文档介绍：山东省中小学生健康体检分析报告(2015)
薛付忠
山东大学生物统计学系
主要内容
健康体检数据统计分析规程
健康体检数据清理情况
健康体检数据结果公告
一、健康体检数据统计分析规程
数据清理---对大数据进行统计分析前的必须步骤。
逻辑校验:不符合逻辑的数据当作缺失值处理。
以2015年11月1日为基准,根据数据库里面的出生日期计算年龄,再用年龄与年级做频数表。限定小学一年级不能有低于6岁的学生,同时不能有大于8岁的学生,其他年级依次类推。对于初四年级和高中年级的年龄上限不做要求。
健康体检数据统计分析规程
异常值:
①数值变量:以《2010年中国学生体质与健康调研报告》中山东省数据结论为金标准,以分年龄组、城乡组的均值±,超出参考范围的观测不纳入分析。
②分类变量:
对于分类变量,将超出体检表中取值的数值设为缺失值,如耳病的分类等级为0、1、2、3、4,但在数据中还存在5、6、7、8、9等级,则将其作为缺失值处理
视力检查中,视力的取值最小应该为小数点后一位,对于大于一位的数值当作缺失值处理。
数据库中存在肝、甲状腺、脾和平足这四项指标,但是体检表中无这几项,分析时不对这几项进行分析。
按照“山东省中学生健康体检质量控制标准”及《山东省中小学生健康体检手册》的规范要求,。
经数据核查清理,达到数据统计分析要求的有6,202,063名,其中男生3,368,283人,女生2,833,780人;体检项目共涵盖了身体形态指标、生理机能指标和健康状况指标3个方面。
二、健康体检数据清理情况
健康体检数据清理情况
总体而言,山东省2015年中小学生健康体检数据质量一般,存在诸多的问题,按照严格的数据分析流程对数据进行清洗后近三分之一的数据不合格。主要存在问题如下:
1、填写错误
出生日期:导致年龄与对应年级匹配错误;
视力:结果有大于一位小数,;
民族:使用多音字或者是地名等情况,比如汗、喊、石家庄等。
龋齿:龋齿数出现32颗牙齿均为龋齿的情况。
健康体检数据清理情况
2、数据造假
身高、体重、视力这几个数据均存在大范围的造假情况。
3、未按照体检表输入
各项生理检查指标,如心脏、脊柱等这类指标的结果包含体检表中不包括的内容。比如体检表中结膜炎只有“有”或“无”两个结果,即0和1,但是数据中有大于1的数值存在。这种情况在所有分类变量中均存在。
4、漏填
有的学校只有7个人参加体检,有些学校年级不全。某些学校的一些项目全体缺失,没有任何数据。
健康体检数据清理情况
图1 山东省各地市中小学生体检数据不合格比例