信息速览
INFOBOX — sex-differences-hearing-loss 一屏速览
维度 内容 本质 韩国人群年龄相关听力损失的性别与年龄分层参考值数据集（横断面纯音听阈测量表，非波形/图像） 官方名 Sex differences in age-related hearing loss（PhysioNet v1.0.0，2026-09-16 发布） 机构 韩国大邱法蒂玛医院健康促进中心（Daegu Fatima Hospital，通讯 SungHee Kim） 论文 Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31（doi:10.3342/ceo.2010.3.1.27；PMID 20379399） 数据 单文件 hearing_thresholds.csv，14 列（性别、年龄 + 右耳 6 频 + 左耳 6 频）规模 纳入 4,084（910 男 + 3,174 女）；注册完成问卷 16,884（10,286 男 + 6,598 女） 频率 6 个：0.25 / 0.5 / 1 / 2 / 4 / 8 kHz；单位 dB HL，5 dB 步进 设备 Beltone Model 112 听力计 + TDH 50P 耳机 + IAC 400A 隔声室，ANSI 1989 校准 招募 2004-01 ~ 2010-04，韩国大邱 核心发现 校正年龄后 4 kHz 与 8 kHz 性别差异显著（男性高频听阈更差）；8 kHz 年变化率男 1.27 / 女 1.05 dB/年 许可 ODC-By 1.0（PhysioNet 平台默认开放数据许可），开放获取、无凭证 引用 KIM, S. (2026). PhysioNet. RRID:SCR_007345. doi:10.13026/76jk-9b36 库内互链 NHIS-NHID（韩国健保筛查，rid 286）、vitaldb（韩国临床测量，rid 192）、MESA-Sleep（队列，rid 302）
sex-differences-hearing-loss 是"一个人群里听力的性别与年龄长什么样"的数据集：它不采集音频、不拍图像，而是把韩国大邱法蒂玛医院健康促进中心 2004 至 2010 年间约 1.7 万份年度健康筛查中的听力测量，经过一套严格的排除规则筛成 4,084 名"听力健康"成年人（910 男、3,174 女），每人一行、双耳六个频段的听阈（dB HL）——用来回答一个听力学里的经典问题：年龄相关的听力下降，男女是否以不同速度发生，在哪些频率上分道扬镳。
导语读法三则：
- 只想快速搞清这张表是什么：直奔 §1 十问十答——记住它是一张"人 × 频率"的测量表，不是信号或影像。
- 关心统计口径：直奔 §4 与 §5 ——务必分清"注册 16,884"与"纳入 4,084"两个数字，以及论文口径 1,116 与 PhysioNet 口径 4,084 的差异（§9 存照）。
- 要做性别差异建模/参考值应用：直读 §4 硬数字、§7 统计方法与 §9 局限——尤其注意性别比 910:3,174 与"横断面非纵向"两点。
§0 导读：这个数据集解决什么问题
年龄相关听力损失（age-related hearing loss，presbycusis / 老年性聋）是老龄化社会最普遍的感官功能衰退之一。临床与流行病学长期观察到一个现象：老年男性在高频段的听力损失通常比同龄女性更重，而在低频段差异不明显甚至相反。但这一"性别差异"的具体形态——从哪个频率开始分化、随年龄变化的斜率差多少——在人群中并不一致，不同国家、不同年代的报告甚至相互矛盾。对韩国人群而言，早期研究报告女性在 2 kHz 以上高频反而更差，而另一些研究又报告女性听力更好，结论彼此冲突。没有可靠的本土人群参考值，就无法判断一个个体的听阈是"正常老化"还是"异常"。
sex-differences-hearing-loss 正是为填补这一空白而建。它来自韩国大邱法蒂玛医院健康促进中心的健康筛查人群：约 1.7 万名完成听力问卷的受检者，经严格排除（外籍、重复受测、未完成问卷、耳漏史、静脉抗生素/利尿剂/化疗药、头外伤、噪声职业、服兵役、双耳不对称 >15 dB、<18 岁、女性 >80 岁）后，保留 4,084 名"无已知外因性听力损失风险"的成年人（910 男、3,174 女），每人采集 0.25 至 8 kHz 六个频段的双耳纯音听阈。它的价值有三层：数据层——提供性别与年龄分层的韩国人群听阈参考值；方法层——展示如何在健康筛查场景下用严格筛选构建"正常老化"的清洁样本；结论层——在控噪人群中发现校正年龄后 4 kHz、8 kHz 处性别差异显著，男性高频听阈随年龄增长更快。
§0 读法三则：
- 本条目是一个"临床测量表 + 流行病学论文"的合体：数据本体是 4,084 行 × 14 列的结构化表格，论文是 2010 年发表的横断面分析。数据发布（PhysioNet v1.0.0，2026）晚于论文 16 年，两者样本口径不同（§9 逐条存照）。
- 全文严格区分三个数字：注册 16,884、PhysioNet 纳入 4,084（910 男/3,174 女）、论文纳入 1,116（214 男/902 女）。混用会得出完全错误的规模判断。
- 本主题涉及"性别差异"这一研究设计，全文只客观陈述研究设计与统计口径——性别在此是**生物学变量（biological sex）**的分层维度，用于描述听阈随年龄变化的组间统计差异，不承载任何社会性判断或超出数据的因果推论（§9 末条）。
§1 数据集速览：十问十答
Q1：这个数据集到底是什么形态？
不是音频波形，不是医学影像，而是一张结构化的临床测量表——单文件 hearing_thresholds.csv，每行一名受试者，14 列：第 1 列生物学性别（0=女、1=男）、第 2 列测试时年龄，第 3–8 列右耳 0.25/0.5/1/2/4/8 kHz 听阈，第 9–14 列左耳同六频段听阈。适合直接做回归、分层统计或参考值建模。
Q2：一共多少人？
PhysioNet 口径纳入 4,084 名受试者，其中女性 3,174、男性 910。这 4,084 是从 16,884 名完成听力问卷的注册受检者中，经严格排除标准筛选后保留的"听力健康"成年人。
Q3：数据来自哪里、什么时间段？
全部来自韩国大邱法蒂玛医院（Daegu Fatima Hospital）健康促进中心在 2004 年 1 月至 2010 年 4 月期间就诊的健康筛查客户。
Q4：测量了哪些频率、什么单位？
六个频段：0.25、0.5、1、2、4、8 kHz（覆盖低频到高频），双耳分别测量，单位是 dB HL（decibels hearing level，听力级分贝）。
Q5：用什么设备测的？可靠吗？
Beltone Model 112 听力计，配 TDH 50P 气导耳机，在 IAC Model 400 A 隔声室内测量，按 ANSI 1989 标准校准到听力学零级。阈值以 5 dB 步进、通过三次上行下行交叉确定，先测 1 kHz 再测高频、回到 1 kHz 做可靠性复测、最后测低频——是标准的临床纯音测听规程。
Q6：怎么保证样本是"正常老化"而非病理听力损失？
一套严格排除标准：剔除外籍、重复受测、未完成问卷者；剔除有耳漏史、使用静脉抗生素/利尿剂/化疗药、头外伤、噪声职业、服兵役者；剔除双耳不对称（0.5/1/2 kHz 任一频差 >15 dB）者；剔除 <18 岁（保证女性青春期完成）；因无 80 岁以上男性，女性 >80 岁也一并排除以对齐年龄范围。
Q7：为什么女性人数远多于男性？
纳入的 910 男 vs 3,174 女（约 1:3.49）反映了健康筛查自愿受检人群的性别分布特征，而非任何设计上的性别偏好。做性别比较时须注意两组样本量不对称。
Q8：核心结论是什么？
论文报告：听阈在所有频率随年龄升高；校正年龄（ANCOVA）后，4 kHz 与 8 kHz 处性别差异显著，男性高频听阈更差；年变化率从 0.25 kHz 的男 0.28 / 女 0.24 dB/年，升高到 8 kHz 的男 1.27 / 女 1.05 dB/年，男性在 4、8 kHz 阈值增速显著快于女性。
Q9：能用来做机器学习吗？
可以——它适合作为参考值回归、性别/年龄分层建模、听力损失风险分层的监督数据源，但不设标准挑战赛或排行榜（无公开 benchmark 分数）。注意它无显式主键，且为横断面数据，不能直接用于纵向轨迹预测。
Q10：许可与获取方式？
ODC-By 1.0（Open Data Commons Attribution License v1.0），PhysioNet 平台开放获取、无凭证要求，项目页直接下载，署名即可自由使用、共享、修改。引用需同时致谢数据集（doi:10.13026/76jk-9b36）与原始论文（doi:10.3342/ceo.2010.3.1.27）。
§2 名称、身份与核心定位
2.1 官方名与别名
| 口径 | 名称 |
|---|---|
| PhysioNet 官方标题 | Sex differences in age-related hearing loss |
| PhysioNet 路径/slug | sex-differences-hearing-loss |
| 版本 | v1.0.0（2026-09-16 发布，Initial Release） |
| 数据集 DOI | 10.13026/76jk-9b36 |
| RRID | SCR_007345 |
| 关联论文标题 | Sex differences in a cross sectional study of age-related hearing loss in Korean |
| 论文 DOI | 10.3342/ceo.2010.3.1.27 |
| 中文译名（本条目标题） | 年龄相关听力损失的性别差异 |
需要特别辨析的是：PhysioNet 的数据集标题（Sex differences in age-related hearing loss）与论文标题（…in Korean，注意多 “in Korean”）措辞略有不同——前者是对数据集内容的描述，后者是 2010 年发表时的原始研究标题。检索时用词不同会命中不同资源：搜 “in Korean” 命中的是论文，搜纯净的 “sex-differences-hearing-loss” 命中的是 PhysioNet 项目页。
2.2 与近似数据集的辨析
本库与外部存在若干名称相近但不同的资源，务必区分：
- figshare 上的"韩国人群平均听力图"图件（Mean audiograms for the Korean population as a function of gender, frequency, and age, N = 33,011,778 ears）——这是一张统计图件（figure），样本单位是"耳（ears）"且规模数千万，来自另一套数据；本条目是 4,084 人的原始测量表。两者名称相似、主题相近，但数据本体、样本单位（人 vs 耳）、规模完全不同。
- J Acoust Soc Korea 2005;24(6):353-7（Age- and gender-specific reference levels for hearing thresholds of normal aging in Korean）——这是同一研究团队更早的参考值论文，被 PhysioNet 页列为相关文献；本数据集的参考值定位与之承接，但数据本体以 PhysioNet 发布的 4,084 条记录为准。
- 论文中的 1,116 子集——论文（2010）纳入的 214 男 + 902 女是更严格筛选后的子集（针对"无噪声暴露史"的分析），而 PhysioNet 发布版纳入 4,084（910 男 + 3,174 女），招募期延长至 2010-04。同一研究、两套样本口径，见 §9。
2.3 一句话定位
它是一张韩国人群纯音听阈的性别×年龄分层参考值表：4,084 名经严格筛选的成年人、双耳六频段（0.25–8 kHz）听阈（dB HL），用于建立"正常老化"的听力基线并检验性别差异。
§3 机构、人物与伦理
3.1 主体机构
| 机构 | 角色 | 地点 |
|---|---|---|
| Daegu Fatima Hospital（大邱法蒂玛医院）健康促进中心 | 数据采集主场，通讯作者所属 | 韩国大邱（Daegu, Korea） |
| Chosun University（朝鲜大学）控制与仪表工程系 | 论文共同作者 Jarng SS 所属 | 韩国光州（Gwangju） |
| Kyungpook National University（庆北国立大学）耳鼻喉科 | 论文共同作者 Lee SH 所属 | 韩国大邱 |
数据描述页（PhysioNet）将作者署名为单一提交者 SUNGHEE KIM；论文（2010）的完整作者名单为六人。PhysioNet 项目页在"Related publication"与"Prior use"中均明确指向原始论文。
3.2 关键人物
- SungHee Kim, MD, PhD（通讯作者，PhysioNet 提交人）——Department of Otolaryngology, Daegu Fatima Hospital, 183 Ayang-ro, Dong-gu, Daegu 701-600, Korea。论文中作为通讯作者与第一作者；PhysioNet 数据提交亦署其名。
- Eun Jung Lim, Hak Soo Kim, Jun Ho Park——论文共同作者，大邱法蒂玛医院耳鼻喉科。
- Soon Suck Jarng——Chosun University 控制与仪表工程系（论文共同作者）。
- Sang Heun Lee——Kyungpook National University 耳鼻喉科（论文共同作者）。
3.3 时间线
| 时间 | 事件 |
|---|---|
| 2004-01 | 数据采集开始（大邱法蒂玛医院健康促进中心） |
| 2009-10-08 | 论文收稿（Received） |
| 2009-11-12 | 论文修回后接受（Accepted after revision） |
| 2010-03 | 论文正式发表（Clin Exp Otorhinolaryngol 3(1):27-31） |
| 2010-03-30 | 论文电子版 Epub |
| 2010-04 | 数据采集结束（PhysioNet 口径招募终止） |
| 2026-09-16 | PhysioNet 数据集 v1.0.0 发布（Initial Release） |
时间线要点：数据采集（2004–2010）远早于数据发布（2026），中间相隔约 16 年。论文（2010）使用的是截至 2005-09 的子集（1,116 人），而 PhysioNet 发布版纳入了延长至 2010-04 的全部筛选数据（4,084 人）。
3.4 伦理与资助
- 伦理审查：所有方法经 **Daegu Fatima Hospital 人体受试者机构审查委员会（IRB）批准，编号 DFH09OT032，遵循赫尔辛基宣言（Declaration of Helsinki）**原则。
- 知情同意：所有参与者均提供知情同意。
- 资助：韩国卫生福利家庭部 Korean Healthcare Technology R&D Project，Grant A084055。
- 利益冲突：PhysioNet 页作者声明无竞争利益；论文亦声明无相关利益冲突。
3.5 引用规范（PhysioNet 页明示三层）
使用该资源时须同时引用：
- 数据集本体：KIM, S. (2026). Sex differences in age-related hearing loss (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/76jk-9b36
- 原始论文：Kim S, Lim EJ, Kim HS, Park JH, Jarng SS, Lee SH. Sex differences in a cross sectional study of age-related hearing loss in Korean. Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31. https://doi.org/10.3342/ceo.2010.3.1.27
- PhysioNet 平台：Pollard T, Moody BE, Lehman L, Gow B, Fernandes C, Xie C, Johnson A, Mark RG, Heldt T. PhysioNet as a Global Platform for Biomedical Research. Nature Health (2026). https://doi.org/10.1038/s44360-026-00096-z
§4 数据规模与核心硬数字
4.1 样本漏斗（从注册到纳入）
注册完成听力问卷 16,884 人（10,286 男 + 6,598 女）
│
│ 排除：外籍 / 重复受测 / 未完成问卷
│ 耳漏史 / 静脉抗生素 / 利尿剂 / 化疗药
│ 头外伤 / 噪声职业 / 服兵役
│ 双耳不对称（0.5/1/2 kHz 任一频差 >15 dB）
│ <18 岁（保证女性青春期完成）
│ 女性 >80 岁（因无 80 岁以上男性，对齐年龄范围）
▼
最终纳入分析 4,084 人（910 男 + 3,174 女）
4.2 硬数字一览
| 指标 | 数字 | 口径/来源 |
|---|---|---|
| 注册（完成问卷）总数 | 16,884（10,286 男 + 6,598 女） | PhysioNet Methods |
| 最终纳入 | 4,084（910 男 + 3,174 女） | PhysioNet Abstract/Methods |
| 女性占比 | 77.7%（3,174 / 4,084） | 计算 |
| 男性占比 | 22.3%（910 / 4,084） | 计算 |
| 性别比 | 男:女 ≈ 1 : 3.49 | 计算 |
| 测试频率数 | 6（0.25 / 0.5 / 1 / 2 / 4 / 8 kHz） | PhysioNet |
| 每受试者测量点数 | 12（双耳 × 6 频） | 计算 |
| CSV 列数 | 14（1 性别 + 1 年龄 + 12 听阈） | PhysioNet File Structure |
| 数据单元总数（推算） | ≈ 57,176（4,084 × 14） | 计算，非官方 |
| 听阈单位 | dB HL | PhysioNet |
| 步进 | 5 dB | PhysioNet |
| 招募期 | 2004-01 ~ 2010-04 | PhysioNet |
| 年龄下界 | 18 岁（硬排除） | PhysioNet |
| 年龄上界 | 80 岁（女性 >80 排除以对齐） | PhysioNet |
4.3 论文口径 vs PhysioNet 口径（并存照）
| 维度 | 论文口径（2010） | PhysioNet 口径（2026 发布） |
|---|---|---|
| 招募期 | 2004-01 ~ 2005-09 | 2004-01 ~ 2010-04 |
| 注册（完成问卷） | 3,470 | 16,884 |
| 纳入 | 1,116（214 男 + 902 女） | 4,084（910 男 + 3,174 女） |
| 分析重点 | 无噪声暴露史子集，线性回归斜率 | 全体筛选样本，参考值建立 |
以 PhysioNet 口径为主（因为本条目描述的是 PhysioNet 发布的数据集本体），论文口径作为历史基准并列。两者差异来自招募期延长与筛选深度的不同，并非矛盾，但引用数字时必须标明口径。
4.4 听阈随年龄的年变化率（论文核心统计，存照）
| 频率 | 男性年变化率（dB/年） | 女性年变化率（dB/年） |
|---|---|---|
| 0.25 kHz | 0.28 | 0.24 |
| 8 kHz | 1.27 | 1.05 |
论文报告：年变化率从低频 0.25 kHz 的约 0.24–0.28 dB/年，逐渐升高到 8 kHz 的约 1.05–1.27 dB/年；男性在 4、8 kHz 的阈值增速显著快于女性。以上均为论文口径的横断面线性回归斜率估计。
§5 字段结构与测量规程
5.1 CSV 字段明细（14 列）
| 列序 | 字段 | 含义 | 单位/取值 |
|---|---|---|---|
| 1 | 生物学性别 | Subject biological sex | 类别：0 = 女，1 = 男 |
| 2 | 年龄 | Subject age at time of testing | 岁 |
| 3 | 右耳 0.25 kHz | Pure-tone threshold, right, 0.25 kHz | dB HL |
| 4 | 右耳 0.5 kHz | Pure-tone threshold, right, 0.5 kHz | dB HL |
| 5 | 右耳 1 kHz | Pure-tone threshold, right, 1 kHz | dB HL |
| 6 | 右耳 2 kHz | Pure-tone threshold, right, 2 kHz | dB HL |
| 7 | 右耳 4 kHz | Pure-tone threshold, right, 4 kHz | dB HL |
| 8 | 右耳 8 kHz | Pure-tone threshold, right, 8 kHz | dB HL |
| 9 | 左耳 0.25 kHz | Pure-tone threshold, left, 0.25 kHz | dB HL |
| 10 | 左耳 0.5 kHz | Pure-tone threshold, left, 0.5 kHz | dB HL |
| 11 | 左耳 1 kHz | Pure-tone threshold, left, 1 kHz | dB HL |
| 12 | 左耳 2 kHz | Pure-tone threshold, left, 2 kHz | dB HL |
| 13 | 左耳 4 kHz | Pure-tone threshold, left, 4 kHz | dB HL |
| 14 | 左耳 8 kHz | Pure-tone threshold, left, 8 kHz | dB HL |
右侧耳（列 3–8）在前，左侧耳（列 9–14）在后。无显式主键，每行即一名受试者。
5.2 测量设备与规程
| 项目 | 规格 |
|---|---|
| 听力计 | Beltone Model 112（Beltone Electronics Corporation, Chicago, IL, USA） |
| 耳机 | TDH 50P（气导耳机） |
| 隔声室 | IAC Model 400 A（Industrial Acoustics Company Inc., Bronx, NY, USA） |
| 校准标准 | ANSI 1989（听力学零级） |
| 响应方式 | 受试者听到纯音后按手持响应键 |
| 测试顺序 | 先测 1 kHz → 依次 2/4/8 kHz → 回 1 kHz 复测（可靠性检查）→ 最后测 0.5、0.25 kHz |
| 左右耳顺序 | 先测较好耳；若自述两耳相同则先测右耳 |
| 阈值判定 | 5 dB 步进，三次上行下行交叉确定 |
| 测试类型 | 连续纯音 → 脉冲纯音；气导 |
方法学要点：该规程（先 1 kHz 起步、回测 1 kHz 验证、低频最后）是临床听力学标准做法，能降低学习效应与假阳性响应；隔声室 + ANSI 校准保证了 dB HL 数值的可比性。
§6 任务定义与标注
6.1 任务类型
本数据集不涉及人工标注，属于客观仪器测量的结构化数据。其数据质量由三重保证：仪器校准（ANSI 1989）、标准测试规程（上下行交叉法）、严格样本筛选（排除外因性听力损失）。因此它天然适合以下任务：
| 任务方向 | 说明 |
|---|---|
| 人群参考值建立 | 按性别与年龄分层，给出各频段听阈的参考区间（数据的原始设计目的） |
| 性别差异统计比较 | 校正年龄后比较两性在各频段的听阈差异（ANCOVA） |
| 年龄斜率估计 | 用线性回归估计各频段听阈随年龄的年变化率 |
| 听力损失风险分层 | 以参考值为基线，判断个体听阈偏离程度 |
| 结构化表格建模 | 作为健康筛查表格数据的回归/分类基准 |
6.2 不适用任务
- 无监督式图像/信号任务：数据不含原始音频波形或影像，不做听觉场景分类、语音识别或耳科影像分割。
- 纵向轨迹预测：横断面设计，每人仅一个时间点，不能建模个体随时间变化。
- 一般人群听力流行病学外推：样本经严格排除筛选，不代表含噪声暴露等风险的一般人群。
6.3 统计方法（论文口径）
- 年变化率：对各频段听阈与年龄做线性回归，以斜率（dB/年）量化变化速度，分性别、分耳计算。
- 性别差异检验：协方差分析（ANCOVA, analysis of covariance），以年龄为协变量，检验校正年龄后两性听阈差异的显著性。
- 关键结果：校正年龄后，4 kHz 与 8 kHz 处性别差异显著（男性高频听阈更差）；男性在 4、8 kHz 阈值增速显著快于女性。论文强调该筛选人群"little evidence of noise-induced hearing loss"（噪声性听力损失证据少）。
§6.5 坑点清单（Pitfalls）
坑 1：把"注册 16,884"当成纳入样本量
PhysioNet 页有两组数字并列出现：注册完成听力问卷的 16,884（10,286 男 + 6,598 女）与最终纳入分析的 4,084（910 男 + 3,174 女）。16,884 是筛选前的注册数，4,084 才是数据集实际行数。误用 16,884 会把规模高估约 4 倍。引用时务必说明是哪一口径。
坑 2：论文口径 1,116 与 PhysioNet 口径 4,084 混淆
原始论文（2010）纳入的是 1,116（214 男 + 902 女，招募期 2004-01 至 2005-09），而 PhysioNet 发布版（2026）纳入 4,084（910 男 + 3,174 女，招募期延长至 2010-04）。同一研究两套样本口径，来自招募期与筛选深度的不同。本条目描述 PhysioNet 数据集本体，以 4,084 为主，论文 1,116 并列存照（§9）。
坑 3：以为这是"音频/信号"或"影像"数据集
名称含 “hearing”，易被误判为音频波形集或耳科影像集。实际它是一张 14 列 CSV 测量表（性别、年龄 + 双耳六频段听阈），既无音频也无影像。做多模态/信号处理任务的检索者应明确这一点。
坑 4：把性别字段当作社会性别
列 1 是 biological sex（生物学性别），编码 0=女、1=男，是用于统计分层的生物学变量，不是社会性别认同。任何建模或解读都应在生物学变量框架内进行，不承载社会性推断。
坑 5：忽视性别样本量严重不均衡
纳入样本中女性 3,174、男性 910（约 3.49:1）。这种不均衡来自健康筛查自愿受检人群特征，而非设计偏好。做两性比较时，组间样本量差异会影响估计精度与检验效能，不能简单当作均衡两样本处理。
坑 6：把横断面斜率当作个体纵向变化率
论文中的"年变化率"（如 8 kHz 男 1.27 / 女 1.05 dB/年）是由横断面数据用线性回归斜率估计的人群层面效应，不等于个体随时间的真实变化轨迹。数据本身每人仅一个时间点，无法做纵向推断。
坑 7：忽略年龄上界被"匹配删除"
因样本中无 80 岁以上男性，研究将女性 >80 岁一并排除以对齐两性年龄范围。因此数据不含 80 岁以上人群——把它当作全年龄段参考值会遗漏高龄段，而高龄恰是老年性聋研究的关键区间。
坑 8：把本数据集与 figshare 大规模听力图件混为一谈
figshare 上存在"N = 33,011,778 ears"的韩国人群平均听力图图件，主题相近但样本单位是耳、规模数千万、且为统计图件；本数据集是 4,084 人的原始测量表。名称与主题近似，数据本体完全不同。
坑 9：误以为有挑战赛/排行榜可直接对标
本数据集不设标准 benchmark、无公开排行榜分数。它是参考值数据集，评估依赖研究者的自建回归/分层任务，不能像 PhysioNet 挑战赛数据那样直接比对 F1/AUC。
§7 许可、获取与引用
7.1 许可
- 许可证：Open Data Commons Attribution License v1.0（ODC-By 1.0）
- 性质：开放数据许可，允许自由共享、修改、使用该数据库，唯一约束是署名（Attribution）。
- 依据：PhysioNet 平台数据集默认采用 ODC-By 1.0（平台 LICENSE.txt 模板统一）。本数据集专属 LICENSE.txt 直抓返回空（沙箱正文提取失败），故许可证以后续平台默认口径推断并标注（§9 遗留疑点）。
- 注意区分：许可证管的是数据库；数据库内内容（如某些个体信息）可能另有权利（隐私/数据保护），使用前应按需自查。原始论文（2010）为 CC BY-NC 开放获取，但那是论文许可，与数据集许可不同。
7.2 获取方式
| 维度 | 说明 |
|---|---|
| 访问政策 | 开放获取（open access），无凭证要求（非 credentialed access） |
| 项目页 | https://physionet.org/content/sex-differences-hearing-loss/ |
| 版本页 | https://physionet.org/content/sex-differences-hearing-loss/1.0.0/ |
| 文件 | 单文件 hearing_thresholds.csv |
| 直链（推断） | https://physionet.org/files/sex-differences-hearing-loss/1.0.0/hearing_thresholds.csv |
| 版本链 | v1.0.0（2026-09-16）为目前唯一版本，无历史版本 |
7.3 引用规范
使用该资源须引用三层（详见 §3.5）：数据集本体（doi:10.13026/76jk-9b36）、原始论文（doi:10.3342/ceo.2010.3.1.27）、PhysioNet 平台（Nature Health 2026）。
7.4 使用限制（数据侧，非许可侧）
PhysioNet 页明确列出数据局限：因采用严格排除标准筛选已知外因性听力损失，数据集高度聚焦、不代表一般人群的年龄相关听力损失；不能外推到存在职业噪声暴露、耳毒性药物使用或其他外因性听力损失风险的人群。数据集适用于正常老化人群的参考值建立，或与其他噪声暴露组比较斜率差异。
§8 DAIMS 评估
DAIMS（Data Asset & Information Maturity Score，数据资产与信息成熟度评分）——对本数据集八个维度的成熟度评级（★ 一星至 ★★★★★ 五星）：
| 维度 | 评级 | 说明 |
|---|---|---|
| 可发现性（Discoverability） | ★★★★★ | PhysioNet 全球平台 + 专属 DOI（10.13026/76jk-9b36）+ RRID（SCR_007345）+ 论文 DOI，多路可检索 |
| 可访问性（Accessibility） | ★★★★★ | 完全开放获取、无凭证、单 CSV 直下，无 gated 流程 |
| 互操作性（Interoperability） | ★★★☆☆ | 标准 CSV 表格（14 列），字段语义清晰；但无显式主键、无版本化 schema、缺失值编码未明示，跨库对齐需人工约定 |
| 可复用性（Reusability） | ★★★★☆ | ODC-By 署名即可复用；参考值定位明确；受限于人群特异性与筛选标准，跨人群复用需谨慎 |
| 来源可信度（Provenance） | ★★★★★ | IRB 编号（DFH09OT032）+ 资助编号（A084055）+ 完整设备规程 + 原始论文 + 赫尔辛基宣言，溯源链完整 |
| 数据规模（Scale） | ★★★☆☆ | 4,084 人 × 12 测量点（≈57k 单元），中等规模；对参考值研究足够，对深度学习偏小 |
| 标注/测量质量（Quality） | ★★★★☆ | 客观仪器测量（ANSI 1989 校准）+ 标准听力测定规程 + 严格筛选，质量高；但无重复测量/质控报告 |
| 文档完备度（Documentation） | ★★★★☆ | PhysioNet 页含 Abstract/Background/Methods/File Structure/Limitations/Release Notes/Ethics；缺文件物理体积与缺失值约定 |
综合评级：★★★★☆（4.4/5）——溯源与访问是顶尖，规模与结构规范化是主要短板。
§9 存照、局限与待核
9.1 双口径冲突存照（逐条）
| # | 冲突项 | 口径 A | 口径 B | 处置 |
|---|---|---|---|---|
| 1 | 样本量（纳入） | 论文 1,116（214 男 + 902 女） | PhysioNet 4,084（910 男 + 3,174 女） | 以 PhysioNet 为主（描述数据集本体），论文并列 |
| 2 | 注册总数 | 论文 3,470 | PhysioNet 16,884 | 同上，标明口径 |
| 3 | 招募期 | 论文 2004-01 ~ 2005-09 | PhysioNet 2004-01 ~ 2010-04 | 同上，标明口径 |
上述冲突源于 PhysioNet 版将招募期延长 4 年余、筛选深度不同，属同一研究的不同版本口径，非数据矛盾。
9.2 与主会话 brief 的出入核实
- brief 称"来源为韩国人群纯音听阈参考值"→ 核实成立（韩国大邱法蒂玛医院健康筛查人群，纯音听阈六频段）。
- brief 标注"规模待核"→ 已实抓确认：纳入 4,084（910 男 / 3,174 女），注册 16,884。注意 16,884 是注册数不是纳入数（坑点 1）。
9.3 数据局限（PhysioNet 官方 + 客观归纳）
- 非一般人群代表性：严格筛选剔除外因性听力损失风险，不能外推到噪声暴露/耳毒性药物等人群，也不等同一般老年人群。
- 性别不均衡：女 3,174 vs 男 910，比较时须考虑组间不对称。
- 高龄缺失：女性 >80 岁被排除，数据不含 80 岁以上人群。
- 横断面：单人单时点，不能刻画个体纵向轨迹；年变化率为人群层面斜率估计。
- 单一中心单一人群：韩国大邱一院健康筛查人群，地理/族群同质性高。
- 表格规范化不足：无显式主键、缺失值编码与表头约定未明示。
9.4 遗留疑点
- 许可证原文未取得：数据集专属 LICENSE.txt 直抓返回空，许可依 PhysioNet 平台默认 ODC-By 1.0 推断——建议发布前二次核验项目页 License 字段。
- 文件物理体积未知：抓取时点 PhysioNet 页未显示 CSV 的 KB/MB 大小。
- 缺失值/表头约定未明：File Structure 仅列 14 列顺序，未说明空值编码与表头形式。
- 数据整理史未明：论文（2010）与数据发布（2026）间隔 16 年，数据为原始测量还是再整理，PhysioNet 未明示。
9.5 非敏感性声明（本主题写作纪律）
本条目涉及"性别差异"研究设计。全文仅客观陈述研究设计与统计口径：性别在此作为**生物学变量（biological sex）**用于分层比较听阈随年龄的组间统计差异（ANCOVA、回归斜率）。不引入任何价值判断、社会性推论或超出原始数据的因果解读；不暗示两性优劣，不将统计差异归因于未经数据支持的社会或生理机制。所有数字均标明口径与来源，局限如实呈现。
§10 生态定位、互链点与总结
10.1 生态定位
本数据集在千方病案医数集的知识图谱中扮演一个独特交叉节点：它同时连接三条线——
- PhysioNet 生理测量谱系：作为 PhysioNet 平台上"结构化临床测量"的代表，与波形类数据集（ECG/EEG）并列，代表该平台从"信号"向"人群参考值表"的扩展。
- 韩国健康筛查数据谱系：与韩国国家级健保/筛查数据（如 NHIS-NHID）同属"韩国人群健康测量"线，可支撑本土参考值与跨库对齐研究。
- 流行病学参考值谱系：作为"单专科筛查（听力）→ 人群分层参考值"的样例，与大型流行病学队列（如 MESA）方法学同族。
10.2 库内建议互链点（含 rid）
| rid | slug | 互链逻辑 |
|---|---|---|
| 286 | nhis-nhid | 最强互链：NHIS-NHID 为韩国全民健保理赔+健康筛查数据库，同为韩国人群健康测量，本数据集的受检人群与健康筛查范式与之高度呼应 |
| 192 | vitaldb | 韩国（首尔大学医院）手术患者生命体征数据集，同属"韩国临床测量数据"，可作跨专科参照 |
| 302 | mesa-sleep | MESA（多族裔动脉粥样硬化研究）睡眠子集，大型流行病学队列，方法学（人群分层、测量参考值）同族 |
| 69 | mit-bih-arrhythmia | PhysioNet 开山数据集，平台谱系锚点；本数据集与之为同平台异构资源 |
| 73 | sleep-edf | 睡眠生理信号参考值同族，代表平台内生理测量的多样性 |
| 939 | cohortx | MICCAI 队列定义可计算化基准，与"如何定义研究人群/筛选队列"方法学相关 |
| 375 | nhis | 美国国民健康访谈调查（注意与韩国 NHIS-NHID 286 区分），代表性人群健康调查，方法学参照 |
说明：以上为建议互链点，供编辑在正文或 relatedLink 中按需引用；rid 已按生产 DB（status=1）反查确认。前三条（286/192/302）相关度最高。
10.3 AI-Ready 价值评估
本数据集的"AI-Ready"价值体现在：
- 即取即用：单 CSV、无凭证、语义清晰的 14 列，开箱即可进入 pandas/sklearn 流水线。
- 天然监督信号：听阈是连续标签，性别与年龄是分层变量，适合回归与分层建模。
- 参考值底座：可作为听力损失自动判读模型的正常基线，或作为临床决策支持的参考区间来源。
- 短板：规模中等（4,084 行）、无主键、横断面、人群特异——用于大模型预训练价值有限，用于临床听力学方法学与参考值研究价值突出。
10.4 一句话总结
sex-differences-hearing-loss是韩国大邱法蒂玛医院健康促进中心 2004–2010 年间、经严格筛选的 4,084 名成年人（910 男 / 3,174 女）的双耳六频段（0.25–8 kHz）纯音听阈横断面测量表；它以 ODC-By 1.0 于 PhysioNet 开放获取，用于建立年龄相关听力损失的性别与年龄分层参考值，并检验性别差异——核心统计发现是校正年龄后 4 kHz 与 8 kHz 处两性差异显著、男性高频听阈随年龄增长更快。
条目编制说明：本条目数据以 PhysioNet 项目页（v1.0.0，2026-09-16）为一手来源，交叉核验原始论文（Clin Exp Otorhinolaryngol 2010;3(1):27-31，PMID 20379399/PMCID PMC2848315）与 PhysioNet 平台许可口径。样本量、招募期在论文与 PhysioNet 间存在版本口径差异，已按 §9 逐条存照，本条以 PhysioNet 数据集本体口径为主。全文涉及"性别差异"主题，仅作客观研究设计与统计口径陈述，不作价值判断。
主要来源：
- PhysioNet 项目页：https://physionet.org/content/sex-differences-hearing-loss/1.0.0/ （v1.0.0，2026-09-16）
- 原始论文：https://doi.org/10.3342/ceo.2010.3.1.27 （PMID 20379399；PMCID PMC2848315）
- PhysioNet 平台：https://physionet.org/about/ （Nature Health 2026，doi:10.1038/s44360-026-00096-z）
- 数据 DOI：https://doi.org/10.13026/76jk-9b36 （RRID:SCR_007345）
§10.5 数据构成与人群构建详解
本节对"这张表是怎么从 1.7 万份筛查里长出来的"作方法学展开，帮助使用者理解每一行的来源与边界。内容全部锚定 FACTS.md 与 PhysioNet 页，不引入外部研究。
10.5.1 从"健康筛查"到"清洁听力样本"的三级收敛
本数据集的人群构建可分为三级收敛，规模从 16,884 收敛到 4,084：
| 级别 | 操作 | 剩余规模（口径） |
|---|---|---|
| 一级：登记 | 完成听力问卷的健康筛查受检者 | 16,884（10,286 男 + 6,598 女） |
| 二级：一般排除 | 除外籍、重复受测、未完成问卷 | 减少（具体数未披露） |
| 三级：医学与对齐排除 | 除耳科/用药/外伤/噪声/兵役/不对称/年龄边界 | 4,084（910 男 + 3,174 女） |
需要强调：PhysioNet 页未逐级披露每步剔除人数，故无法给出完整的 PRISMA 式流程图；上表的中间量均为定性描述。这是复现者应知情的盲区之一（§15.2）。
10.5.2 排除标准的方法学含义逐条解读
（1）外籍 / 重复受测 / 未完成问卷——保证样本为同一人群背景且数据完整，属数据清洁层。
（2）耳漏史——提示慢性中耳疾病，可能导致传导性听力损失，须排除以保留"感音神经性/正常老化"为主的人群。
（3）静脉抗生素 / 利尿剂 / 化疗药——部分药物具耳毒性（ototoxicity），可致感音神经性听力损失，排除以控制药物性混杂。
（4）头外伤——可致外伤性听力损失或颞骨损伤，属外因。
（5）噪声职业暴露——噪声性听力损失的典型病因（常表现为 4 kHz 切迹），是本数据集要控制的首要外因，也是论文"little evidence of noise-induced hearing loss"结论得以成立的前提。
（6）服兵役——军事环境常伴随枪械噪声暴露，作为噪声暴露的代理变量一并排除。
（7）双耳不对称（0.5/1/2 kHz 任一频差 >15 dB）——显著不对称常提示单侧病变（如梅尼埃病、听神经瘤、单侧噪声损伤），排除以保留对称性年龄相关听力损失人群。
（8）< 18 岁——保证女性青春期完成，避免青春期激素与发育对听阈的潜在影响造成分层噪声。
（9）女性 > 80 岁——因样本中没有 80 岁以上男性，为对齐两性年龄范围而一并排除，代价是数据不含 80 岁以上人群（坑 7）。
方法学要点：以上排除构成一个可形式化的队列定义——这正是本数据集与
cohortx（rid 939，MICCAI 队列定义可计算化）方法学互链的基础（§12.1）。
10.5.3 为什么样本"女性占 77.7%"是筛查场景的正常结果
健康促进中心的自愿受检人群通常女性参与率显著高于男性（主动健康管理行为差异）。本数据集纳入样本中女性 3,174、男性 910（约 1:3.49），与其说是"设计"，不如说是筛查场景的入口效应。它对下游的影响是双重的：
- 统计效能不均衡：男性组样本较小，分性别×年龄段估计的标准误更大。
- 两性年龄分布需核对：由于女性 >80 岁被排除、且女性基数大，实际两性在 60 岁以上区间的格子样本量差异可能进一步放大。
因此，任何分性别参考值表都应附上每格样本量（n），并设置最小 n 阈值（§11.7）。
10.5.4 测量规程的可比性保证
| 环节 | 措施 | 对数据质量的作用 |
|---|---|---|
| 设备一致性 | 单中心单一型号（Beltone Model 112） | 消除设备间系统偏差 |
| 耳机一致性 | TDH 50P 全覆盖 | 保证气导耦合一致 |
| 环境一致性 | IAC Model 400 A 隔声室 | 控制环境噪声对低频阈值的干扰 |
| 零点一致性 | ANSI 1989 校准 | 保证 dB HL 跨受试者可比 |
| 规程一致性 | 1 kHz 起步 → 高频 → 回测 1 kHz → 低频 | 降低学习效应、检出假阳性响应 |
| 判定一致性 | 5 dB 步进、三次上下行交叉 | 阈值判定标准化、可复现 |
结论：这套"六一致"是本数据集能在 4,084 人尺度上作为参考值底座的方法学前提；其短板在于单中心——可比性以牺牲跨机构外推性为代价（§15.4）。
10.5.5 数据的"代表性边界"图示
听力损失谱系
┌──────────────────────────────────────────────┐
│ 正常老化（感音神经性/对称/高频为主） │
│ ← 本数据集定位在此区间（严格筛选后） │
│ │
│ 外因性听力损失： │
│ • 噪声性（职业/军事） ← 已排除 │
│ • 耳毒性药物 ← 已排除 │
│ • 头外伤 ← 已排除 │
│ • 中耳疾病（耳漏） ← 已排除 │
│ • 单侧病变（不对称） ← 已排除 │
└──────────────────────────────────────────────┘
边界：外推至此区间之外 = 越界（§15.4 限制 1）
10.5.6 一行数据的"生命周期"
一名受试者从进入本数据集到成为表格中的一行，经历：
健康筛查就诊
→ 完成听力问卷（登记，进入 16,884）
→ 通过一般排除（外籍/重复/未完成）
→ 通过医学排除（耳漏/用药/外伤/噪声/兵役）
→ 通过对称性排除（双耳 >15 dB 差异）
→ 通过年龄边界（≥18；女性 ≤80）
→ 进入隔声室，Beltone 112 + TDH 50P 测双耳六频段
→ 5 dB 步进、三次上下行交叉定阈值
→ 成为 hearing_thresholds.csv 中的一行（14 列）
理解这一生命周期，“无显式主键”“无受试者 ID”"横断面单时点"等结构特征就都顺理成章——每行本就是一次筛查访视的结果快照。
10.5.7 与论文版样本的关系再确认
论文（2010）纳入的是 2004-01~2005-09 期间的 1,116 子集（针对"无噪声暴露史"更严格筛选）；PhysioNet 版（2026）将招募延长至 2010-04、纳入 4,084。因此：
- 不能用论文的 1,116 去核对 PhysioNet 文件行数；
- 不能假设 PhysioNet 的 4,084 是论文 1,116 的"超集"（招募期与筛选深度均不同，§15.1）；
- 引用时必须标明口径，且以 PhysioNet 数据集本体口径为描述基准。
10.5.8 小结
本数据集的方法学价值，不在采集了多大的量，而在把一个"混合了各种外因"的健康筛查人群，通过一套可陈述、可复核的排除标准，收敛为一个"接近正常老化"的清洁样本。这套收敛逻辑与六项测量一致性措施，共同支撑了它作为韩国人群听力参考值的可用性；而单中心、性别不均衡、80 岁以上缺失，则是使用者必须带着走的边界条件。
§11 使用指南：从下载到建模的完整代码示例
本节面向真正要动手用这份数据的研究者与工程师，给出从获取、载入、清洗、分层统计到参考值建模的可运行骨架。所有示例仅依赖 pandas / numpy / scipy / scikit-learn，不涉及任何需要额外凭证的资源（本数据集为开放获取）。
11.1 环境与获取
# 方式一：curl 直接下载（推断直链，见 §7.2）
curl -O https://physionet.org/files/sex-differences-hearing-loss/1.0.0/hearing_thresholds.csv
# 方式二：PhysioNet 项目页手动下载（推荐，可同时保存 LICENSE.txt）
# https://physionet.org/content/sex-differences-hearing-loss/1.0.0/
# 依赖（最小集）
pip install pandas numpy scipy scikit-learn matplotlib
提示：PhysioNet 大文件下载通常建议使用 wget/curl 的断点续传（
-c）。本数据集为单文件、体积较小，直下即可。若直链返回 404，改用项目页手动下载。
11.2 载入与结构核验
import pandas as pd
import numpy as np
# 载入（File Structure 列序：sex, age, 右耳 6 频, 左耳 6 频）
# 注意：数据描述页未明示表头与缺失值约定（§9 遗留疑点 3），
# 故先按无表头读入，再据 14 列结构与文档语义显式命名。
FREQS = ["0.25", "0.5", "1", "2", "4", "8"] # kHz
COLS = (["sex", "age"]
+ [f"right_{f}" for f in FREQS]
+ [f"left_{f}" for f in FREQS])
df = pd.read_csv("hearing_thresholds.csv", header=None, names=COLS)
# 结构核验：14 列 + 行数应为 4,084
assert df.shape[1] == 14, f"列数异常: {df.shape[1]}"
print("行数 =", len(df)) # 期望 4,084
print(df.head())
# 类型与取值核验
df["sex"] = df["sex"].astype(int) # 0=女, 1=男
print(df["sex"].value_counts()) # 期望 女 3,174 / 男 910
print("年龄范围:", df["age"].min(), "-", df["age"].max())
核验点：
- 行数应为 4,084；若得到 16,884，多半是误用了注册数（§4.2 坑 1）。
sex计数应为 0→3,174、1→910。- 所有听阈取值应为 5 的倍数（dB HL，5 dB 步进）。
11.3 长宽表转换与基础画像
# 将宽表（每行一受试者）转为长表（每行一受试者×耳×频率），便于分组统计
long = df.melt(
id_vars=["sex", "age"],
value_vars=[c for c in df.columns if c != "sex" and c != "age"],
var_name="ear_freq", value_name="threshold_dBHL",
)
long[["ear", "freq_khz"]] = long["ear_freq"].str.rsplit("_", n=1, expand=True)
long["freq_khz"] = long["freq_khz"].astype(float)
long["sex_label"] = long["sex"].map({0: "female", 1: "male"})
print(long.groupby(["sex_label", "freq_khz"])["threshold_dBHL"].agg(["mean", "std", "count"]))
11.4 分性别、分频率的描述统计与可视化
import matplotlib.pyplot as plt
pivot = long.pivot_table(index="freq_khz", columns="sex_label",
values="threshold_dBHL", aggfunc="mean")
ax = pivot.plot(marker="o", logx=True)
ax.set_xlabel("频率 (kHz)"); ax.set_ylabel("平均听阈 (dB HL)")
ax.set_title("韩国健康筛查人群平均听阈（PhysioNet 口径，N=4,084）")
ax.invert_xaxis() # 听力图惯例：高频在左
plt.savefig("mean_audiogram_by_sex.png", dpi=150)
呈现规范：绘制听力图请遵循临床惯例——横轴频率由高到低（8→0.25 kHz）、纵轴 dB HL 向下增大。男女性别仅作两条独立曲线并列展示，不叠加任何优劣评述（§9.5）。
11.5 年龄斜率估计（复现论文口径的方法）
import numpy as np
from scipy import stats
def age_slope(sub, freq):
"""对某性别子集、某频率，估计听阈随年龄的线性斜率（dB/年）。"""
x = sub["age"].values
y = sub[sub["freq_khz"] == freq]["threshold_dBHL"].values[: len(x)]
# 更稳妥：按受试者聚合两耳中值后再回归
return stats.linregress(x, y)
# 示例：按性别分别在 0.25 kHz 与 8 kHz 估计斜率
for f in [0.25, 8.0]:
for s in ["female", "male"]:
sl = age_slope(long[long["sex_label"] == s], f)
print(f"{f} kHz {s}: slope={sl.slope:.3f} dB/yr, r={sl.rvalue:.3f}")
论文口径的参考值：0.25 kHz 男 0.28 / 女 0.24 dB/年；8 kHz 男 1.27 / 女 1.05 dB/年（§4.4）。复现时注意：同一受试者的双耳非独立，严谨做法是先对每受试者取效耳或两耳平均再回归，或使用混合效应模型（GEE / LME）纳入受试者随机截距。
11.6 校正年龄后的性别差异检验（ANCOVA 骨架）
import pandas as pd
import statsmodels.formula.api as smf
# 以 8 kHz 为例：threshold ~ C(sex) + age（年龄为协变量）
sub8 = long[long["freq_khz"] == 8.0].copy()
model = smf.ols("threshold_dBHL ~ C(sex_label) + age", data=sub8).fit()
print(model.summary())
# 关注 C(sex_label)[T.male] 的系数与 p 值：校正年龄后两性在 8 kHz 的听阈差异
论文口径结论：校正年龄（ANCOVA）后，4 kHz 与 8 kHz 处性别差异显著（男性高频听阈更差）；男性在 4、8 kHz 阈值增速显著快于女性（§6.3）。该结论限于本筛选人群，不构成跨人群的一般性判断。
11.7 参考值建模与个体偏离判定
# 以性别×年龄段×频率给出参考区间（本例用均值±1.96·SD 近似 95% 参考区间）
long["age_band"] = pd.cut(long["age"], bins=[18, 30, 40, 50, 60, 70, 80],
labels=["18-29", "30-39", "40-49",
"50-59", "60-69", "70-80"])
ref = (long.groupby(["sex_label", "age_band", "freq_khz"])["threshold_dBHL"]
.agg(mean="mean", sd="std", n="count").reset_index())
ref["lo"] = ref["mean"] - 1.96 * ref["sd"]
ref["hi"] = ref["mean"] + 1.96 * ref["sd"]
print(ref.head(12))
def is_outlier(threshold, sex_label, age_band, freq_khz):
row = ref[(ref["sex_label"] == sex_label) &
(ref["age_band"] == age_band) &
(ref["freq_khz"] == freq_khz)]
if row.empty:
return None
return threshold > row.iloc[0]["hi"] # 高于参考上界即偏离
建模注意：
- 参考区间的可靠性取决于各格子样本量——本数据性别比 1:3.49（§4.2），男性高龄格子样本可能很小，SD 估计不稳，建议设最小 n 阈值或改用分位数回归。
- 本数据为横断面，参考值代表"某年龄人群的一个快照"，不能解释为个体纵向变化（坑 6）。
11.8 机器学习基线骨架
from sklearn.model_selection import train_test_split, GroupKFold
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.metrics import mean_absolute_error
# 让题设计：用年龄 + 性别 + 已测频率预测某一频率听阈（回归）
feats = ["age", "sex"] + [f"{e}_{f}" for e in ["right", "left"] for f in ["0.25","0.5","1","2"]]
X = df[feats]
y = df["right_8"] # 目标：右耳 8 kHz 听阈
Xtr, Xte, ytr, yte = train_test_split(X, y, test_size=0.2, random_state=42, stratify=df["sex"])
model = GradientBoostingRegressor(random_state=42).fit(Xtr, ytr)
print("MAE =", mean_absolute_error(yte, model.predict(Xte)))
数据切分纪律：同一受试者的左右耳不可跨训练/测试划分（若把目标换成"任一耳"，务必按受试者分组切分）。本数据无受试者 ID，每行即一人，通常无泄漏；但若外部做了行级增广，需自行补 GroupKFold（§11.4 的 GEE 同理）。
11.9 常见误用与对应修法
| 误用 | 后果 | 修法 |
|---|---|---|
| 用 16,884 当样本量 | 规模高估 ~4 倍 | 以纳入 4,084 为准（坑 1） |
| 直接把双耳当独立样本 | 标准误被低估、p 值偏乐观 | 混合效应模型 / 按受试者聚合（§11.5） |
| 横断面斜率当个体轨迹 | 因果与时间推断错误 | 明确标注为"人群层面斜率估计"（坑 6） |
| 外推到含噪声暴露人群 | 结论失效 | 限于本筛选人群（§9.3） |
| 把 sex 当社会性别解读 | 越界解读 | 仅在生物学变量框架内陈述（坑 4、§9.5） |
| 忽略 80 岁以上缺失 | 高龄参考值空缺被误填 | 明确数据上限为 80 岁（坑 7） |
11.10 一页式最小复现清单
[ ] 从 PhysioNet v1.0.0 下载 hearing_thresholds.csv
[ ] 按 14 列显式命名，核验行数=4,084、sex 计数=3,174/910
[ ] 核验听阈均为 5 的倍数、范围为 dB HL
[ ] 宽表→长表，按 (sex, freq) 出描述统计
[ ] 复现 0.25/8 kHz 年龄斜率，与论文口径（0.28/0.24、1.27/1.05）对照
[ ] 以 ANCOVA 检验 4/8 kHz 性别差异，标注为"论文口径、本筛选人群"
[ ] 出参考值表（含每格 n），标注横断面属性
[ ] 撰写结论时全文避免价值判断（§9.5）
11.11 版本管理与可复现性
本数据集只有一个版本（v1.0.0），但复现研究仍需固定三样东西：数据版本、下载时点、软件环境。
import hashlib, datetime
def fingerprint(path):
h = hashlib.md5(open(path, "rb").read()).hexdigest()
return {"md5": h, "size_bytes": __import__("os").path.getsize(path),
"checked_at": datetime.date.today().isoformat()}
print(fingerprint("hearing_thresholds.csv"))
建议在研究记录中写明：
| 项 | 建议记录 |
|---|---|
| 数据来源 | PhysioNet sex-differences-hearing-loss v1.0.0 |
| DOI | 10.13026/76jk-9b36 |
| 下载时点 | YYYY-MM-DD |
| 文件校验 | md5 + 字节数 |
| 口径声明 | “纳入 4,084（910 男/3,174 女），PhysioNet 口径” |
| 软件版本 | Python / pandas / scipy / statsmodels |
为什么重要：条目的硬数字来自 2026-10-09 抓取时点（§14.6），若官方页面后续更新（例如发布 v1.1.0 或补齐 LICENSE），本条的许可证推断与规模数字需同步复核（§15.2）。
11.12 对齐论文口径的核对流程
若研究目标是复现论文统计结论，须先确认自己的分析落在哪个口径：
目标：复现"4/8 kHz 性别差异显著" + "8 kHz 年变化率 男1.27/女1.05"
│
├─ 口径 A：论文（N=1,116，2004-01~2005-09，无噪声暴露史子集）
│ └─ 需论文原文的筛选细节；PhysioNet 文件行数 ≠ 1,116
│
└─ 口径 B：PhysioNet（N=4,084，2004-01~2010-04）
├─ 用 hearing_thresholds.csv（行数=4,084）
├─ 线性回归估计斜率 → 与论文值对照（注意人群不同，数值可能不完全一致）
└─ ANCOVA 检验 4/8 kHz 性别差异 → 方向应一致，幅度以本数据为准
纪律：口径 A 的数字（0.28/0.24、1.27/1.05）是论文在 1,116 样本上的结果；用 PhysioNet 的 4,084 复算时，不应期待逐位相同——人群范围与样本量均不同。报告时应写"在 PhysioNet 4,084 样本上复算，方向与论文一致/幅度的量级相近"，而非断言"复现了论文的精确值"。
11.13 数据治理与隐私
本数据集为开放获取的聚合测量表，不含姓名、国家 ID、联系方式等直接标识符，但使用者仍应遵守：
- 不尝试再识别：年龄 + 性别 + 少见听阈组合在理论上可能具区分度，不应与外部数据做个体级链接。
- 遵守 ODC-By 署名：任何再分发/衍生须署名（§7.1）。
- 伦理边界：原始采集已获 IRB 批准（DFH09OT032）与知情同意（§3.4）；二次使用应尊重原始同意范围。
- 不做个体诊断：本数据是人群参考值，单条记录不构成任何个体的临床诊断依据。
- 性别变量的使用边界：
sex是生物学分层变量，不得用于社会性推断（§15.5）。
11.14 常见工程问题排查
| 现象 | 可能原因 | 排查 |
|---|---|---|
| DataFrame 列数与预期不符 | 文件含表头行被当作数据 | 用 header=None 显式读，再核验首行是否文字 |
| 行数为 16,884 | 误下了注册表或用了注册数字 | 核验来源文件；纳入数应为 4,084（坑 1） |
| 听阈出现非 5 倍数 | 解析列错位或单位误读 | 检查列序是否为"性别、年龄、右 6、左 6" |
sex 只有单一取值 |
列被误当字符串/编码 | astype(int) 后 value_counts（§11.2） |
| 斜率与论文差很多 | 口径不一致或未处理双耳非独立 | 对照 §11.12，改用聚合/混合效应模型 |
| 参考值格子为空 | 年龄×性别×频率某些组合样本为 0 | 放宽分箱、降低最小 n、或合并相邻频段 |
11.15 一页式交付模板（供研究记录粘贴）
【数据集】sex-differences-hearing-loss（PhysioNet v1.0.0, 2026-09-16）
【DOI】10.13026/76jk-9b36 【RRID】SCR_007345
【口径】纳入 4,084（男 910 / 女 3,174）；单位 dB HL；频率 0.25-8 kHz（6 点）
【下载】hearing_thresholds.csv（md5: ______，下载于 ______）
【分析】<方法> ；双耳处理方式：<聚合/混合效应>
【结论】<…>；标注口径为 PhysioNet；不外推至含外因风险人群
【引用】数据集 + 论文（10.3342/ceo.2010.3.1.27）+ 平台
【声明】性别为生物学变量，仅作统计分层；无价值判断
§12 相关数据集对照表（含库内条目 rid）
本数据集在千方病案医数集内并非孤岛。下表列出与其方法学、"韩国人群健康测量"或"PhysioNet 平台谱系"相关的库内条目，供检索者与编辑互链。
12.1 库内可互链条目
| rid | slug | 定位 | 与本数据集的互链逻辑 | 相关度 |
|---|---|---|---|---|
| 286 | nhis-nhid | 韩国全民健保理赔 + 国家健康筛查数据库 | 同为韩国人群健康筛查测量；本数据集受检人群与 NHIS 健康筛查范式高度呼应，可支撑本土参考值跨库对齐 | ★★★★★ |
| 192 | vitaldb | 韩国首尔大学医院手术患者生命体征 | 同属"韩国临床测量数据"，本条目代表单一专科（听力）筛查，vitaldb 代表术中高密度生理测量，互为跨专科参照 | ★★★★☆ |
| 302 | mesa-sleep | MESA 多族裔动脉粥样硬化研究睡眠子集 | 大型流行病学队列子集，方法学（人群分层、参考值建模）同族，可对照"队列 vs 健康筛查"两种人群构建路径 | ★★★★☆ |
| 69 | mit-bih-arrhythmia | PhysioNet 开山数据集（ECG） | PhysioNet 平台谱系锚点；本数据集代表平台从"波形信号"向"人群参考值表"的扩展，与之为同平台异构资源 | ★★★☆☆ |
| 73 | sleep-edf | 睡眠生理信号多导 | 同平台生理测量参考值同族，代表平台内生理测量的多样性 | ★★★☆☆ |
| 162 | physionet-cinc-2017 | PhysioNet/CinC 2017 挑战赛 | 同平台挑战赛资源；本数据集无挑战赛/排行榜（坑 9），可作"平台内非挑战类型"的对照 | ★★★☆☆ |
| 382 | physionet-cinc-2016 | PhysioNet/CinC 2016 挑战赛 | 同上，平台挑战赛谱系 | ★★★☆☆ |
| 939 | cohortx | MICCAI 队列定义可计算化基准 | 与"如何定义研究人群/筛选队列"方法学直接相关；本数据集的排除标准即一个可形式化的队列定义案例 | ★★★★☆ |
| 375 | nhis | 美国国民健康访谈调查（NHIS，注意区分韩国 NHIS-NHID 286） | 代表性人群健康调查方法学参照；同为"问卷 + 测量"混合设计，可作跨国对照 | ★★★☆☆ |
12.2 易混淆资源辨析（库外）
| 资源 | 为何易混 | 关键区别 |
|---|---|---|
| figshare "韩国人群平均听力图"图件（N = 33,011,778 ears） | 名称与主题近似 | 该资源为统计图件、样本单位是耳、规模数千万；本数据集为 4,084 人的原始测量表（坑 8） |
| J Acoust Soc Korea 2005;24(6):353-7 | 同一团队更早的参考值论文 | 该文为论文，本数据集为 PhysioNet 发布的 4,084 条记录；文献承接但本体不同（§2.2） |
| 关联论文的 1,116 子集 | 同为该研究 | 论文口径的更严格筛选子集；PhysioNet 版纳入 4,084（§9.1 逐条存照） |
12.3 互链建议
- 最强互链优先：
nhis-nhid（rid 286）——同为韩国健康筛查人群，方法学与人群背景双重契合。 - 方法学互链：
cohortx（rid 939，队列定义）+mesa-sleep（rid 302，队列参考值）。 - 平台谱系互链：
mit-bih-arrhythmia（rid 69）+sleep-edf（rid 73）+physionet-cinc-2017/2016（rid 162/382）。 - 跨国对照：
nhis（rid 375，美国调查）——注意与韩国 NHIS-NHID（286）区分。
§13 常见问题 FAQ
本节以问答形式覆盖检索者与使用者最常提出的问题，按主题分组。所有数字均标明口径；涉及"性别差异"的问答仅陈述研究设计与统计口径。
A. 身份与定位
Q1：sex-differences-hearing-loss 到底是什么？是音频数据集还是影像数据集？
都不是。它是一张结构化的临床测量表——单文件 hearing_thresholds.csv，每行一名受试者，共 14 列：第 1 列生物学性别（0=女、1=男）、第 2 列测试时年龄，第 3–8 列为右耳 0.25/0.5/1/2/4/8 kHz 听阈，第 9–14 列为左耳同六频段听阈。既不含音频波形也不含耳科影像（坑 3）。
Q2：它是哪家机构出的、什么时候发布的？
数据来自韩国大邱法蒂玛医院（Daegu Fatima Hospital）健康促进中心，采集于 2004-01 至 2010-04；PhysioNet 于 2026-09-16 发布 v1.0.0（Initial Release），为目前唯一版本。通讯作者为 SungHee Kim。
Q3：它和那篇 2010 年的论文是什么关系？
数据本体对应 PhysioNet 发布的 4,084 条记录；关联论文为 Kim S 等，Sex differences in a cross sectional study of age-related hearing loss in Korean，Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31（doi:10.3342/ceo.2010.3.1.27，PMID 20379399）。论文分析的是更严格筛选的 1,116 子集，PhysioNet 版是延长招募后的 4,084（§9.1）。
Q4：一句话说清它的用途？
建立韩国人群年龄相关听力损失的性别与年龄分层参考值，并在控噪人群中检验性别差异的统计形态——核心发现是校正年龄后 4 kHz 与 8 kHz 处两性差异显著。
Q5：它和 figshare 上那个"韩国人群平均听力图"一样吗？
不一样。figshare 上的资源是图件，样本单位是耳、规模约 3,300 万耳；本数据集是 4,084 人的原始测量表（坑 8）。
B. 数据规模与结构
Q6：到底多少人？16,884 还是 4,084？
实际纳入的是 4,084 名（女性 3,174、男性 910）。16,884 是完成听力问卷的注册数（10,286 男 + 6,598 女），是筛选前的量（坑 1）。数据文件的实际行数应为 4,084。
Q7：为什么女性远多于男性？
纳入样本中男性 910、女性 3,174（约 1:3.49），反映健康筛查自愿受检人群的性别分布特征，而非设计上的性别偏好。做两性比较时须考虑组间样本量不对称（坑 5）。
Q8：测了哪些频率、单位是什么？
六个频段：0.25、0.5、1、2、4、8 kHz；单位 dB HL（听力级分贝），阈值以 5 dB 步进确定，双耳分别测量。
Q9：CSV 有表头吗？缺失值怎么编码？
PhysioNet 的 File Structure 仅列出 14 列的顺序，未明示表头形式与缺失值编码约定，也未给出文件物理体积（§9.4 遗留疑点 2、3）。建议先按无表头读入并显式命名（§11.2），再自行核验取值（听阈应为 5 的倍数）。
Q10：每行代表什么？有主键吗？
每行代表一名受试者（性别、年龄、双耳六频段听阈）。数据无显式主键，按行序组织（§5.1）。
C. 测量与质量
Q11：用什么设备和规程测的？
Beltone Model 112 听力计，配 TDH 50P 气导耳机，在 IAC Model 400 A 隔声室内测量，按 ANSI 1989 标准校准。规程为先测 1 kHz → 2/4/8 kHz → 回 1 kHz 复测（可靠性检查）→ 最后测 0.5、0.25 kHz；先测较好耳（相同则先右耳）。
Q12：怎么保证样本是"正常老化"而非病理听力损失？
一套严格的排除标准：剔除外籍、重复受测、未完成问卷者；剔除有耳漏史、使用静脉抗生素/利尿剂/化疗药、头外伤、噪声职业、服兵役者；剔除双耳不对称（0.5/1/2 kHz 任一频差 >15 dB）者；剔除 <18 岁者；因无 80 岁以上男性，女性 >80 岁也一并排除以对齐年龄范围。
Q13：有标注环节吗？
没有人工标注。数据为客观仪器测量值，质量由仪器校准（ANSI 1989）+ 标准听力学规程（上下行交叉法）+ 严格样本筛选三重保证（§6.1）。
D. 统计与结论
Q14：核心统计结论是什么？
听阈在所有频率随年龄升高；校正年龄（ANCOVA）后，4 kHz 与 8 kHz 处性别差异显著，男性高频听阈更差；年变化率从 0.25 kHz 的男 0.28 / 女 0.24 dB/年，升高到 8 kHz 的男 1.27 / 女 1.05 dB/年，男性在 4、8 kHz 阈值增速显著快于女性。
Q15：这些"性别差异"能解读为生理或社会层面的结论吗？
不能。性别在此是生物学变量（biological sex）的统计分层维度，报告的是筛选人群中听阈随年龄变化的组间统计差异。条目不引入任何价值判断、社会性推论或超出原始数据的因果解读（§9.5）。
Q16：年变化率是个体随时间的变化吗？
不是。数据为横断面设计，每人仅一个时间点；年变化率由线性回归斜率在横断面上估计，是人群层面的效应，不等于个体纵向轨迹（坑 6）。
Q17：有排行榜或公开 benchmark 分数吗？
没有。本数据集为参考值数据集，不设挑战赛/排行榜/基准分数；评估依赖研究者自建的回归或分层任务（坑 9）。
E. 许可与获取
Q18：许可是什么？可以商用吗？
许可证为 ODC-By 1.0（Open Data Commons Attribution License v1.0），PhysioNet 平台默认开放数据许可：署名即可自由使用、共享、修改。注意许可证管的是数据库；数据库内内容的隐私/数据保护权使用前应自查。数据集专属 LICENSE.txt 原文未取得（沙箱抓取返回空），许可依平台默认口径推断（§9.4 遗留疑点 1）。
Q19：怎么下载？需要申请吗？
开放获取（open access），无凭证要求。在 PhysioNet 项目页直接下载，或使用（推断的）直链 https://physionet.org/files/sex-differences-hearing-loss/1.0.0/hearing_thresholds.csv。
Q20：引用要引哪些？
需同时引用三层：数据集本体（KIM, S. (2026). PhysioNet. RRID:SCR_007345. doi:10.13026/76jk-9b36）、原始论文（doi:10.3342/ceo.2010.3.1.27）、PhysioNet 平台（Nature Health 2026，doi:10.1038/s44360-026-00096-z）。
F. 适用与不适用
Q21：适合做什么？
人群参考值建立、性别差异统计比较（ANCOVA）、年龄斜率估计、听力损失风险分层、结构化表格建模（§6.1）。
Q22：不适合做什么？
不做音频/影像任务；不做个体纵向轨迹预测（横断面）；不做含噪声暴露等人群的一般性外推（样本经严格筛选，§6.2、§9.3）。
Q23：能外推到一般老年人吗？
不能。样本剔除了外因性听力损失风险，不等于一般老年人群；地理与人群同质性高（韩国大邱一院），跨地区/跨族群外推性有限（§9.3）。
Q24：数据含 80 岁以上人群吗？
不含。因样本中无 80 岁以上男性，女性 >80 岁被排除以对齐两性年龄范围（坑 7）。
Q25：做双耳建模要注意什么？
同一受试者的双耳非独立，直接当作独立样本会低估标准误；建议按受试者聚合或使用混合效应模型（GEE/LME）（§11.5、§11.9）。
Q26：如果我只能记住一件事？
这是一份 4,084 人（910 男 / 3,174 女）的双耳六频段纯音听阈横断面测量表（不是 16,884，也不含 1,116 子集），用于建立性别×年龄分层参考值——引用任何数字前先确认口径（§9.1）。
G. 数据工程与实操
Q27：文件有表头吗？读进来列数不对怎么办？
官方 File Structure 只列了 14 列的顺序，未明示表头（§15.2 疑点 3）。稳妥做法是 pd.read_csv(..., header=None) 先按无表头读入并显式命名 14 列，再检查第一行是否为文字（若为文字说明有表头）；随后核验行数=4,084、sex 计数=3,174/910（§11.2）。
Q28：听阈出现非 5 的倍数正常吗？
不正常。阈值以 5 dB 步进确定，合法取值应为 5 的倍数。若出现非 5 倍数，通常是解析时列错位或把别的字段误当阈值列——回到列序核对（§11.14）。
Q29：没有受试者 ID，怎么做按人的划分？
本数据"每行即一人"，天然无行级泄漏，普通 train_test_split 的切分单位就是受试者。但若你把双耳拆成两行（长表），则会人为制造"同一人跨集"——此时必须补 GroupKFold 或在长表前按受试者分组切分（§11.8）。
Q30：想固定结果，应该记什么？
至少记：数据版本（v1.0.0）、DOI、下载时点、文件 md5 与字节数、软件版本（§11.11）。条目本身的硬数字有明确抓取时点（2026-10-09），官方更新后须复核。
Q31：用 PhysioNet 4,084 复算论文的 0.28/1.27 会不一致吗？
可能不一致，且这是正常的。论文值来自 1,116 子集（2004-01~2005-09），PhysioNet 版为 4,084（延长至 2010-04）；人群范围与样本量不同，复算应报告"方向一致、量级相近"，而非断言逐位复现（§11.12）。
Q32：这份数据能直接拿来做个体诊断吗？
不能。它是人群参考值，用于判断个体听阈相对同龄同性别分布的偏离程度，不构成临床诊断；任何临床用途须由专业人员在本数据之外结合个体病史与检查判断（§11.13）。
§14 参考文献与来源
14.1 数据集本体
- KIM, S. (2026). Sex differences in age-related hearing loss (version 1.0.0). PhysioNet. RRID:SCR_007345. doi:10.13026/76jk-9b36
- 项目页：https://physionet.org/content/sex-differences-hearing-loss/
- 版本页：https://physionet.org/content/sex-differences-hearing-loss/1.0.0/
- 文件：
hearing_thresholds.csv（单文件，14 列）
14.2 原始论文与相关文献
-
Kim S, Lim EJ, Kim HS, Park JH, Jarng SS, Lee SH. Sex differences in a cross sectional study of age-related hearing loss in Korean. Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31.
- doi:10.3342/ceo.2010.3.1.27；PMID:20379399；PMCID:PMC2848315
- Received 2009-10-08 / Accepted after revision 2009-11-12 / Epub 2010-03-30
-
Kim SH, Jarng SS, et al. Age- and gender-specific reference levels for hearing thresholds of normal aging in Korean. J Acoust Soc Korea. 2005 Aug;24(6):353-7.（更早的参考值论文，PhysioNet 页列为相关文献）
14.3 平台与基础设施
-
Pollard T, Moody BE, Lehman L, Gow B, Fernandes C, Xie C, Johnson A, Mark RG, Heldt T. PhysioNet as a Global Platform for Biomedical Research. Nature Health (2026). doi:10.1038/s44360-026-00096-z
-
PhysioNet 平台：https://physionet.org/about/
14.4 官方页面（抓取时点 2026-10-09）
| 资源 | URL |
|---|---|
| PhysioNet 项目页 | https://physionet.org/content/sex-differences-hearing-loss/ |
| PhysioNet 版本页 v1.0.0 | https://physionet.org/content/sex-differences-hearing-loss/1.0.0/ |
| 数据 DOI | https://doi.org/10.13026/76jk-9b36 |
| 论文 DOI | https://doi.org/10.3342/ceo.2010.3.1.27 |
| 论文 PubMed | https://pubmed.ncbi.nlm.nih.gov/20379399/ |
| 论文 PMC 全文 | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2848315/ |
14.5 引用规范（三层，PhysioNet 页明示）
使用本资源时须同时致谢：
- 数据集：KIM, S. (2026). Sex differences in age-related hearing loss (version 1.0.0). PhysioNet. RRID:SCR_007345. doi:10.13026/76jk-9b36
- 原始论文：Kim S, et al. Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31.
- 平台：Pollard T, et al. PhysioNet as a Global Platform for Biomedical Research. Nature Health (2026).
14.6 数据快照声明
本条目所有硬数字（16,884 / 4,084 / 910 / 3,174 / 1,116 / 3,470 / 6 频率 / 14 列 / 招募期 / 设备型号 / IRB 编号 / 资助编号 / 许可 / 年变化率）均取自上述一手来源（PhysioNet 项目页 + 原始论文）在 2026-10-09 抓取时点的内容，并交叉核验；抓取后官方页面若更新，以官方最新为准。
§15 存照附录
15.1 双口径冲突存照（完整）
| # | 冲突项 | 口径 A（论文 2010） | 口径 B（PhysioNet 2026） | 处置 |
|---|---|---|---|---|
| 1 | 样本量（纳入） | 1,116（214 男 + 902 女） | 4,084（910 男 + 3,174 女） | 以 PhysioNet 为准（描述数据集本体），论文并列 |
| 2 | 注册（完成问卷） | 3,470 | 16,884（10,286 男 + 6,598 女） | 同上，标明口径 |
| 3 | 招募期 | 2004-01 ~ 2005-09 | 2004-01 ~ 2010-04 | 同上，标明口径 |
| 4 | 分析重点 | 无噪声暴露史子集；线性回归斜率 | 全体筛选样本；参考值建立 | 二者非矛盾，为同一研究不同版本口径 |
| 5 | 年份关系 | 论文 2010 | 数据发布 2026 | 间隔约 16 年；数据为原始测量还是再整理，PhysioNet 未明示 |
结论：上述差异源于 PhysioNet 版延长招募 4 年余并采用不同筛选深度，属同一研究的不同版本口径，不是数据矛盾。引用任何数字前必须标明口径。
15.2 遗留疑点存照（逐条）
- 许可证原文未取得：数据集专属 LICENSE.txt 直抓返回空（沙箱正文提取失败），许可依 PhysioNet 平台默认 ODC-By 1.0 推断——建议发布前二次核验项目页 License 字段。
- 文件物理体积未知：抓取时点 PhysioNet 页未显示
hearing_thresholds.csv的 KB/MB 大小。 - 缺失值/表头约定未明：File Structure 仅列 14 列顺序，未说明空值编码与表头形式。
- 数据整理史未明：论文（2010）与数据发布（2026）间隔 16 年，数据是否为原始测量或经再整理，PhysioNet 未明示。
15.3 与主会话 brief 的出入核实
| brief 陈述 | 核实结果 |
|---|---|
| “来源为韩国人群纯音听阈参考值” | 成立（韩国大邱法蒂玛医院健康筛查人群，纯音听阈六频段） |
| “规模待核” | 已实抓确认：纳入 4,084（910 男 / 3,174 女），注册 16,884；16,884 是注册数不是纳入数（坑 1） |
15.4 数据局限存照（PhysioNet 官方 + 客观归纳）
- 非一般人群代表性：严格筛选剔除外因性听力损失风险，不能外推到噪声暴露/耳毒性药物等人群，也不等同一般老年人群。
- 性别不均衡：女 3,174 vs 男 910，比较时须考虑组间不对称。
- 高龄缺失：女性 >80 岁被排除，数据不含 80 岁以上人群。
- 横断面：单人单时点，不能刻画个体纵向轨迹；年变化率为人群层面斜率估计。
- 单一中心单一人群：韩国大邱一院健康筛查人群，地理/族群同质性高。
- 表格规范化不足：无显式主键、缺失值编码与表头约定未明示。
15.5 非敏感性声明（写作纪律存档）
本条目涉及"性别差异"研究设计。全文仅客观陈述研究设计与统计口径：性别作为生物学变量（biological sex）用于分层比较听阈随年龄的组间统计差异（ANCOVA、回归斜率）。不引入任何价值判断、社会性推论或超出原始数据的因果解读；不暗示两性优劣，不将统计差异归因于未经数据支持的社会或生理机制。所有数字均标明口径与来源，局限如实呈现。性别字段为受试者生物学性别（0=female, 1=male），非社会性别认同。
15.6 核心硬数字速查
| 项 | 值 |
|---|---|
| 官方名 | Sex differences in age-related hearing loss |
| slug | sex-differences-hearing-loss |
| 数据集 DOI | 10.13026/76jk-9b36 |
| RRID | SCR_007345 |
| 论文 DOI / PMID / PMCID | 10.3342/ceo.2010.3.1.27 / 20379399 / PMC2848315 |
| 注册（完成问卷） | 16,884（10,286 男 + 6,598 女） |
| 纳入 | 4,084（910 男 + 3,174 女） |
| 性别比 | 男:女 ≈ 1:3.49 |
| 频率 | 6（0.25/0.5/1/2/4/8 kHz） |
| CSV 列数 | 14 |
| 数据单元（推算） | ≈ 57,176 |
| 单位 / 步进 | dB HL / 5 dB |
| 招募期 | 2004-01 ~ 2010-04 |
| 设备 | Beltone Model 112 + TDH 50P + IAC Model 400 A（ANSI 1989 校准） |
| IRB / 资助 | DFH09OT032 / Grant A084055 |
| 许可 | ODC-By 1.0 |
| 年变化率 0.25 kHz | 男 0.28 / 女 0.24 dB/年 |
| 年变化率 8 kHz | 男 1.27 / 女 1.05 dB/年 |
条目编制说明：本条目由 RSI 成稿代理（agent-c2-sexdiffere）依据 FACTS.md 既有研究成果撰写，未重新做网络研究。数据以 PhysioNet 项目页（v1.0.0，2026-09-16）为一手来源，交叉核验原始论文（Clin Exp Otorhinolaryngol 2010;3(1):27-31）。样本量、招募期在论文与 PhysioNet 间存在版本口径差异，已按 §15.1 逐条存照，本条以 PhysioNet 数据集本体口径为主。全文涉及"性别差异"主题，仅作客观研究设计与统计口径陈述，不作价值判断。
主要来源：
- PhysioNet 项目页（v1.0.0，2026-09-16）：https://physionet.org/content/sex-differences-hearing-loss/1.0.0/
- 原始论文：https://doi.org/10.3342/ceo.2010.3.1.27（PMID 20379399；PMCID PMC2848315）
- PhysioNet 平台：https://physionet.org/about/（Nature Health 2026）
- 数据 DOI：https://doi.org/10.13026/76jk-9b36（RRID:SCR_007345）
§16 术语表
按主题归类，覆盖本条目出现的听力学、统计学与数据工程术语。
16.1 听力学核心术语
| 术语 | 英文 | 释义 |
|---|---|---|
| 纯音测听 | Pure-tone audiometry | 用单一频率正弦纯音测定听阈的临床标准方法，本数据集的主要测量手段 |
| 听阈 | Hearing threshold | 受试者在规定条件下能察觉纯音的最低声压级，以 dB HL 表示 |
| 听力级分贝 | dB HL（decibels hearing level） | 相对"听力正常青年人平均听阈"的声压级，0 dB HL 代表正常听力参考零点 |
| 听力图 | Audiogram | 横轴频率、纵轴 dB HL 的听阈曲线图；临床惯例高频在左、纵轴向下增大 |
| 气导 | Air conduction | 声音经外耳→中耳→内耳传导；本数据集为气导阈值 |
| 骨导 | Bone conduction | 声音经颅骨直接激发内耳；用于区分传导性与感音神经性听力损失（本数据集未测） |
| 频率 | Frequency | 纯音的音高属性，单位 Hz/kHz；本数据集测 0.25–8 kHz 六点 |
| 上下行交叉法 | Ascending/descending method | 阈值判定规程：以 5 dB 步进反复升降，取三次交叉点确定阈值 |
| 老年性聋 | Presbycusis | 年龄相关听力损失，以高频首先受累、双侧对称进展为典型特征 |
| 传导性听力损失 | Conductive hearing loss | 外/中耳病变导致的听力下降，气骨导差存在 |
| 感音神经性听力损失 | Sensorineural hearing loss | 内耳或听神经病变导致的听力下降，气骨导一致下降 |
| 噪声性听力损失 | Noise-induced hearing loss | 长期噪声暴露导致的听力损失，典型为 4 kHz “V 形切迹”；本数据集通过排除噪声职业样本以控制该混杂 |
| 听阈不对称 | Asymmetry | 双耳听阈差异；本数据集排除 0.5/1/2 kHz 任一频差 >15 dB 者 |
| 听力计 | Audiometer | 产生并控制纯音的临床设备，本数据集使用 Beltone Model 112 |
| 气导耳机 | Supra-aural earphone | 覆耳式耳机，本数据集使用 TDH 50P |
| 隔声室 | Sound-attenuating booth | 隔绝环境噪声的测试舱，本数据集使用 IAC Model 400 A |
| 听力零级校准 | Audiometric zero calibration | 按 ANSI 1989 标准将设备零点对齐正常听力参考级，保证 dB HL 可比性 |
16.2 统计与流行病学术语
| 术语 | 英文 | 释义 |
|---|---|---|
| 横断面研究 | Cross-sectional study | 在单一时间点测量样本的研究设计；本数据集每受试者仅一个时点 |
| 参考值 | Reference level / value | 特定人群在各分层（性别×年龄×频率）下的听阈典型区间，用于个体偏离判定 |
| 年变化率 | Annual rate of change | 听阈随年龄变化的斜率（dB/年），论文由横断面线性回归估计 |
| 线性回归 | Linear regression | 以年龄为自变量、听阈为因变量估计斜率的统计方法 |
| 协方差分析 | ANCOVA（analysis of covariance） | 以年龄为协变量，检验校正年龄后性别间听阈差异的显著性 |
| 协变量 | Covariate | 需在组间比较中控制的变量（此处为年龄） |
| 性别（生物学） | Biological sex | 受试者生物学性别，编码 0=女、1=男；本数据集用于统计分层的变量 |
| 混杂因素 | Confounder | 与暴露和结局均相关、可能扭曲观察关联的变量（如年龄、噪声暴露） |
| 排除标准 | Exclusion criteria | 研究入组时剔除特定特征个体的规则，用于构建"清洁"样本 |
| 选择偏倚 | Selection bias | 因样本入选机制导致的人群代表性偏差；健康筛查自愿受检人群的典型风险 |
| 外推性 | Generalizability | 结论可推广到研究样本之外人群的程度；本数据集外推性受限（§15.4） |
| 效能 | Statistical power | 检验发现真实效应的能力，受样本量与组间均衡性影响（本数据性别不均衡，坑 5） |
16.3 数据工程与许可术语
| 术语 | 英文 | 释义 |
|---|---|---|
| 结构化测量表 | Structured measurement table | 每行一条记录、每列一字段的表格数据；本数据集为 4,084×14 |
| 主键 | Primary key | 唯一标识每条记录的字段；本数据集无显式主键 |
| 宽表 / 长表 | Wide / Long format | 宽表每行一受试者多列；长表每行一（受试者×耳×频率）观测；§11.3 给出转换 |
| 缺失值编码 | Missing value encoding | 约定空值的表示方式；本数据集未明示（§15.2 疑点 3） |
| 开放获取 | Open access | 无需凭证即可访问的数据政策；本数据集适用 |
| ODC-By 1.0 | Open Data Commons Attribution License v1.0 | 开放数据许可：署名即可自由使用、共享、修改 |
| 署名 | Attribution | 许可的核心义务：使用须注明来源 |
| DOI | Digital Object Identifier | 数字对象标识符；本数据集 10.13026/76jk-9b36 |
| RRID | Research Resource Identifier | 科研资源标识符；PhysioNet 平台为 SCR_007345 |
| FAIR 原则 | Findable, Accessible, Interoperable, Reusable | 数据可发现、可访问、可互操作、可复用的四项原则 |
16.4 缩写速查
| 缩写 | 全称 | 中文 |
|---|---|---|
| dB HL | decibels Hearing Level | 听力级分贝 |
| kHz | kilohertz | 千赫兹 |
| ANCOVA | Analysis of Covariance | 协方差分析 |
| IRB | Institutional Review Board | 机构审查委员会 |
| CSV | Comma-Separated Values | 逗号分隔值 |
| ODC-By | Open Data Commons Attribution License | 开放数据署名许可 |
| RRID | Research Resource Identifier | 科研资源标识符 |
| PMID / PMCID | PubMed ID / PubMed Central ID | PubMed 标识 / PMC 标识 |
§17 事实清单（硬事实）
以下为条目引用的全部可核验硬事实，均取自 PhysioNet 项目页（v1.0.0，2026-09-16）与原始论文，抓取时点 2026-10-09。
身份与标识
- 官方名：Sex differences in age-related hearing loss。
- slug：
sex-differences-hearing-loss。 - 版本：v1.0.0，Published 2026-09-16，Initial Release（目前唯一版本）。
- 数据集 DOI：10.13026/76jk-9b36。
- RRID：SCR_007345。
- PhysioNet 提交人署名为单一作者 SungHee Kim。
论文与时间线
7. 原始论文：Kim S, Lim EJ, Kim HS, Park JH, Jarng SS, Lee SH. Sex differences in a cross sectional study of age-related hearing loss in Korean. Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31。
8. 论文 DOI 10.3342/ceo.2010.3.1.27；PMID 20379399；PMCID PMC2848315。
9. 论文 Received 2009-10-08；Accepted after revision 2009-11-12；Epub 2010-03-30。
10. 期刊：Clinical and Experimental Otorhinolaryngology（韩国耳鼻咽喉头颈外科学会）。
11. 前身/相关文献：Kim SH, Jarng SS, et al. J Acoust Soc Korea. 2005 Aug;24(6):353-7。
12. 数据采集期：2004-01 至 2010-04。
样本规模（PhysioNet 口径）
13. 注册（完成听力问卷）总数：16,884（10,286 男 + 6,598 女）。
14. 最终纳入分析：4,084（910 男 + 3,174 女）。
15. 女性占比 77.7%；男性占比 22.3%；性别比 ≈ 1:3.49。
16. 论文口径对照：纳入 1,116（214 男 + 902 女）；注册 3,470；招募期 2004-01~2005-09。
测量规格
17. 测试频率：6 个——0.25 / 0.5 / 1 / 2 / 4 / 8 kHz。
18. CSV 格式：单文件 hearing_thresholds.csv，14 列（性别、年龄 + 右耳 6 频 + 左耳 6 频）。
19. 单位 dB HL；阈值以 5 dB 步进确定。
20. 数据单元（推算）：4,084 × 14 ≈ 57,176。
21. 设备：Beltone Model 112 听力计 + TDH 50P 气导耳机 + IAC Model 400 A 隔声室。
22. 校准标准：ANSI 1989 听力学零级。
23. 测试顺序：1 kHz → 2/4/8 kHz → 回 1 kHz 复测 → 最后 0.5、0.25 kHz。
24. 左右耳顺序：先测较好耳；自述相同则先测右耳。
筛选标准
25. 排除：外籍、重复受测、未完成问卷。
26. 排除：耳漏史、静脉抗生素/利尿剂/化疗药、头外伤、噪声职业、服兵役。
27. 排除：双耳不对称（0.5/1/2 kHz 任一频差 >15 dB）。
28. 排除：<18 岁（保证女性青春期完成）；女性 >80 岁（因无 80 岁以上男性，对齐年龄范围）。
统计结果（论文口径）
29. 听阈随年龄在所有测试频率升高。
30. 校正年龄（ANCOVA）后，4 kHz 与 8 kHz 处性别差异显著（男性高频听阈更差）。
31. 年变化率 0.25 kHz：男 0.28 / 女 0.24 dB/年。
32. 年变化率 8 kHz：男 1.27 / 女 1.05 dB/年。
33. 男性在 4、8 kHz 阈值增速显著快于女性。
34. 论文结论措辞：“little evidence of noise-induced hearing loss”。
伦理、资助与许可
35. 伦理审查：Daegu Fatima Hospital IRB，编号 DFH09OT032；遵循赫尔辛基宣言；知情同意已获得。
36. 资助：Korean Healthcare Technology R&D Project，Grant A084055。
37. 许可：Open Data Commons Attribution License v1.0（ODC-By 1.0）；开放获取、无凭证。
38. 获取：PhysioNet 项目页直接下载；直链（推断）https://physionet.org/files/sex-differences-hearing-loss/1.0.0/hearing_thresholds.csv。
机构与人物
39. 主体机构：Daegu Fatima Hospital（大邱法蒂玛医院）Health Promotion Center，韩国大邱。
40. 通讯作者：SungHee Kim, MD, PhD，Department of Otolaryngology, Daegu Fatima Hospital, 183 Ayang-ro, Dong-gu, Daegu 701-600, Korea。
41. 关联机构：Chosun University 控制与仪表工程系（Jarng SS）；Kyungpook National University 耳鼻喉科（Lee SH）。
限制与待核
42. 数据侧限制：经严格排除标准筛选，不能外推到含外因性听力损失风险的人群（PhysioNet Limitations 原文）。
43. 遗留疑点：专属 LICENSE.txt 直抓返回空，许可依平台默认推断（§15.2）。
44. 遗留疑点：文件物理体积、缺失值/表头约定、数据整理史均未明示。
附录
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目名 | sex-differences-hearing-loss |
| 官方名 | Sex differences in age-related hearing loss |
| 类型 | 结构化临床测量表（横断面纯音听阈） |
| 团队 | 韩国大邱法蒂玛医院健康促进中心（通讯 SungHee Kim） |
| 论文 | Clin Exp Otorhinolaryngol. 2010 Mar;3(1):27-31 |
| 数据版本 | PhysioNet v1.0.0（2026-09-16） |
| 规模 | 纳入 4,084（910 男 / 3,174 女）；注册 16,884 |
| 格式 | 单文件 hearing_thresholds.csv，14 列，dB HL |
| 许可 | ODC-By 1.0（开放获取） |
| 抓取时点 | 2026-10-09 |
| 库内互链 | nhis-nhid(286) / vitaldb(192) / mesa-sleep(302) / mit-bih-arrhythmia(69) / sleep-edf(73) / cohortx(939) |
附录 B：DAIMS 评估全表（八维度）
| 维度 | 评级 | 依据 |
|---|---|---|
| 可发现性 | ★★★★★ | PhysioNet 全球平台 + 专属 DOI + RRID + 论文 DOI 多路可检索 |
| 可访问性 | ★★★★★ | 完全开放获取、无凭证、单 CSV 直下 |
| 互操作性 | ★★★☆☆ | 标准 CSV、字段语义清晰；但无显式主键、无版本化 schema、缺失值编码未明示 |
| 可复用性 | ★★★★☆ | ODC-By 署名即可复用；受限于人群特异性与筛选标准 |
| 来源可信度 | ★★★★★ | IRB 编号 + 资助编号 + 完整设备规程 + 原始论文 + 赫尔辛基宣言 |
| 数据规模 | ★★★☆☆ | 4,084 人 × 12 测量点（≈57k 单元），对参考值研究足够、对深度学习偏小 |
| 标注/测量质量 | ★★★★☆ | 客观仪器测量 + 标准规程 + 严格筛选；无重复测量/质控报告 |
| 文档完备度 | ★★★★☆ | 含 Abstract/Background/Methods/File Structure/Limitations/Release Notes/Ethics；缺物理体积与缺失值约定 |
| 综合 | ★★★★☆（4.4/5） | 溯源与访问顶尖，规模与结构规范化是主要短板 |
附录 C：逐项证据链自证
| 关键数字 | 来源 | 位置 |
|---|---|---|
| 4,084（910 男/3,174 女） | PhysioNet 项目页 | Abstract / Methods |
| 16,884（10,286 男/6,598 女） | PhysioNet 项目页 | Methods |
| 6 频率 / 14 列 | PhysioNet 项目页 | File Structure |
| Beltone Model 112 / TDH 50P / IAC 400 A / ANSI 1989 | PhysioNet 项目页 | Methods |
| IRB DFH09OT032 / Grant A084055 | PhysioNet 项目页 + 论文 | Ethics / Acknowledgements |
| 年变化率 0.28/0.24、1.27/1.05 | 原始论文 | Results / Table |
| 4 kHz、8 kHz 性别差异显著 | 原始论文 | Results（ANCOVA） |
| 论文纳入 1,116 / 注册 3,470 | 原始论文 | Methods / Results |
| DOI 10.13026/76jk-9b36 / RRID SCR_007345 | PhysioNet 项目页 | 页头 / Citation |
| 论文 DOI / PMID / PMCID | PubMed | 论文记录页 |
附录 D：样本筛选决策树
注册完成听力问卷（16,884）
├── 外籍 / 重复受测 / 未完成问卷 ──────► 排除
├── 耳漏史 ─────────────────────────► 排除
├── 静脉抗生素 / 利尿剂 / 化疗药 ──────► 排除
├── 头外伤 ─────────────────────────► 排除
├── 噪声职业 ───────────────────────► 排除
├── 服兵役 ─────────────────────────► 排除
├── 双耳不对称（0.5/1/2 kHz >15 dB）──► 排除
├── < 18 岁 ───────────────────────► 排除
├── 女性 > 80 岁（无 80+ 男性，对齐）──► 排除
└── 其余 ───────────────────────────► 纳入 4,084（910 男 + 3,174 女）
附录 E：数据字典（14 列）
| 列序 | 字段名（建议） | 类型 | 取值/单位 | 说明 |
|---|---|---|---|---|
| 1 | sex |
类别 | 0=女, 1=男 | 生物学性别（非社会性别） |
| 2 | age |
整数 | 岁 | 测试时年龄 |
| 3 | right_0.25 |
整数 | dB HL | 右耳 0.25 kHz 听阈（5 的倍数） |
| 4 | right_0.5 |
整数 | dB HL | 右耳 0.5 kHz |
| 5 | right_1 |
整数 | dB HL | 右耳 1 kHz |
| 6 | right_2 |
整数 | dB HL | 右耳 2 kHz |
| 7 | right_4 |
整数 | dB HL | 右耳 4 kHz |
| 8 | right_8 |
整数 | dB HL | 右耳 8 kHz |
| 9 | left_0.25 |
整数 | dB HL | 左耳 0.25 kHz |
| 10 | left_0.5 |
整数 | dB HL | 左耳 0.5 kHz |
| 11 | left_1 |
整数 | dB HL | 左耳 1 kHz |
| 12 | left_2 |
整数 | dB HL | 左耳 2 kHz |
| 13 | left_4 |
整数 | dB HL | 左耳 4 kHz |
| 14 | left_8 |
整数 | dB HL | 左耳 8 kHz |
说明：字段名为本条目建议命名（原文未给列名，仅给列序与语义）；表头与缺失值编码以官方文件实际内容为准（§15.2）。
附录 F：研究检查清单（12 项）
[ ] 1. 引用时标明口径：纳入 4,084（不是 16,884、不是 1,116）
[ ] 2. 数据下载后核验行数 = 4,084、sex 计数 = 3,174/910
[ ] 3. 显式命名 14 列，核验听阈为 5 的倍数
[ ] 4. 处理双耳非独立性（聚合或混合效应模型）
[ ] 5. 报告性别组间样本量不对称（1:3.49）
[ ] 6. 横断面属性明确：年变化率为人群层面斜率
[ ] 7. 不外推到含噪声暴露/耳毒性风险人群
[ ] 8. 注明不含 80 岁以上人群
[ ] 9. 统计结论标注为"论文口径、本筛选人群"
[ ] 10. 遵守 ODC-By 署名义务
[ ] 11. 三层引用：数据集 + 论文 + 平台
[ ] 12. 全文避免价值判断（§15.5）
附录 G：检索路径示范
按数据集本体查找：
"sex-differences-hearing-loss" → PhysioNet 项目页
doi:10.13026/76jk-9b36 → 数据 DOI 解析页
按论文查找（注意含 "in Korean"）：
"Sex differences in a cross sectional study of age-related hearing loss in Korean" → 论文
PMID:20379399 / PMCID:PMC2848315 → PubMed / PMC
按主题查找（避免撞图件）：
"韩国 纯音听阈 性别 参考值" → 本文档 / 论文
"Korean mean audiogram 33,011,778 ears" → figshare 图件（≠本数据集，坑 8）
按库内互链查找：
rid 286 (nhis-nhid) → 韩国健康筛查；最强互链
rid 192 (vitaldb) → 韩国临床测量
rid 302 (mesa-sleep) → 流行病学队列参考值
附录 H：缩写与符号总表
| 符号/缩写 | 含义 |
|---|---|
| dB HL | 听力级分贝（decibels hearing level） |
| kHz | 千赫兹 |
| yrs | 年（age 单位） |
| N | 样本量 |
| SD | 标准差 |
| CI | 置信区间 |
| ANCOVA | 协方差分析 |
| RRID | 科研资源标识符 |
| DOI | 数字对象标识符 |
| ODC-By 1.0 | 开放数据署名许可 v1.0 |
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：
- ohhr-hearing — 共享标签：电子健康记录 / 调查数据 / 队列研究 / 公共卫生与流行病学 / 生理信号
- charls — 共享标签：电子健康记录 / 调查数据 / 队列研究 / 公共卫生与流行病学
- our-future-health — 共享标签：电子健康记录 / 调查数据 / 队列研究 / 公共卫生与流行病学
- addhealth — 共享标签：电子健康记录 / 调查数据 / 队列研究 / 公共卫生与流行病学
- share — 共享标签：电子健康记录 / 调查数据 / 队列研究 / 公共卫生与流行病学
- hrs — 共享标签：电子健康记录 / 队列研究 / 公共卫生与流行病学
- shhs — 共享标签：电子健康记录 / 队列研究 / 生理信号
- mros-sleep — 共享标签：电子健康记录 / 队列研究 / 生理信号
- nsrr — 共享标签：电子健康记录 / 队列研究 / 生理信号
- b2ai-voice-pediatric — 共享标签：调查数据 / 公共卫生与流行病学 / 生理信号
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。
