伍、实验室链条、数据管理流程都已成型，每多一轮增加的主要是田野与化验成本，设计与基建成本接近于零。这是年度化能成立的经济前提。

第四，它有学术出口。每轮在《墨西哥公共卫生》杂志出专辑，方法学、结果、专题分析各成一篇。这让参与者有发表回报，也让数据的使用方法被持续文档化。

反过来看脆弱点：预算依赖联邦卫生部，政策优先级一变，轮次规模就会缩水；二〇二三年的样本骤降就是信号。发布滞后也在拉长，二〇二四年轮的结果到二〇二六年一月才上线，年度调查的「年度」优势被抵消了一部分。

§8 生态位与历史

8.1 历史沿革

墨西哥的全国营养调查起步较早：一九八八年与一九九九年各做过一次全国营养调查（Encuesta Nacional de Nutrición，ENN）。二〇〇〇年的 ENSA 把健康模块并入，成为这套系列的实际起点。二〇〇六年正式改名 ENSANUT，并把「六年一轮」写入设计。二〇一二年延续这个节奏。二〇一六年因肥胖与糖尿病上升过快，插入中期调查，只做核心模块。二〇一八年恢复完整轮次，同时另做一个小城镇子样本。二〇二〇年起改为年度连续调查，主题先转向疫情，二〇二三年起逐步回到常规监测。

这条线上有两次结构性改动：一次是二〇〇六年把健康与营养分成两个组件、按专业分工；一次是二〇二〇年把一次性大调查改成年度监测。前者决定了模块怎么切，后者决定了样本怎么缩。

8.2 在拉美调查版图里的位置

拉美几个大国的全国健康调查各有取向。智利的 ENS 走「小而全」，样本六千余，模块化与权重体系做得最细；巴西的 PNS 走「大而粗」，样本六万户，以自报为主，体检成分较弱；哥伦比亚的 ENS 介于两者之间；秘鲁的 ENDES 更偏母婴与生殖健康。ENSANUT 的取向是「大且深」——单轮样本大，血样覆盖广，但地理粒度与发布节奏上做了让步。

这个取向与墨西哥的疾病谱有关。糖尿病与肥胖的负担重，政策需要客观测量而非自报，所以血样与体检不能省；同时人口分散、城乡差异大，样本不能太小。两个约束叠在一起，就只能是「大样本加有限区域粒度」。

8.3 在 AI 时代的再定位

这套数据近年在机器学习圈的使用方式，与它原本的设计意图有偏移。原始用途是政策评估，需要的是带权重的总体估计；现在的常见用法是拿个体记录做预测建模，例如用生化与人体测量预测代谢风险。两种用法对数据的期待不同：前者在意代表性，后者在意样本量与变量丰富度。

这个偏移带来一个具体风险：二次整理的宽表往往丢掉权重与设计变量，模型在样本上表现良好，推广到人群时系统性偏移。二〇二三年之后出现的多个衍生数据集都属于这一类。要用它做建模，至少应保留权重列，并在报告里说明训练样本的抽样结构。

另一个变化是血清学数据的价值。二〇二〇至二〇二二轮的 SARS-CoV-2 抗体数据，是少数带人群代表性的感染水平估计，被大量用于疫苗效果与感染率建模。这部分数据的价值不在问卷，而在「概率抽样加实验室检测」这个组合本身。

§9 使用指引

9.1 三种角色的路径

角色	第一步	第二步	注意
流行病学研究者	定指标，找对应模块与轮次	声明设计、加权、分域估计	血样指标用血样权重
政策分析者	取官方指标面板看趋势	回到原始模块核对口径	跨二〇二〇年要重映射区域
数据工程师	读变量目录与问卷 PDF	建模块索引与合并脚本	键不唯一时先查重复

9.2 一条最短的可用流程

import pandas as pd

base = "ensanut/2022/"

#-- 第一步：读入家庭表与成人健康表
hogar = pd.read_csv(base + "hogar_2022.csv", low_memory=False)
adulto = pd.read_csv(base + "adultos_2022.csv", low_memory=False)

#-- 第二步：确认键的唯一性与缺失
print(hogar.shape, adulto.shape)
print("成人表重复键", adulto.duplicated(subset=["UPM", "VIV_SEL", "HOGAR", "NUMREN"]).sum())

#-- 第三步：只保留分析域（二十岁及以上且有权重）
dom = adulto[(adulto["edad"] >= 20) & adulto["ponderador"].notna()].copy()

#-- 第四步：加权点估计，不引入任何统计包也能算
w = dom["ponderador"]
prev = (dom["diabetes_autorreporte"] * w).sum() / w.sum()
print("加权自报糖尿病比例", round(prev, 4))

#-- 第五步：把分析域、权重变量名、下载日期写进记录
meta = {"ronda": "2022", "dominio": "adultos 20+", "peso": "ponderador",
        "descarga": "2026-10-29", "n_dominio": len(dom)}
print(meta)

这段脚本只做点估计，不给置信区间。要区间就得回到 §5.4 的设计声明。把它当第一步的核对工具是合适的：数值合理了，再上正式估计。

9.3 引用方式

规范写法包含四要素：轮次、模块、下载日期、方法学论文。例如「ENSANUT Continua 2022，人体测量与血压模块与慢性病生化模块，二〇二六年十月二十九日下载；方法学见 Romero-Martínez 等，二〇二三年」。

跨轮研究还要加一句说明区域划分的处理方式，因为这是最容易让读者误判可比性的地方。

§10 AI 使用声明

这套数据可以被语言模型与自动化流程使用，但有三条要写在使用说明里。

第一，权重与设计变量不可在预处理阶段丢弃。任何以「清洗」为名删掉层、初级抽样单元或权重列的流程，都会让它从「人群估计」退化为「样本描述」，而这个退化在结果里看不出来。

第二，跨轮合并必须显式声明区域映射规则。模型或脚本自动按区域编码对齐，会在二〇二〇年前后产生静默错误，因为同一编码在两套划分里指向不同地方。

第三，衍生数据集要标注它是否保留抽样结构。基于这套数据训练的风险预测模型，如果训练集丢了权重，其输出的概率不能被解释为人群风险。这一条应写进模型卡，而不只是写在论文方法段。

常见误读（避坑清单）

常见说法	实际	证据
「每轮三万户到十万户」	实际区间是五千九百六十五户至五万零五百二十八户，上限不到六万户	官方专题站首页各轮完成量
「二〇二〇年那一轮是电话调查」	是入户面访并采集静脉血，八月十四日进场，走访约一万二千户	该轮官方页面「levantamiento en campo」段
「二〇二〇年之后每年一轮，共五轮」	计划是二〇二〇至二〇二四共五轮，站点现已列出二〇二五轮	二〇二二年页面写「五轮中的第三轮」，首页列有 2025
「二〇〇〇年就是第一届 ENSANUT」	名义是 ENSA，名称不同，通常算作基线	二〇〇六年页面明确称其为 ENSA 2000
「二〇一八年只有一套数据」	另有 ENSANUT-100K 子样本，只抽十万人以下城镇且超额抽繁荣计划受益户	该子样本页面说明抽样与超额抽样
「单轮就能出三十二州数字」	二〇二〇年起按八至九大区抽样，州级要累积多轮	二〇二二年页面写区域估计，州报告靠累积
「二〇二三年那轮和前后一样大」	完成五千九百六十五户，启动页计划一万三千零六十户，差一倍有余	启动页计划值与首页完成量并列
「有血样就等于每人都验了」	血样不足即不出结果，生化表缺失是结构性的	二〇二四年血液结果查询页说明
「地理能细到街区」	对外只到市镇，街区与住址不公开	方法学综述说明保密法限制
「十二轮可以拼成一个纵向队列」	各轮独立抽样，同一人无法跨轮连接	各轮抽样设计均为独立横断面
「数据要申请审批」	直接下载，无需注册	各轮下载页公开列出三种格式
「自报糖尿病比例就是患病率」	患病率应结合血糖与糖化血红蛋白测量值定义	慢病模块同时含自报与生化结果

FAQ

Q1：ENSANUT 到底有多少轮？

官方专题站目前列出十二项：二〇〇〇年 ENSA、二〇〇六年、二〇一二年、二〇一六年中期、二〇一八年主轮、二〇一八年百人镇子样本，以及二〇二〇至二〇二五年的六轮连续调查。如果把子样本算作独立一轮，是十二轮；只算主系列，是十一轮。

Q2：为什么有的资料写「五轮连续调查」，站点却有六轮？

二〇二二年的页面写「五轮年度调查中的第三轮」，二〇二三年的页面写「第四轮」，说明原计划止于二〇二四年。站点后来列出了二〇二五轮，序列实际延长。引用时按实际存在的轮次写，不要照抄「五轮」的说法。

Q3：二〇二〇年那一轮真的不能和前后比吗？

不是完全不能比，是不能直接比。它的人口学与家庭模块与前后轮次基本同构，可以直接对照；疫情专题模块是新增的，没有前一轮可比；区域划分从九个大区收到八个是二〇二二年才发生的，跨这个点要重映射。真正的障碍是抽样区域与模块结构，不是访问方式。

Q4：能不能只用问卷，不要血样？

可以，而且大部分研究就是这么做的。但要注意：问卷表与生化表的有效样本不同，用问卷算的指标不能套到血样子样本上，反之亦然。两个分析域要分别设权重。

Q5：权重变量叫什么？

不同轮次命名不完全一致，常见的是 ponderador 系列，另有按模块区分的家庭权重、个体权重、血样权重。变量目录里会写明每个权重适用的分析域。不要凭变量名猜，要查目录。

Q6：为什么二〇二三年的数字比前后少那么多？

官方没有在同一页面解释。启动页写的是从一万七千四百七十九个住址取得一万三千零六十户完整信息，首页列的完成量是五千九百六十五户。可能的原因包括现场周期压缩、预算调整与拒访上升，但官方文档未逐项说明。使用该轮时应当把它当作精度较低的一轮处理。

Q7：有没有个体标识可以跨轮连接？

没有。各轮独立抽样，公开数据不含任何可跨轮匹配的个体标识，也没有做过去标识化的链接变量。要做纵向分析，只能换用追踪型调查。

Q8：数据能不能商用？

官方没有给出统一许可条款，只说明是公共资金支持、可免费下载。商用前应直接向 INSP 确认，并以书面答复为准。这一点不能靠推断。

Q9：中文研究报告里怎么称呼它？

首次出现写「墨西哥全国健康与营养调查（Encuesta Nacional de Salud y Nutrición，ENSANUT）」，之后用缩写。机构名首次出现写「墨西哥国立公共卫生研究院（Instituto Nacional de Salud Pública，INSP）」。不要译成「国家健康营养调查」，会丢掉「全国」与「墨西哥」两个限定。

Q10：和 NHANES 最大的区别是什么？

三点：一是抽样单位，ENSANUT 以住址为单位在户内抽人，NHANES 直接抽人并集中到体检车；二是地理粒度，ENSANUT 公开到市镇，NHANES 掩码到州；三是节奏，ENSANUT 年度化后每轮一万户上下，NHANES 两年一轮约五千人但体检深度更高。

术语表

术语	原文	含义
全国健康与营养调查	Encuesta Nacional de Salud y Nutrición	本系列正式名称
连续调查	Ensanut Continua	二〇二〇年起年度化的系列名
中期调查	Medio Camino	二〇一六年的插入轮次
家庭	hogar	观察单位，共用一口锅吃饭的一群人
住址	vivienda	抽样单位，物理上的住宅
初级抽样单元	UPM	被抽中的街区或村落
层	estrato	方差估计的分层结构
权重	ponderador	把样本还原到人群的系数
联邦实体	entidad federativa	相当于州
市镇	municipio	对外公开的最细地理单位
繁荣计划	Prospera	原机会计划，现金转移项目
食物频率问卷	frecuencia de consumo de alimentos	回顾一段时间内各类食物摄入频次
二十四小时回顾	recordatorio de 24 horas	逐项回忆前一日全部进食
血样登记表	formato de muestras sanguíneas	采血与送检的记录表

附录 A：核心数字核对表

项	值	来源	来源层级
轮次总数	12	官方专题站首页	一级
最大单轮户数	50,528	官方专题站首页	一级
最小单轮户数	5,965	官方专题站首页	一级
最大单轮个体数	206,700	官方专题站首页	一级
十二轮个体合计	约 1,026,519	首页各轮相加	一级（计算值）
抽样区域（早期）	32 个联邦实体	二〇一八年轮页面	一级
抽样区域（近年）	8 个大区	二〇二二年轮页面	一级
二〇二二年走访住址	14,240	该轮页面	一级
二〇二二年完成户数	10,465	首页	一级
二〇二三年计划户数	13,060	该轮页面	一级
二〇二三年走访住址	17,479	该轮页面	一级
二〇二〇年走访住址	约 12,000	该轮页面	一级
ENSANUT-100K 计划户数	11,542	子样本页面	一级
ENSANUT-100K 繁荣计划占比	77.4%	子样本页面	一级
现场周期（100K）	21 周	子样本页面	一级
方法学论文预期完成访谈	至少 10,160 户	论文摘要	二级
方法学论文预期血清结果	9,441 份	论文摘要	二级

附录 B：数字的来源分层

一级：官方页面。 各轮完成户数与个体数、走访住址数、计划户数、抽样区域数、繁荣计划占比、现场周期，全部取自官方专题站首页与各轮页面。这些数字是发布口径，可能与论文中的分析样本量不同。

二级：方法学论文摘要。 二〇二二年轮的设计目标（至少一万零一百六十户完整访谈、九千四百四十一份血清结果）取自《墨西哥公共卫生》杂志的方法学文章摘要。论文写的是设计预期，与首页的完成量不是一回事，两者并列才完整。

三级：计算值与未核实项。 十二轮个体合计是首页各轮数字相加所得，官方未公布该合计。二〇二三年轮完成量低于计划的原因，官方文档未说明，本文只列两个数字不下判断。各轮应答率未在首页统一公布，需逐轮查方法学论文，本文未纳入。

附录 C：完整参考文献

1. Romero-Martínez M, Barrientos-Gutiérrez T, Cuevas-Nasu L, 等. Metodología de la Encuesta Nacional de Salud y Nutrición 2022 y planeación y diseño de la Ensanut Continua 2020-2024. Salud Pública de México, 2023. 数字对象标识以 14186 结尾。
2. Romero-Martínez M, Shamah-Levy T, Vielma-Orozco E, 等. Encuesta Nacional de Salud y Nutrición 2018: metodología y perspectivas. Salud Pública de México, 2019, 61(6): 917-923. 标识以 11095 结尾。
3. Romero-Martínez M, Shamah-Levy T, Franco-Núñez A. Encuesta Nacional de Salud y Nutrición 2012: diseño y cobertura. Salud Pública de México, 2013, 55(增刊 2): 332. 标识以 5132 结尾。
4. Romero-Martínez M, Barrientos-Gutiérrez T, Cuevas-Nasu L, 等. Metodología de la Encuesta Nacional de Salud y Nutrición 2020 sobre Covid-19. Salud Pública de México, 2021, 63: 444-451. 标识以 12580 结尾。
5. Romero-Martínez M, Shamah-Levy T, Barrientos-Gutiérrez T, 等. Methodological design of the Continuous Ensanut and its oversamples ISSSTE and Salud Casa por Casa. Salud Pública de México. 标识以 17380 结尾。
6. 墨西哥国立公共卫生研究院官方站点，机构介绍与研究中心列表，https://www.insp.mx/ ，二〇二六年十月访问。
7. ENSANUT 官方专题站首页，各轮完成量与最新动态，https://ensanut.insp.mx/ ，二〇二六年十月访问。
8. ENSANUT 2018 页面，抽样设计与组件说明，https://ensanut.insp.mx/encuestas/ensanut2018/index.php ，二〇二六年十月访问。
9. ENSANUT Continua 2022 页面，现场周期、走访住址与区域划分，https://ensanut.insp.mx/encuestas/ensanutcontinua2022/index.php ，二〇二六年十月访问。
10. ENSANUT Continua 2022 下载页，模块与格式清单，https://ensanut.insp.mx/encuestas/ensanutcontinua2022/descargas.php ，二〇二六年十月访问。
11. ENSANUT Continua 2023 页面，计划户数与三队现场时间表，https://ensanut.insp.mx/encuestas/ensanutcontinua2023/index.php ，二〇二六年十月访问。
12. ENSANUT-100K 2018 页面，抽样、超额抽样与现场组织，https://ensanut.insp.mx/encuestas/ensanut100k2018/index.php ，二〇二六年十月访问。
13. ENSANUT Continua 2024 血液结果查询页，血样不足不出结果的说明，https://ensanut.insp.mx/encuestas/ensanutcontinua2024/resultados_sangre.php ，二〇二六年十月访问。

附录 D：如果只记五件事

第一，它是墨西哥唯一一套跨二十五年的全国概率抽样健康与营养调查，累计十二轮，二〇二〇年起年度化。

第二，它的核心是三层数据同批采集：问卷、人体测量与血压、静脉血化验。这三层在同一批人身上，才能把「自报」和「测出来」对上。

第三，它的单轮规模在五千九百六十五户到五万零五百二十八户之间，年度化之后稳定在一万户上下，州级估计要让位给大区估计。

第四，它免费公开，带层、初级抽样单元与权重，但地理只到市镇，且各轮独立抽样、不能拼成队列。

第五，它最容易出的错都在口径：把二〇二〇年前后的区域编码直接对齐、把血样指标套问卷权重、把二〇二三年那轮当正常规模用。

编辑说明

核验时间：二〇二六年十月二十九日。核验方式：直接读取官方专题站首页、各轮页面、下载页与方法学论文摘要，未依据二手描述。未覆盖内容：各轮应答率、各模块精确有效样本量、实验室检测规程细节，需逐轮查方法学论文全文，本文未纳入。关于年份与轮次的对照，以官方站点列出者为准；二〇〇〇年轮次的名义差异已在正文说明。

#-- 复核脚本：把首页各轮数字抓下来重新相加，验证附录 A 的合计
curl -sL "https://ensanut.insp.mx/" -o home.html
grep -oE "[0-9]{1,3}(,[0-9]{3})+ (hogares|individuos)" home.html | sort | uniq -c

---

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：

• nsduh — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• namcs — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• indonesia-riskisdas — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• brazil-pns — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• enpd-2018 — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• esankhyiki — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• cfps — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• nsch — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• world-health-survey — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究
• meps — 共享标签：公共卫生与流行病学 / 调查数据 / 卫生服务研究

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。