信息速览
NAMCS 全称 National Ambulatory Medical Care Survey，中文常译为全国门诊医疗调查，由美国疾病控制与预防中心下属的国家卫生统计中心主管，1973 年首次执行。它测量的是美国门诊医疗被使用与服务的方式：谁来了、因为什么来、被诊断成什么、开了什么药、做了哪些检查。这套问题决定了它的样本必须按就诊来抽，而不是按人来抽。
它的基本抽样单位是医患接触，也就是一次就诊。同一名患者一年内看三次病，会作为三条独立记录出现在文件里，彼此之间没有可以连接回同一个人的标识。官方在页面与各年技术文档里都把这一点写在最显眼的位置，并明确说：因此不能用它估计有多少人得了某种病。
这套调查在 2018 年前后发生了结构性的改版，今天的形态与多数文献描述的旧形态已经不是一回事。诊室部分不再收集患者就诊信息，患者层面的数据改由健康中心分支经电子病历报送。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 | National Ambulatory Medical Care Survey |
| 中文译名 | 全国门诊医疗调查 |
| 主管机构 | CDC 下属国家卫生统计中心（NCHS） |
| 执行机构 | RTI International（提供者分支）、Booz Allen Hamilton（健康中心分支） |
| 起步年份 | 1973 年 |
| 执行节奏 | 1973–1981 逐年、1985 年一次、1989 年起逐年；2022 年诊室部分空缺 |
| 抽样单位 | 医患接触，即一次就诊；不是患者 |
| 两阶段抽样 | 第一阶段抽执业者，第二阶段在其报告周内抽约三十份就诊 |
| 现分支构成 | 提供者调查分支（只收执业者与场所）＋ 健康中心分支（经电子病历收就诊） |
| 诊室部分覆盖 | 非联邦雇员、以直接诊疗为主、未满 85 岁的执业者；含医师与医师助理 |
| 健康中心部分覆盖 | 使用电子病历的联邦合格健康中心与相似机构，50 州加哥伦比亚特区 |
| 明确不覆盖 | 医院门诊与急诊、放射科与病理科、印第安卫生局机构、电话问诊、上门出诊、养老院就诊 |
| 2023 年健康中心公开文件 | 450,645 条就诊记录（全部就诊的 5% 抽样） |
| 旧制诊室文件规模 | 2019 年 398 名执业者、8,250 条就诊记录 |
| 地理标识 | 公开文件仅保留都市统计区类型 |
| 权重变量 | 就诊权重（诊室为 PATWT，健康中心为 VISWT） |
§1 它面对的麻烦：门诊占了大部分医疗，却最没有记录
1.1 结构性空白：门诊占了大部分医疗，却最没有记录
美国的医疗统计在很长时间里是不对称的。住院有出院调查，急诊有急诊调查，死亡有死亡登记，出生有出生证明，连养老院都有专门的最小数据集。唯独门诊——绝大多数人一年里真正接触医疗的地方——长期没有一份能代表全国的连续记录。
原因不难理解。住院是事件，有清晰的起止、有集中的病历、有出院的行政手续，调查员可以坐在一个医院的病案室里把记录抄完。门诊不是事件，它是弥散在几十万个诊室里、每天重复发生几万次、每次只持续十几分钟的接触。没有人会为一次看感冒写一份完整的结构化记录，也没有一份统一的行政文件能把它留住。
于是要统计门诊，只能主动去抽。而这恰恰是这份调查存在的理由：在没有统一登记系统的领域，概率抽样是唯一能给出全国估计的路径。
1.2 它选了哪条路，放弃了什么
| 可选路线 | 好处 | 代价 | NAMCS 是否采用 |
|---|---|---|---|
| 依托医保理赔数据 | 覆盖全量、有诊断与费用编码 | 漏掉无保险与自费人群，编码受报销规则影响 | 否 |
| 依托电子病历直接抓取 | 信息全、无应答问题小 | 只在普及电子病历的机构可得，早期不可行 | 仅在健康中心分支采用 |
| 按患者入户询问「过去一年看过几次病」 | 能覆盖所有人 | 回忆偏差严重，无法核实诊断与用药 | 否 |
| 抽样执业者、在其诊室里抽就诊 | 能拿到病历级信息，覆盖未参保者 | 依赖执业者配合，应答率低，成本高 | 是，这是主干路线 |
| 抽样医疗机构、整年报送就诊 | 无单次摘录成本，样本可做得很大 | 仅限使用电子病历且有配合意愿的机构 | 是，2021 年起用于健康中心分支 |
前四条路线里，第三条最便宜但最不可靠，第一与第二条则各自只覆盖一部分人。它选的是第四条：先抽执业者，再由调查员到诊室里从病历上摘录。这条路线的代价在几十年后终于显现——应答率一路下滑，到 2019 年只剩百分之二十六。
1.3 三条常见的错误期待
| 常见期待 | 实际情况 |
|---|---|
| 以为它是患者层面的调查，可以算患病率 | 抽样单位是就诊，官方明示不能估计患病人口 |
| 以为它每年都能连成一条从 1973 年到今天的连续序列 | 2018 年改版、2022 年诊室部分空缺，跨年拼接有硬断点 |
| 以为它覆盖全部门诊，含医院门诊与急诊 | 医院门诊与急诊属于另一项调查，且那项调查已于 2022 年结束 |
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 |
|---|---|---|
| 要研究某类药物在基层诊室的开具情况 | 健康中心分支给出就诊级用药记录与治疗类别 | 选 2021 年后的健康中心文件，按 VISWT 加权 |
| 要复原 1990 年代诊室就诊的诊断结构 | 旧制诊室文件按年发布，字段口径基本稳定 | 用 1989 至 2019 段拼接，注意 2018 改动断点 |
| 要建一个门诊就诊级别的预测模型 | 提供了年龄性别、主诉、诊断、用药、检查的完整链路 | 把就诊当作独立样本，不要按人去重 |
| 想算某种疾病在美国有多少患者 | 给不了，样本不代表人口 | 改用居民健康访谈类人群调查 |
| 想看急诊量或住院量 | 给不了，那是另一项调查的内容 | 换用急诊调查或出院调查，注意后者已停止 |
| 想知道某位患者随时间的变化 | 给不了，无个人标识无随访 | 改用带患者编号的登记库或队列 |
| 要做州级或县级估计 | 公开文件连州都没有 | 申请受限文件，或改用其他地理粒度更细的数据源 |
1.5 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 全国门诊就诊次数估计 | 加权后的就诊总数，附标准误 | 够，这是它的设计目标 |
| 就诊原因与诊断的构成 | 主诉五条、诊断五条，附编码表 | 够，但要知道分母是就诊不是人 |
| 处方行为的观察 | 每次就诊最多三十条药物记录与治疗类别 | 够，健康中心分支尤其完整 |
| 服务与检查的内容 | 最多九条操作记录，另有化验与影像标记 | 够 |
| 执业者与执业场所特征 | 诊室分支的专科大类、所有制、电子病历使用等 | 够，但自 2018 年后不再与就诊记录同表 |
| 个体层面的随访 | 无 | 不够 |
| 人群患病率 | 无，抽样单位不支持 | 不够，且官方明确禁止这样用 |
| 州级或更细的地理分析 | 公开文件无 | 不够 |
| 医院门诊与急诊 | 无 | 不够，需换另一项调查 |
§2 数据构成与规格
2.1 一份调查，两条互不相通的产品线
今天的 NAMCS 不是一个文件，而是两条平行的产品线，二者回答的问题不同、单位不同、收集方式也完全不同。
第一条是提供者调查分支（Provider Survey Component）。它在 2023 年以试点形式启动，覆盖诊室的医师与医师助理，问卷通过网页或邮寄方式由执业者本人填写。它的对象是执业者与执业场所，不是患者。官方在文档页对每一年都重复一句话：该分支收集提供者层面数据，不收集患者就诊数据。
第二条是健康中心分支（Health Center Component）。它 2021 年经重新设计后启动，覆盖为医疗服务不足地区提供服务的健康中心，数据由机构经电子病历系统整年报送，另加一次访谈收集机构层面信息。它有就诊级数据，而且量很大。
这两条线在公开文件层面不能合并：没有共同的抽样框，没有共同的层，也没有能对上号的场所标识。把两者放进同一个模型里做全国估计，在方法上是错的。
| 分支 | 起点 | 抽样对象 | 数据来源 | 记录层级 | 是否含患者就诊信息 |
|---|---|---|---|---|---|
| 提供者调查分支 | 2023 年试点 | 诊室执业者（医师、医师助理） | 网页或纸质问卷，执业者自填 | 执业者 | 否，官方明确不收集 |
| 健康中心分支 | 2021 年改版 | 健康中心机构 | 电子病历整年报送＋访谈 | 就诊（另附机构层信息） | 是 |
| 旧制诊室就诊调查 | 1973–2019 | 执业者，第二阶段抽就诊 | 调查员摘录病历 | 就诊 | 是，2019 年是最后一份 |
2.2 收缩漏斗：一行到底是什么
健康中心分支公开文件的每一行是一次就诊。技术文档把这个口径写得很死：每个健康中心的每条就诊记录代表抽样中四十五万余次就诊里的一个。文件里只有就诊层权重，没有机构层权重，官方明说使用者只能做就诊层估计。
旧制诊室文件同样以就诊为行，但它是两阶段抽样的第二层产物：先有执业者，才有其报告周内的就诊。文件把执业者特征与就诊特征放在同一张宽表里，因此每一行的前若干列对同一名执业者是重复的。
2019 年那一份文件可以用来把这条漏斗讲具体。当年从协会名录抽出三千名执业者，筛选后只剩一千七百五十八名仍在调查范围内；其中三百九十八名提交了患者记录，共八千二百五十条就诊。四个数字串起来，就是「三千个人 → 一座诊所 → 三十份记录 → 一行统计」的完整收缩过程。后文谈应答偏差、谈统计功效、谈为什么不能做个体分析，都会回到这条链上。
最需要说清的是主键的问题。文件里没有患者编号。技术文档对处理过程的描述是：机构报送的全部电子病历记录先进入受限数据库，再被合并，使同一名患者在同一天、同一家健康中心只保留一条记录。这句话有两层含义：同一天同一机构的重复接触被折叠了，但不同日期、不同机构的同一个人仍然各占一行，而且没有任何字段能把它们连起来。
#-- 旧制诊室文件的行结构示意（每行 = 一次就诊）
行 i : 执业者特征 … | 患者年龄性别族裔 … | 就诊原因 ×5 | 诊断 ×5 | 用药 ×30 | 服务 ×9
行 j : 执业者特征 … | 患者年龄性别族裔 … | 就诊原因 ×5 | 诊断 ×5 | 用药 ×30 | 服务 ×9
^ 同一位医师，列值重复 ^ 可能是同一位患者，但无法确认，也无字段可连
2.3 字段的五大块
无论新旧文件，就诊级的变量都可以归入五大块，块与块之间的边界在二十年里基本没有挪动过。
| 块 | 回答什么问题 | 旧制诊室文件 | 健康中心分支文件 |
|---|---|---|---|
| 患者人口学 | 来的人是谁 | 年龄、性别、种族、族裔、妊娠状态 | 由电子病历报送，粒度以机构系统为准 |
| 就诊原因 | 为何而来 | 患者主诉，最多五条，按就诊原因分类编码 | 含急诊或非急诊标记、首诊或复诊 |
| 诊断与慢性病 | 被判定为什么 | 最多五条 ICD 诊断，另有约二十项慢性病勾选 | 主诉诊断与次诊断，附慢病标记 |
| 用药 | 开了什么 | 最多三十条药物记录与治疗类别 | 处方与医嘱记录 |
| 服务与检查 | 做了什么 | 最多九条操作，另有化验、影像、咨询与处置标记 | 检查、操作与转诊 |
| 场所与执业者 | 在哪、谁看的 | 专科大类、执业性质、所有制、电子病历能力 | 机构类型、年就诊总量 |
| 设计变量 | 怎么加权 | 就诊权重、层、初级抽样单元 | 就诊权重、层、初级抽样单元 |
这套结构里最值得留意的是「槽位」的设计。诊断、用药、服务都不是变长列表，而是固定数量的重复列：诊断固定五槽、用药固定三十槽、服务固定九槽。超出上限的部分不会被截断，而是在调查设计阶段就不允许录入。这意味着槽位数本身是一条隐含的边界，而不是数据整理时偶然形成的。
2.4 一条记录的解剖
取 2019 年旧制诊室文件里的一行，能同时看出这种宽表结构与它的可读性问题。
#-- 2019 年文件中的一行（变量名与取值形态取自公开文件）
VMONTH, VDAYR 就诊月份、星期
AGE, AGER, SEX 年龄、年龄组、性别
RACER, ETHIM 种族、族裔（缺失项经模型插补）
PAYPRIV, PAYMCARE, PAYMCAID, PAYSELF, ... 支付来源的一串二元标记
PAYTYPER 支付来源的单一归类
RFV1 .. RFV5 就诊原因，五槽，按原因分类编码
DIAG1 .. DIAG5 诊断，五槽，ICD 编码
PRDIAG1 .. PRDIAG5 主诊断标记
HTN, DIABTYP1, ASTHMA, ... 约二十项慢性病勾选
MED1 .. MED30 药物文本，三十槽
NCMED1 .. NCMED30 与药物槽一一对应的成分编码
DRUGID1 .. DRUGID30 与药物槽一一对应的药品编号
RX1CAT1 .. RX1CAT4 第一条药物的四级治疗类别
BPSYS, BPDIAS, BMI 生命体征
PROC1 .. PROC9 提供或开具的操作，九槽
PATWT, CSTRATM, CPSUM 就诊权重、层、初级抽样单元
从这张表能读出一件事：把它当作「一次就诊」来理解是对的，但把它当作「关于一个人的若干事实」来理解就会走偏。全部字段都在描述这一次接触，不描述这个人此前此后发生了什么。
2.5 规模
按官方文档与技术文档给出的数字，两条线的规模差了一个数量级以上。
| 年份 | 文件 | 执业者或机构 | 记录数 | 说明 |
|---|---|---|---|---|
| 2019 | 旧制诊室公开文件 | 398 名执业者参与 | 8,250 条就诊 | 抽样 3,000 名，在范围内 1,758 名 |
| 2023 | 健康中心公开文件 | 95 家健康中心参与 | 四十五万余条就诊 | 全部就诊九百余万条，公开文件取 5% |
健康中心这一侧的规模来自覆盖方式的改变，而不是抽样设计的放大。机构经电子病历整年报送，一条不落，因此母体本身就以百万计；公开文件之所以只有四十五万条，是因为 NCHS 主动按 5% 抽了子样本。这个细节常被忽略：公开文件里的记录数反映的是披露策略，不是调查规模。
2.6 与同类门诊数据的定位差异
| 维度 | NAMCS 健康中心分支 | NAMCS 旧制诊室调查 | NHAMCS（已结束） |
|---|---|---|---|
| 场所 | 健康中心 | 诊室执业者 | 医院急诊与门诊部 |
| 抽样单位 | 就诊 | 就诊 | 就诊 |
| 覆盖年份 | 2021 年起 | 1973–2019 | 1992–2022 |
| 门诊部数据 | 不涉及 | 不涉及 | 2018 年起停止 |
| 数据来源 | 电子病历整年报送 | 调查员病历摘录 | 调查员病历摘录 |
| 现状 | 运行中 | 已停止 | 2022 年终止 |
§3 它的身份：谁的调查，对谁负责
3.1 一套制度性的统计职责
NAMCS 不是某个研究团队的课题，而是美国联邦统计体系里的一项常规产品。它隶属国家卫生保健调查计划，与医院出院、急诊门诊、养老院、门诊手术等其他几项调查共用一套组织架构与统计标准。这意味着三件事：它有法定的信息收集授权，有固定的年度预算，并且必须在发布前完成披露风险审查。
义务的另一面是限制。它不能像学术调查那样为了某个研究问题追加题项，问卷的每一次改动都要经过管理与预算办公室的清点编号流程；它也不能随意扩大地理粒度，因为每一个新增的地理变量都是一次重新识别的风险。
3.2 三处责任边界
| 责任对象 | 它承担的部分 | 它不承担的部分 |
|---|---|---|
| 上游执业者与机构 | 严格保密，公开文件去除全部可识别信息 | 不保证执业者填写的专科、所有制等信息准确 |
| 下游使用者 | 提供权重、层与初级抽样单元，使复杂抽样方差可算 | 不保证跨年可比，也不负责把两条分支合并 |
| 统计体系 | 维持年度序列，发布技术文档与数据字典 | 不为使用者自行构造的指标背书 |
3.3 三条坐标系
这套数据的可解释性建立在三根轴上，任何一次分析都先要在这三根轴上定位。
场所轴决定分母是什么。诊室、健康中心、医院门诊、急诊是四个不同的分母，混用会直接产生错误的构成比。旧制诊室文件与健康中心文件在场所轴上不重叠。
人轴在这套数据里是缺位的。它记录的是接触，不是人。所有「每千人多少次就诊」一类的率，分子来自这套调查，分母必须从别处取人口数——调查本身只提供就诊数，不提供就诊者数。
时间轴由调查年份与改版节点共同定义。1973 至 1981、1985、1989 至 2017、2018 至 2019、2021 起，是五段各自内部可以比较的区间。跨段拼接必须先确认字段是否同时存在。
3.4 为什么「不追踪个人」不是缺陷而是设计
初次接触这套数据的人常有疑问：既然能抽到就诊，为什么不顺手记一个患者编号，做成随访？答案在样本本身。两阶段抽样抽的是执业者，第二阶段在执业者的报告周内抽就诊。同一名患者的下一次就诊大概率发生在另一家诊所、另一个星期，根本不在这个样本里。即使记录了编号，也几乎不可能抽到同一个人的第二次接触。
所以不追踪个人不是遗漏，而是抽样设计的必然结果。反过来说，任何形式的个体纵向分析在这套数据上都无从谈起。
§4 它的手艺：怎样让十五分钟的门诊变成一行可统计的记录
4.1 第一阶段：从名录里抽执业者
诊室部分的抽样框不是一个机构清单，而是两个医学协会的执业者名录：美国医学会与美利坚骨科协会的会员主档。NCHS 从中筛出同时满足五条的人——按协会口径属于诊室执业或医院雇佣、主要从事诊疗、非联邦雇员、不属于麻醉科病理科放射科、调查时未满八十五岁。
分层用的是两个硬变量：人口普查大区与十五个专科大类。合起来构成六十个抽样层，每层按系统随机抽样约五十人。地域与专科同时进入分层，是为了保证不论是东北部还是西部、不论是全科还是眼科，都能有足够的人数支撑估计。
一个容易被忽略的历史改动是：2014 年起，协会归类为「医院雇佣」的执业者被纳入了抽样框。官方给出的理由是担心医院收购诊所的趋势会让原有抽样框漏掉日益增多的、产权归医院但仍在门诊营业的执业场所。这条改动在形态上不影响抽样单位，但它改变了「诊室」这个词在数据里的实际含义。
4.2 第二阶段：在诊室里抽就诊
第二阶段抽的不是患者，也不是诊断日，而是报告周内的就诊。
受访执业者被要求在整个报告周内用到达登记簿记录每一位到访者，含预约与非预约，但不含取消与爽约。这份登记簿就成了这一阶段各执业者自己的抽样框。调查员从名单里按随机起点与固定间隔系统抽样，间隔由该执业者当周的估计就诊量与应诊天数算出。
设计目标是每位执业者的报告周内完成约三十份患者记录。这个数字是刻意压低的：它让不同规模的执业场所承担相同的填报负担，从而避免大诊所因为工作量大而退出。代价是样本对单个执业者几乎没有分辨力，所有分析都必须在群体层面做。
采集方式在 2012 年之后统一到手提电脑端：调查员带着设备进诊室，边翻病历边录入。2019 年文件的方法是自动化的笔记本电脑工具有记录，同年唯一的方式就是它。这一步决定了数据的信息来源不是医生的回忆，而是写在病历上的内容。
4.3 健康中心分支改了什么
2021 年的重新设计把这一整套流程换掉了。新的做法是：机构报送全年全部就诊的电子病历数据，不需要抽样，也不需要现场摘录。抽样负担从「每周三十份」变成「全量导出一次」，成本结构完全不同。
但这一步带来了两个新问题，官方文档都写明了。
第一是数据来源不一致。机构可以两种方式提交：直接由自身的电子病历系统导出，或按 NCHS 的规格做定制提取。两种来源的字段丰富程度与编码习惯不同，NCHS 收到后需要先做协调处理才能合并。
第二是隐私与效率的双重压力。全量数据的条数以百万计，直接公开等于把整家机构的运营情况摊开。NCHS 的处理办法是公开文件只取 5% 的系统抽样，全部记录保留在受限文件里。
4.4 折叠规则：什么被算成一条
技术文档里有一句话值得单独拿出来看：电子病历记录进入受限数据库后被折叠，使同一名患者在同一天、同一家健康中心只保留一条记录，这条记录在公开文件里称为一次就诊。
这条规则解释了三个常见困惑。
其一，为什么同一天在同一机构既看内科又取药，只算一次。因为折叠规则按患者与日期对齐，不看具体服务项目，服务内容被合并进同一行。
其二，为什么不同日期的同一个人各占一行。因为折叠只作用于同一日。
其三，为什么公开文件的「就诊」在含义上比日常语言里的「一次看病」要粗。它更接近「一个人一天在一家机构的一次接触」这一层粒度。
4.5 权重的构造
两条线的权重都是用抽样概率、无应答与人口控制数三类信息构造的，但路径不同。
旧制诊室文件的权重是就诊权重：先算执业者的膨胀因子，其中包含该执业者报告周的接诊量与一年中出诊的周数，再乘以第二阶段在该执业者内部的抽取概率。健康中心文件的权重是两层嵌套：先算机构层权重并做平滑，再乘以该机构全年实际就诊总量与部分无应答调整因子。
两者都附带层与初级抽样单元两个设计变量，供复杂抽样方差估计使用。这一点很关键：所有标准误都必须用设计变量计算，按简单随机抽样去算会把区间压得过窄。
4.6 一个可以复现的最小验证
用公开文件验证权重的量级，是最直观的一次自检。
#-- 读取 2019 年旧制诊室公开文件，检查权重与设计变量是否齐备
import pandas as pd
df = pd.read_sas("/tmp/namcs2019_sas.sas7bdat", format="sas7bdat")
print("记录数", len(df), "变量数", df.shape[1])
#-- 三列设计变量必须同时存在，缺一列就无法算复杂抽样方差
design = ["PATWT", "CSTRATM", "CPSUM"]
print(df[design].notna().all())
#-- 按权重求和得到全国就诊量级；这只用于核对量级，不用于推断
print("加权就诊总量（十亿次）", round(df["PATWT"].sum() / 1e9, 3))
#-- 执业者层权重只在参与者的首行有值，说明它是执业者级变量而非就诊级
print("PHYWT 非空行数", df["PHYSWT"].notna().sum())
这段代码跑出的加权总量在十亿次量级，与官方给出的 2019 年估计相符。需要强调：这只说明权重是按全国规模构造的，不构成任何分布结论。
顺便用同一份文件检查 §2.2 的收缩漏斗的末端：三百九十八名参与执业者对应八千二百五十条就诊，平均每人落在二十条上下，比设计目标三十份低，这与当年只有一部分执业者提交了过半期望记录的事实一致。
#-- 检查执业者与就诊的对应关系：一行就诊，一名执业者对应多行
import pandas as pd
df = pd.read_sas("namcs2019_sas.sas7bdat", format="sas7bdat")
by_phy = df.groupby("PHYCODE").size()
print("参与执业者", by_phy.size, "就诊总数", len(df),
"每人就诊数中位数", by_phy.median())
输出应当是三百九十八名执业者对应八千二百五十条就诊，每人就诊数中位数为二十一。这条检查还有第二个用途：它说明「每位执业者三十份」只是设计目标，实际落到公开文件里往往更少，任何按执业者做分组分析的研究都要先确认自己的分组里还有多少条记录。
4.7 编码体系
诊断、就诊原因、用药与操作各有自己的编码表，而且这些表每年更新。
诊断走国际疾病分类。用药在 2006 年之前用美国国家药品编码目录，之后改用语料库形式的多药物数据库，提供的字段包括药品编号、成分编码、处方状态与四级治疗类别。就诊原因用专门的门诊就诊原因分类，不是 ICD 的子集，它的分类逻辑按主诉而非病理归类。
编码表的年度更新带来一个实操问题：同一年份内必须使用该年份文档里附带的编码表，不能拿别的年份的表去解释。跨度分析时，同一个编码在十年后的含义可能已经变化。
§5 取数：从公开文件到受限文件
本节仍以 §2.2 的收缩漏斗为引子：三千名抽样、一千七百五十八名在范围内、三百九十八名提交记录、八千二百五十条就诊。取数与加权都要能在这条链上逐段复原，否则后面的任何估计都无从追溯。
5.1 三条取数路径
| 路径 | 适用对象 | 门槛 | 边界 |
|---|---|---|---|
| 公开微数据直下 | 教学、探索性分析、大部分论文 | 免费，无需申请 | 无州及更细地理，部分变量被掩蔽 |
| 官方报告与网页表 | 只需全国粗指标 | 免费 | 只有聚合结果，不能自行切片 |
| 受限文件 | 需要地理细分、全量就诊、链接行政数据 | 申请、审查、付费 | 只能在指定安全环境中使用 |
5.2 公开微数据怎么取
文件托管在 CDC 的 FTP 目录下，按年份分目录，每个年份下提供 SAS、Stata、SPSS 与 R 四种现成格式，另有技术文档与数据字典。
#-- 2023 年健康中心分支公开文件（约 177 MB）
curl -L -o namcshc2023_sas.sas7bdat \
"https://ftp.cdc.gov/pub/Health_Statistics/NCHS/Dataset_Documentation/NAMCS/2023/namcshc2023_sas.sas7bdat"
#-- 同名变量在 R 里读入，检查就诊权重与设计变量
Rscript -e 'd <- readRDS("namcshc2023_r.rds"); print(dim(d)); print(names(d))'
2019 年及更早的旧制诊室文件则以压缩包形式发布，一个年份一个包，内含 SAS 数据文件与说明。
#-- 旧制诊室文件：下载、解压、读取
curl -L -o namcs2019_sas.zip \
"https://ftp.cdc.gov/pub/Health_Statistics/NCHS/Dataset_Documentation/NAMCS/2019/namcs2019_sas.zip"
unzip -o namcs2019_sas.zip
python3.11 -c "import pandas as pd; d = pd.read_sas('namcs2019_sas.sas7bdat'); print(d.shape)"
5.3 用设计变量做加权估计
所有估计都必须走复杂抽样路径。下面这段是旧制诊室文件的标准写法。
#-- 用调查设计对象做加权，而不是直接对列取平均
import pandas as pd
from statsmodels.stats.weightstats import DescrStatsW
df = pd.read_sas("namcs2019_sas.sas7bdat", format="sas7bdat")
#-- 先确认设计变量没有缺失
df = df.dropna(subset=["PATWT", "CSTRATM", "CPSUM"])
#-- 加权均值：只用于说明「权重必须参与」
w = DescrStatsW(df["AGE"], weights=df["PATWT"])
print("加权平均年龄", round(w.mean, 1), "标准误", round(w.std_mean, 2))
5.4 在 R 里的标准写法
#-- survey 包是 NCHS 文档推荐的路径之一
library(survey)
d <- readRDS("namcshc2023_r.rds")
des <- svydesign(ids = ~CPSUM, strata = ~CSTRATM,
weights = ~VISWT, data = d, nest = TRUE)
svymean(~factor(MEDICAL_INSURANCE), des, na.rm = TRUE)
nest = TRUE 不是可选项。初级抽样单元编号在不同层之间可能重复，不加这个参数会把不同层的同一编号当成同一个单元。
5.5 跨年拼接的注意事项
拼接之前先做一张字段对照，比拼接之后发现口径变了要省事得多。
#-- 拼接前先看两年的列名交集，而不是直接 concat
import pandas as pd
old = pd.read_sas("namcs2015_sas.sas7bdat", format="sas7bdat")
new = pd.read_sas("namcs2019_sas.sas7bdat", format="sas7bdat")
common = sorted(set(old.columns) & set(new.columns))
print("共同变量", len(common), "仅在旧文件", len(set(old.columns) - set(new.columns)))
5.6 公开文件里缺什么
公开文件做了三层削减，每一层都影响使用者能问的问题。
第一层是地理。公开文件只留都市统计区类型这一项，州、县、邮编一概不在。2019 年因应答率过低，连执业者所在大区这一变量也被撤下。
第二层是执业者细分。同样是 2019 年，十四组的专科细分变量因样本不足被移除，只保留了初保、外科、内科三个大类。
第三层是自由文本与敏感项。患者的可识别信息全部去除，部分数值做了上下限截断或掩蔽。技术文档附有被处理变量的清单。
这三层削减构成了「公开文件能做什么」的硬边界。需要更细的行或地理，只能走受限文件，而受限文件不接受逐个变量的挑选式申请。
§6 与库内条目的关系
6.1 关系图谱
NAMCS 在库内属于「人群抽样调查」这一类，与几份居民层面的调查相邻但不重叠。
| 库内相关词条 | 与本页主题的关系 | 一句话区隔 |
|---|---|---|
| NSDUH 全国药物使用与健康调查 | 同属联邦年度调查，同为 NCHS 或 HHS 体系 | NSDUH 抽人不抽就诊，能算患病率；NAMCS 抽就诊不抽人，只算就诊构成 |
| 全国儿童健康调查（NSCH） | 同为调查数据，对象是家庭与儿童 | NSCH 由家长填报，能算儿童患病率；NAMCS 记录的是诊室里发生了什么 |
| 电子健康记录类条目 | 健康中心分支的上游形态 | 那些条目是原始病历，NAMCS 是抽样后的就诊记录 |
一句话记住三者的分工：要问「多少人有病」去看居民调查；要问「病人进了诊室之后发生了什么」来查这条；要问「病历里的一行原始数据长什么样」去看电子健康记录类资源。
6.2 检索路径
| 你的问题 | 该去哪个词条或入口 | 理由 |
|---|---|---|
| 某种病在美国有多少患者 | NSDUH 或儿童健康调查一类居民调查 | NAMCS 抽样单位是就诊，不能算患病率 |
| 诊室里某类药被开了多少次 | 当前这一页 | 就诊级用药记录，健康中心分支尤其完整 |
| 门诊就诊的年龄性别构成 | 当前这一页 | 就诊层面的构成分析是它的主场 |
| 急诊量、住院量 | 急诊与出院调查 | NAMCS 不含医院场景 |
| 某个孩子一年看了几次病 | 居民调查 | NAMCS 无个人随访 |
| 某家医院门诊部的运营 | NHAMCS 存档或医院类调查 | NAMCS 诊室部分不覆盖医院门诊 |
6.3 与居民调查的逐项区隔
这是最容易混淆的一组，必须写清。
| 对比项 | NAMCS | 居民健康调查 |
|---|---|---|
| 抽样单位 | 一次就诊 | 一个人或一个家庭 |
| 分母 | 就诊 | 人口 |
| 能否算患病率 | 不能，官方明确禁止 | 能，这是它的设计目标 |
| 能否做个体随访 | 不能 | 部分调查能 |
| 信息来源 | 病历摘录或电子病历 | 受访者自报 |
| 诊断的可信度 | 较高，有编码 | 依赖自报，多有偏误 |
| 典型问题 | 这次就诊开了什么药 | 这个人群里有多少人有病 |
一句话：前者问「服务了什么」，后者问「谁病了」。混淆两者的代价是把就诊次数当成人次数，得出的患病率会高出数倍。
§7 质量评估与局限性
7.0 阅读本节前需要知道的一件事
评估这份数据时，最容易用错的尺子是「它为什么没有人群代表性」。用居民调查的标准来量它，会一路判负：没有患者随访、没有患病率、地理粒度粗到只剩一个都市统计区标记。
但这不是它的会计科目。它的设计目标是「估计门诊就诊的总量与构成」，在这个目标上，它衡量的是权重是否能复原全国就诊规模、编码是否稳定、应答率下降是否已被加权方法吸收。下面每一条扣分都应当读作「这个取舍的代价」，而不是「它没做好」。
还有一个前置事实必须记住：评估对象在 2018 年之后已经不是一个统一的东西。判旧制诊室文件与判健康中心文件，用的标准不同。
7.1 五维评分
| 维度 | 分数 | 依据 |
|---|---|---|
| 规模 | 3 / 5 | 旧制诊室文件单年仅八千余条记录，健康中心分支虽达四十五万条但只覆盖健康中心一类场所 |
| 一致性 | 2 / 5 | 2018 年改版、2022 年空缺、两条分支不可合并，跨年序列断点密集 |
| 可用性 | 4 / 5 | 四种格式现成文件，技术文档与数据字典齐全，设计变量完整 |
| 可追溯性 | 3 / 5 | 编码表、加权方法与披露处理均有文档，但逐机构的数据质量差异不公开 |
| 覆盖面 | 2 / 5 | 不含医院门诊、急诊、联邦机构与放射病理科，健康中心分支还要求机构使用电子病历 |
7.2 DAIMS 视角下的四条线
DAIMS 关心的是数据从采集到使用的链条能否被解释。它原本是面向档案与信息管理系统的框架，这里借它的四条线做一次对齐。
| DAIMS 线 | NAMCS 的表现 |
|---|---|
| 数据获取 | 两阶段概率抽样有完整文档，但 2018 年之后两条分支的采集方式完全不同，需分开评估 |
| 数据建模 | 就诊为行、槽位为列的宽表，模型极简；槽位上限固定，超出部分在设计阶段就被排除 |
| 数据溯源 | 编码表逐年发布、加权方法有专门文档；披露处理只给受影响变量清单，不给逐条处理记录 |
| 数据使用与治理 | 公开与受限双轨，公开文件免申请，受限文件须审查；官方明确禁止把它当作患病率来源 |
四条线里最稳的是建模，最弱的是溯源，与多数政府统计产品一致。
7.3 已知的、可枚举的偏差
其一，诊所应答偏差。 回到 §2.2 的收缩漏斗：三千名抽样、一千七百五十八名在范围内、三百九十八名提交记录、八千二百五十条就诊，最后一段的收缩幅度最大。愿意配合的执业者与不配合者，在专科构成、执业性质与患者结构上未必相同。官方用加权方法吸收了一部分，但无法验证被加权掉的那部分是否系统性地不同。这条漏斗同时解释了另一个现象：单年记录量偏小，因此任何细分到专科或病种的估计都容易撞上可靠性的下限。
其二，场所偏差。 健康中心分支只覆盖使用电子病历的机构。不用电子病历的健康中心在这条产品线上不存在，而这个缺失不是随机缺失，它与机构规模、所在地区、经费来源相关。
其三，时间偏差。 诊室部分要求执业者记录的是报告周内的就诊。报告周是随机分配的，因此季节效应在年度层面大体被摊平，但单一年份内部的月份是不均匀的。
其四，编码偏差。 诊断与用药走编码表，编码表随年份更新。当某个码的含义在修订中改变时，跨越修订点的趋势会混入分类变动。
其五，披露削减偏差。 公开文件对部分变量做了掩蔽与截断。削减集中在少数值与小样本格，对全国估计影响可忽略，对细分分析影响可能明显。
7.4 外部验证的几条线索
| 验证角度 | 官方给出的线索 | 结论 |
|---|---|---|
| 加权总量近似全国门诊量 | 2019 年加权后约十亿次，与官方估计区间一致 | 权重在总量层可用 |
| 公开文件与受限文件一致 | 技术文档说明两者估计可能略有差异，源于披露处理 | 公开文件的结论可推广，但数值不等同 |
| 健康中心分支的量级 | 2023 年加权后约一亿两千万次健康中心就诊，标准误约一千六百万次 | 区间较宽，宜在聚合层面使用 |
| 编码可靠性 | 官方有独立复核编码的流程，文档记载了复核比例 | 编码质量有制度保障 |
| 连续性 | 1973 年起持续，官方公布各年方法变更 | 长期使用的可靠度取决于是否跨过改版点 |
7.5 它为何能持续
政府统计产品的生存逻辑与商业数据不同，不靠用户增长，靠制度刚性和不可替代性。
第一层刚性来自授权。它由法定授权与年度预算维持，不需要每一期都去证明自己有用。
第二层刚性来自嵌入。处方行为、慢性病管理、初保可及性这几条研究线上的许多经典结论都建立在这套数据上，新的研究者要检验或反驳它们，就必须回到同一套口径。
第三层刚性来自缺位。美国至今没有一个能覆盖全部门诊的行政登记系统。没有替代品，调查即使应答率再低，也仍然是唯一能给出全国门诊构成的东西。
§8 生态位与历史
8.1 沿革：从诊室就诊到执业者问卷
| 时间 | 事件 |
|---|---|
| 1973 年 | NCHS 启动 NAMCS，覆盖诊室执业者及其患者就诊 |
| 1973–1981 年 | 逐年执行 |
| 1985 年 | 单独执行一轮 |
| 1989 年起 | 恢复逐年执行，成为年度常规产品 |
| 2006–2011 年 | 主样本之外另加社区健康中心样本 |
| 2012 年 | 社区健康中心从主样本剥离，单独成文件发布 |
| 2014 年 | 协会归为医院雇佣的执业者纳入抽样框 |
| 2016 年 | 现行诊室抽样设计定型 |
| 2018 年 | 改版，停止收集部分电子病历使用变量，因应答过低移除区域与专科细分变量 |
| 2021 年 | 健康中心分支重新设计并启动，改由电子病历整年报送 |
| 2022 年 | 诊室执业者部分未收集数据 |
| 2023–2024 年 | 提供者调查分支以试点形式开展，不收集就诊数据 |
| 2025 年 | 提供者分支仅抽样医师助理 |
| 2026 年 | 发布 2024 年健康中心分支数据与 2025 年提供者分支受限文件 |
从这条时间线能读出两件事。其一是重心迁移：患者就诊数据的来源从诊室转到了健康中心。其二是身份变化：诊室那条线的调查对象已经从「患者的就诊」悄悄变成了「执业者的执业」。
8.2 与已终止的医院调查的分工与结局
很长时间里，门诊统计是两项调查并列：诊室部分由 NAMCS 负责，医院急诊与门诊部由 NHAMCS 负责。两者共用一套分类编码，因此常被合并分析。
这个格局在 2018 年开始松动，在 2022 年结束。NHAMCS 官方页面记录得很清楚：2018 年停止收集医院门诊部数据，此后五年只覆盖急诊；2018 至 2022 年均约五百家医院参与，每家抽取四周就诊记录；2022 年是最后一次数据收集。
官方给出的终止理由有两条，都写在页面上：一是电子病历的普及让信息可以电子化共享，不必再由人工抄录；二是其他调查已经接过了部分功能，例如全国医院医疗调查覆盖了急诊使用。
NAMCS 并没有随之终止，也没有并入 NHAMCS。两项调查的结局是分叉的：一项终止，一项改版后继续。把它写成「两家合并重组」是与官方页面相反的表述。
8.3 改版的动因与代价
2018 年与 2021 年的两次改动，动机相同：旧方法的成本结构已经不可持续。摘录病历需要派遣调查员，每份记录都有边际成本；应答率却从早期的高位一路跌到四分之一上下。继续加派调查员只会让成本上升、回报下降。
改版的方向是「从摘录转向报送」。健康中心分支走得最彻底：整年全量报送，不需要抽样，也不需要现场。代价是覆盖范围从「所有诊室」缩到「使用电子病历的健康中心」，以及公开文件不得不做 5% 抽样来控制披露风险。
诊室部分的改版则更保守：先把收集内容缩到执业者层面，再以试点方式重建样本。2023 与 2024 两年都标注为试点，且明确说明不收集就诊数据。这意味着诊室就诊这条产品线目前是空缺状态。
8.4 今天的生态位
按场所划分，今天的美国门诊统计大致是这样分工的：
| 场所 | 由谁覆盖 | 现状 |
|---|---|---|
| 健康中心 | NAMCS 健康中心分支 | 运行中，就诊级，电子病历报送 |
| 诊室执业者 | NAMCS 提供者分支 | 试点中，只有提供者层面 |
| 医院急诊 | 全国医院医疗调查等 | 由其他调查承接 |
| 医院门诊部 | 无独立年度调查 | NHAMCS 于 2018 年停止覆盖 |
这张表说明一件事：门诊统计的覆盖面在近十年是收缩的，而不是扩张的。使用这套数据的人需要知道自己的研究问题落在哪一格，以及那一格今天是否还有数据。
8.5 在 AI 与机器学习流程中的位置
门诊就诊级数据在建模中的用途集中在两类任务。
一类是处方与诊疗路径的序列建模：每次就诊是一条含主诉、诊断、用药、检查的短序列，适合做诊疗决策的表示学习或多标签预测。健康中心分支的字段更全，但只覆盖一类场所；旧制诊室文件字段经典，但记录量小。
另一类是作为医疗利用的基线：在训练一个大模型时，用它约束「一次基层就诊通常包含多少项服务」这类先验。
需要提醒的是样本量。旧制诊室文件单年八千余条，健康中心分支公开文件四十五万条但只代表九十五家机构。把它当大规模语料会高估其独立性：同一机构的记录共享大量未观测的机构特征，按行随机划分训练与测试集会造成信息泄漏。
§9 使用指引
9.1 三种角色的路径
卫生服务研究者的路径从问题反推场所。先确定研究对象是诊室还是健康中心，再决定用哪条产品线。选好后第一步是确认年份落在哪个可比段，第二步才是找变量。
公共卫生分析师的路径最短。多数需求可以用官方发布的报告与网页表满足，不必动微数据。只有在需要自定义分组时才下微数据，且要提前接受地理粒度只到都市统计区这一点。
数据工程师的路径最重。要点有三：一是把两条分支建成两个互不相通的表，不要试图合并；二是把权重与设计变量作为必备列写入模式，缺列即拒；三是按机构而非按行做训练测试划分。
9.2 一条最短的可用流程
从拿到文件到算出一个可用的估计，最少四步。
#-- 一、读入并确认设计变量
import pandas as pd
df = pd.read_sas("namcshc2023_sas.sas7bdat", format="sas7bdat")
assert {"VISWT", "CSTRATM", "CPSUM"} <= set(df.columns)
#-- 二、只保留有权重的记录，缺失权重的行不能进任何估计
df = df[df["VISWT"].notna() & (df["VISWT"] > 0)]
#-- 三、按需求选列，避免把九百多列全部载入内存
keep = [c for c in df.columns if c.startswith(("VISWT", "CSTRATM", "CPSUM", "AGE", "SEX"))]
sub = df[keep].copy()
#-- 四、用设计变量做加权汇总，不要用 groupby 直接取均值
total = sub["VISWT"].sum()
print("加权就诊次数（百万）", round(total / 1e6, 1))
9.3 常见的三类操作错误
错用分母。 把就诊数除以总人口得到「每千人就诊次数」是合理的；把就诊数当作「有多少人看过病」是不合理的。后者的错误在于一个人可能贡献多次就诊。
按人去重。 文件里没有患者标识，所谓「去重」只能靠年龄性别族裔的组合，而这会把不同的人误合并、把同一个人误拆分。任何以「唯一患者数」为目标的处理都应当放弃。
忽略设计变量。 直接把权重列当作普通频数去做卡方检验，会低估标准误。所有推断都必须走复杂抽样路径。
9.4 引用方式
引用要写三层。第一层是调查本身，注明 NAMCS 与数据年份；第二层是具体文件，注明是提供者分支还是健康中心分支，因为这两者的口径完全不同；第三层是加权与方差方法，注明使用的设计变量与软件包。
只写「NAMCS 数据」而不写分支与年份，无法判断用的到底是诊室旧制文件还是健康中心文件，而这两者的结论通常不能互相印证。反过来说，一段合格的引用应当能让人从 2.2 节的漏斗一路还原到具体是哪一年的哪一份文件、用的是哪一列权重。
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| AI 参与程度 | 由 AI 助手依据官方页面与官方技术文档起草，人工核对数字与结论 |
| 数字来源层级 | 官方页面与技术文档为一级，公开文件的动态内容为辅助核对 |
| 未核实项 | 2025 年提供者分支记录数未公布；健康中心分支的机构层权重不在公开文件中 |
| 版本信息 | 以 2026 年 5 月至 10 月间读取的 CDC 页面与文件为准 |
| 已知不一致 | 任务委托方的描述称 2021 年后与医院调查合并为 NHAMCS，官方页面显示两项调查是分叉结局 |
| 适用边界 | 只描述数据集的结构、规模与边界，不评价任何具体研究的结论 |
| 更新机制 | 调查逐年发布，本页不承诺随年度同步刷新 |
常见误读（避坑清单）
| 常见说法 | 实际情况 | 证据 |
|---|---|---|
| 「抽样单位是患者」 | 抽样单位是就诊，官方逐页写明 | 2019 技术文档抽样范围一节：基本抽样单位是医患接触或就诊 |
| 「可以算某种病有多少人」 | 不能，官方明确说不代表全国人口 | NAMCS 关于页医学诊断一段的加粗说明 |
| 「2021 年后并入 NHAMCS」 | 相反，NHAMCS 于 2022 年终止，NAMCS 继续 | NHAMCS 关于页首段：该调查已于 2022 年结束 |
| 「今天还在发布诊室就诊数据」 | 2019 年之后没有诊室就诊级公开文件，2022 年未收集 | NAMCS 文档页：2022 年未收集诊室执业者数据 |
| 「提供者分支是诊室就诊调查的延续」 | 它注明不收集就诊数据 | 文档页 2023 与 2024 两节均写：不收集就诊数据 |
| 「两条分支可以合并做全国估计」 | 抽样框、层与场所标识都不同 | 两者各自的抽样框与权重构造互不兼容 |
| 「包含医院门诊与急诊」 | 都不含，属于另一项调查 | 2019 技术文档：医院场景内的就诊不在范围内 |
| 「公开文件有州的信息」 | 公开文件只留都市统计区类型 | 2019 技术文档：区域变量已移除 |
| 「每年两三万次就诊」 | 旧制诊室文件单年八千余条；健康中心文件四十五万条 | 2019 文档样本量节与 2023 健康中心技术文档 |
| 「能追踪同一个患者」 | 无个人标识，无随访 | 文件不含患者编号，原文描述为按日折叠 |
FAQ
Q1：NAMCS 现在一共有几个文件？
按分支算两个系列。提供者调查分支按年发布执业者层文件，仅有受限版本；健康中心分支按年发布就诊层公开文件，含 SAS、Stata、R 三种格式。2019 年及更早的诊室就诊文件另成一系列，已停止更新。
Q2：为什么同一名患者多次就诊无法识别？
因为文件里没有患者编号。折叠规则只保证同一天同一机构只留一行，不同日期的同一人会出现多行，但没有任何字段能把它们关联起来。这是抽样设计的必然结果，不是数据丢失。
Q3：健康中心分支为什么只覆盖健康中心？
因为它的抽样框就是联邦合格健康中心及其相似机构，且要求机构使用电子病历。诊室执业者不属于这个框，医院门诊也不属于。要覆盖诊室，需回到提供者分支，而该分支目前不收集就诊数据。
Q4：2018 年到底改了什么？
两件事。一是停止收集较大一批电子病历使用能力的变量；二是因应答率过低，移除了执业者所在大区与十四组专科细分两个变量，只保留都市统计区类型与三个专科大类。
Q5：能不能把旧制诊室文件和健康中心文件拼起来？
方法上不可以。两者的抽样框、层、初级抽样单元与权重含义都不同，合并后的标准误无法正确计算。若确实需要同时描述两个场所，应分别估计再并列陈述。
Q6：公开文件与受限文件差别在哪？
公开文件去掉了州及更细的地理信息，部分变量被掩蔽或截断，健康中心分支只保留 5% 的就诊记录。受限文件含全部记录与更多地理变量，可在 NCHS 研究数据中心内使用，需申请、审查并付费。
Q7：诊断编码用的哪一版 ICD？
逐年在变。实际使用时必须以该年份技术文档附带的编码表为准，不能跨年借用。跨修订点做趋势分析时，应先在聚合层面对齐分类，再拼接。
Q8：为什么标准误要用设计变量算？
因为这是分层两阶段抽样，不是简单随机抽样。忽略层与初级抽样单元会把区间算窄。NAMCS 文档推荐把就诊权重、层与初级抽样单元三列一起交给 survey 类的软件处理。
Q9：2025 年之后会恢复诊室就诊数据吗？
官方尚未公布恢复计划。2025 年提供者分支只抽样医师助理，文档仍写明不收集就诊数据。任何关于恢复的预期都应视为未证实。
Q10：这套数据适合做机器学习训练集吗？
可以作为门诊就诊级任务的小规模数据，但要清楚两点：旧制诊室文件单年只有八千余条；健康中心文件虽大，却只代表九十五家机构，按行划分训练测试集会造成泄漏。按机构划分才是正确做法。
Q11：能不能用它算医生的处方习惯？
可以，但要限定在就诊层面：某类药在某类就诊中的出现比例是可做的。不能把结果解读为「某位医生开了多少处方」，因为单个执业者的样本量太小。
Q12：为什么官方说它属于公共卫生监测而不是研究？
因为按联邦通用规则的规定，公共卫生监测活动不需要伦理审查委员会审批。NCHS 伦理审查委员会另行审查并批准了这项调查，官方页附有批准信可供机构提交。
术语表
| 术语 | 含义 |
|---|---|
| 门诊医疗 | 患者未住院即在诊室、健康中心等场所接受的服务 |
| 就诊（visit） | 一次医患接触，本调查的基本抽样单位 |
| 患者记录 | 旧制诊室文件中每位被抽中就诊对应的摘录表 |
| 到达登记簿 | 执业者在报告周内记录全部到访者的清单，作为第二阶段抽样框 |
| 报告周 | 随机分配给受访执业者的一周，其间的就诊进入抽样 |
| 两阶段抽样 | 先抽执业者，再在其就诊中抽样本 |
| 提供者调查分支 | 2023 年起试点，仅收集执业者与场所特征 |
| 健康中心分支 | 2021 年起，经电子病历报送健康中心就诊数据 |
| 联邦合格健康中心 | 依公共卫生服务法第三百三十条获得联邦经费的健康中心 |
| 相似机构 | 符合联邦合格健康中心标准但未获联邦经费的机构 |
| 电子病历 | 机构用于记录诊疗过程的数字化系统，健康中心分支的数据来源 |
| 折叠 | 使同一患者同日同机构只保留一条记录的合并操作 |
| 槽位 | 宽表中固定数量的重复列，如诊断五槽、用药三十槽 |
| 就诊权重 | 使样本就诊复原为全国就诊总量的膨胀因子 |
| 层与初级抽样单元 | 用于计算复杂抽样方差的两种设计变量 |
| 就诊原因分类 | 按主诉归类的专用编码体系，不同于疾病分类 |
| 复杂抽样方差 | 考虑分层与整群后计算的标准误，必须用设计变量 |
| 披露风险处理 | 发布前对可识别信息做掩蔽、截断或抽样 |
| 受限文件 | 含更多细节但须在安全环境中使用的数据版本 |
| 都市统计区 | 由管理与预算办公室划定的城市及其周边区域口径 |
| 全国卫生保健调查计划 | NCHS 旗下覆盖各类医疗机构的一组调查的总称 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 起步年份 | 1973 年 | NAMCS 关于页 | 一级 |
| 执行节奏 | 1973–1981 逐年、1985 年、1989 年起逐年 | NAMCS 关于页 | 一级 |
| 2019 年抽样执业者数 | 3,000 名 | 2019 技术文档 | 一级 |
| 2019 年在范围内执业者数 | 1,758 名 | 2019 技术文档 | 一级 |
| 2019 年参与执业者数 | 398 名 | 2019 技术文档 | 一级 |
| 2019 年就诊记录数 | 8,250 条 | 2019 技术文档 | 一级 |
| 2019 年就诊数据应答率 | 26.4%（未加权） | 2019 技术文档 | 一级 |
| 2023 年健康中心参与机构 | 95 家 | 2023 健康中心技术文档 | 一级 |
| 2023 年健康中心全部就诊 | 9,012,885 条 | 2023 健康中心技术文档 | 一级 |
| 2023 年公开文件就诊记录 | 四十五万余条 | 2023 健康中心技术文档 | 一级 |
| 公开文件抽样比例 | 5% | 2023 健康中心技术文档 | 一级 |
| 每位执业者目标记录数 | 约 30 份 | 2019 技术文档 | 一级 |
| 诊断槽位 | 5 | 2019 文件变量结构 | 一级 |
| 用药槽位 | 30 | 2019 文件变量结构 | 一级 |
| 服务槽位 | 9 | 2019 文件变量结构 | 一级 |
| NHAMCS 终止年份 | 2022 年 | NHAMCS 关于页 | 一级 |
附录 B：数字的来源分层
一级：官方页面与技术文档。 包括 NAMCS 关于页、文档页、两个分支的说明页、NHAMCS 关于页，以及各年的公开文件技术文档。本文的年份、样本量、记录数、应答率、槽位数与变量名均取自这一层。
二级：公开文件本身。 用于核对变量是否存在、设计变量是否齐备。只做结构层面的确认，不把任何由文件算出的分布当作结论。
三级：未核实。 2025 年提供者分支的记录数官方未公布；健康中心分支的机构层权重只存在于受限文件，公开文件不含。这两项在正文中均标注为未知而非估算。
附录 C：参考文献
- National Center for Health Statistics. National Ambulatory Medical Care Survey, About. https://www.cdc.gov/nchs/namcs/about/ ，2026 年访问。
- National Center for Health Statistics. NAMCS Questionnaires, Datasets, and Documentation. https://www.cdc.gov/nchs/namcs/documentation/index.html ，2026 年访问。
- National Center for Health Statistics. NAMCS Provider Survey Component, About. https://www.cdc.gov/nchs/namcs-provider-survey/about/index.html ，2026 年访问。
- National Center for Health Statistics. NAMCS Health Center Component, About. https://www.cdc.gov/nchs/namcs-health-center/about/index.html ，2026 年访问。
- National Center for Health Statistics. National Hospital Ambulatory Medical Care Survey, About. https://www.cdc.gov/nchs/nhamcs/about/index.html ，2026 年访问。
- NCHS. 2019 NAMCS Micro-data File Documentation（doc2019-508.pdf），https://ftp.cdc.gov/pub/Health_Statistics/NCHS/Dataset_Documentation/NAMCS/2019/ 。
- NCHS. 2023 NAMCS Health Center Component Technical Documentation，https://ftp.cdc.gov/pub/Health_Statistics/NCHS/Dataset_Documentation/NAMCS_HC/2023/ 。
- NCHS. NAMCS and NHAMCS Survey Methods and Analytic Guidelines（存档页）。
附录 D：如果只记五件事
第一，抽样单位是就诊，不是患者。一个人多次就诊会各占一行，且没有标识能把它们连起来。官方据此明确禁止用它估计患病率。
第二，2018 年之后这份调查变成了两条互不相通的产品线：诊室那条只收执业者的信息，健康中心那条经电子病历收就诊，后者 2023 年公开文件为全部就诊的百分之五抽样。
第三，NHAMCS 是 2022 年终止，不是与 NAMCS 合并。两项调查的结局是分叉的。
第四，诊室就诊级公开文件止于 2019 年，2022 年未收集，之后的诊室部分不提供就诊数据。
第五，不覆盖医院门诊与急诊、放射科与病理科、印第安卫生局机构、电话问诊与上门出诊；公开文件地理粒度只到都市统计区。
编辑说明
核验时间为 2026 年 10 月 29 日，核验方式为直接读取 CDC 的 NAMCS 关于页、文档页、两个分支的说明页与 NHAMCS 关于页，并读取 2019 年诊室公开文件技术文档与 2023 年健康中心分支技术文档。原始指令中给出的 ahcd 目录下三处地址（index、about_ahcd、datasets_documentation_related）在核验时已跳转至存档站，现行页面位于 nchs/namcs 路径下，正文以现行页面为准。
未覆盖的内容包括：2025 年提供者分支的具体记录数、健康中心分支机构层估计的细节、以及各年编码表的完整码值。原始指令中有三处描述与官方页面不一致，正文按官方页面陈述：其一，2021 年后与医院调查合并为 NHAMCS 的说法与 NHAMCS 已终止的记载相反；其二，诊室部分至今仍收患者就诊数据的说法与文档页不符；其三，每年两三万次就诊的说法与两类文件的实际记录数均不符。
本页只描述数据集的结构、规模与边界，不涉及对任何具体研究结论的评价，也不构成使用建议的法律意见。微数据的使用须遵守官方数据使用条款。
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 / 卫生服务研究 / 调查数据
- mexico-ensanut — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- indonesia-riskisdas — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- brazil-pns — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- enpd-2018 — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- esankhyiki — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- cfps — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- nsch — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- world-health-survey — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
- meps — 共享标签：公共卫生与流行病学 / 卫生服务研究 / 调查数据
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。
