图1 数据集研发技术路线图
摘 要：体质指数和腰高比是衡量人体胖瘦及健康状况的重要参数。本文利用2011年和2015年《中国健康与养老追踪调查（CHARLS）》中身高、体重和腰围的调查数据，制作了"中国中老年人体质指数与腰高比分布数据集（2011、2015）"。数据集包括2011年和2015年中国124个地级市体质指数（Body Mass Index, BMI）平均值、腰高比（Waist-to-Height Ratio, WHtR）平均值、超重患病率和肥胖患病率。数据集以.shp和.xlsx格式存储，由9个数据文件组成，数据量为32.9 MB（压缩为1个文件，21.4 MB）。该数据集支撑了第一作者博士理学学位论文。
关键词：中老年人；体质指数；腰高比；空间分布；博士理学学位论文
DOI: https://doi.org/10.3974/geodp.2026.02.03
CSTR: https://cstr.escience.org.cn/CSTR:20146.14.2026.02.03
数据可用性声明：本文关联实体数据集已在《全球变化数据仓储电子杂志（中英文）》出版，可获取：
https://doi.org/10.3974/geodb.2025.12.04.V1 或 https://cstr.escience.org.cn/CSTR:20146.11.2025.12.04.V1.
体质指数（Body Mass Index，BMI）是评估人体全身性肥胖及是否健康的通用标准[1]。1995年后世界卫生组织推荐使用BMI的临界点25 kg/m2和30 kg/m2作为成年人超重和肥胖的诊断标准，但这个标准更多是基于欧美国家人种制定，并不适用于亚洲人群。中国在2013年发布了《成人体质判定》标准，认为中国健康成年人的BMI正常范围为18.5 kg/m2≤BMI<24.0 kg/m2，BMI<18.5 kg/m2为体重过低，24.0 kg/m2≤BMI<28.0 kg/m2为超重，BMI≥28.0 kg/m2为肥胖。腰高比（Waist-to-Height Ratio，WHtR）则是反应中心性肥胖的通用指标。当前超重和肥胖的快速发展已经成为威胁全球公共卫生的重要问题[2]，且在发展中国家尤为突出[3]。有研究指出，中国作为世界上最大的发展中国家，已成为全球超重和肥胖人数最多的国家[4]。预计到2030年中国将有7.9亿成年人处于超重或肥胖状态，约占整体的65.3%，而由于超重和肥胖造成的医疗费用可能达到4,180亿元，约占年度医疗支出的22%[4]。此外，中国还是世界上老龄化速度最快的国家，根据联合国的预测数据，在2015–2055年间，中国60岁及以上人口的比重以每年2.35%的速度提高，增长速度远超同期世界平均（1.43%）[5]。年龄增加会显著增加各种疾病的患病风险，而与超重肥胖相叠加将会对中国公共卫生系统带来严峻的挑战。
当前对于中老年人超重和肥胖的研究多集中于宏观公共卫生政策，缺少对不同地区人群胖瘦情况的了解，而这种忽视空间差异的研究往往会导致一定的结论偏差。为了更好的反应中国不同城市地区中老年人胖瘦情况，本研究利用2011年和2015年"中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）"对中国中老年人BMI和WHtR情况进行计算，以期为未来科学研究和公共卫生政策提供数据支撑。
《中国中老年人超重肥胖空间分布数据集（2011、2015）》[6]的名称、作者、地理区域、数据年代、时间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。
| 条目 | 描述 |
|---|---|
| 数据集名称 | 中国中老年人超重肥胖空间分布数据集（2011、2015） |
| 数据集短名 | Overweight&ObesityChina2011&2015 |
| 作者信息 | 王培涵，中国科学院地理科学与资源研究所，wangpeihan24@mails.ucas.ac.cn 段嘉真，北京信息科技大学商学院，djz0715@bistu.edu.cn 李可欣，中国科学院地理科学与资源研究所，likx@igsnrr.ac.cn 王振波，中国科学院地理科学与资源研究所，wangzb@igsnrr.ac.cn |
| 地理区域 | 中国124个地市/自治州 |
| 数据年代 | 2011、2015 |
| 时间分辨率 | 年 |
| 数据格式 | .shp、.xlsx |
| 数据量 | 32.9 MB |
| 数据集组成 | 2011年、2015年124个地级市的体质指数（BMI）平均值、腰高比（WHtR）平均值、超重患病率和肥胖患病率；中国124个地级市中老年人体质指数、腰高比、超重肥胖患病率统计数据等 |
| 基金项目 | 国家自然科学基金(42407621) |
| 出版与共享服务平台 | 全球变化科学研究数据出版系统 http://www.geodoi.ac.cn |
| 地址 | 北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所 |
| 数据共享政策 | （1）"数据"以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用"数据"需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）"数据"的用户需要与《全球变化数据学报（中英文）》编辑部签署书面协议，获得许可；（4）摘取"数据"中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[7] |
| 数据和论文检索系统 | DOI，CSTR，Crossref，DCI，CSCD，CNKI，SciEngine，WDS，GEOSS，PubScholar，CKRSC |
原始数据来自于"中国健康与养老追踪调查（CHARLS）"，这是一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据，用以分析中国人口老龄化问题，推动老龄化问题的跨学科研究[8]。CHARLS全国基线调查于2011年开展，约1.7万人接受调查。
2011年和2015年CHARLS体检问卷中详细记录了身高、体重和腰围的测量方式。身高测量采用立式身高计，并将结果记录到变量qi002中，单位为cm。体重测量使用体重秤，将结果记录到变量ql002中，单位为kg。腰围测量使用软尺，将结果记录到变量qm002中，单位为cm。
由于数据在采集和整理过程中会出现误差和缺失情况。身高、体重和腰围的调查数据存在缺失值和异常值会对数据结果造成影响，故对变量数据进行预处理，剔除异常值。
首先，将缺失值进行剔除。然后使用四分位距法（Interquartile range, IQR）计算数据异常值的范围。IQR由第三四分位数（Q3）与第一四分位数（Q1）的差值计算得出，公式如下：
IQR = Q3 – Q1 (1)
值小于Q1–1.5IQR或者大于Q3+1.5IQR的被判定为异常值并被剔除。
3.3.1 体质指数（BMI）计算
利用STATA软件（version 14）计算个体体质指数（BMI），公式如下：
BMI = w/h2 (2)
式中，BMI为体质指数（kg/m2），w为体重（kg），h为身高（m）。参照《肥胖症诊疗指南（2024年版）》[9]及国家卫健委相关文件，对中国成年人胖瘦程度进行划分，其中BMI低于18.5 kg/m2为低体重状态，达到18.5 kg/m2且低于24 kg/m2为正常体重，达到24 kg/m2且低于28 kg/m2为超重，达到或超过28 kg/m2为肥胖症。
3.3.2 腰高比（WHtR）计算
利用STATA软件（version 14）计算个体腰高比（WHtR），公式如下：
WHtR = y/h (3)
式中，WHtR为腰高比。y为腰围（cm），h为身高（cm）。
3.3.3 空间数据计算
CHARLS调查数据为每个被调查者提供了唯一的个人编号（ID），对所在社区（或行政村）提供了唯一的社区编号（communityID），并提供"PSU.dta"文件将社区编号与所在城市相对应。
利用社区编号与城市的对应关系，将参与者划分到地市或自治州，计算各地市/州BMI平均值、WHtR平均值、超重和肥胖患病率，其中BMI平均值和WHtR平均值为该城市被调查者的BMI和WHtR的算数平均数，超重患病率和肥胖患病率的计算使用该城市超重（或肥胖）人数除以该市有体质指数数据的总人数。最后用ArcGIS pro软件（version 3.0）进行空间制图。
数据集研发技术路线见图1。
图1 数据集研发技术路线图
本数据集包含了来自全国124个地市/自治州的中老年人体质指数和腰高比情况，数据集以空间面数据进行存储，存储为.shp格式数据文件。记录的属性字段如表2所示。
其中BMI_11和BMI_15分别为2011和2015年中老年人体质指数城市平均值，WHtR_11和WHtR_15分别为2011年和2015年中老年人腰高比城市平均值，over_11和over_15分别是2011年和2015年中老年人城市超重患病率，obesity_11和obesity_15分别是2011年和2015年中老年人城市肥胖患病率。
| 序号 | 字段名 | 字段内容举例 |
|---|---|---|
| 1 | Province | 安徽省、北京市、福建省…… |
| 2 | Province_e | Anhui, Beijing, Fujian…… |
| 3 | City | 安庆市、亳州市、阜阳市…… |
| 4 | BMI_15 | 23.576335、24.31438、24.881645…… |
| 5 | WHtR_15 | 0.540555、0.553583、0.558989…… |
| 6 | over_15 | 0.258929、0.423611、0.440945…… |
| 7 | obesity_15 | 0.116071、0.125、0.173228…… |
| 8 | BMI_11 | 22.996226、23.815128、23.860671…… |
| 9 | WHtR_11 | 0.531289、0.561965、0.554696…… |
| 10 | over_11 | 0.265957、0.327731、0.321429…… |
| 11 | obesity_11 | 0.053191、0.12605、0.130952…… |
本数据集使用的2011和2015年CHARLS原始数据分别有 17,710个和21,113个样本，经过空值剔除和异常值的清洗，分别有13,488个和15,989个样本纳入了数据集的计算。样本覆盖了全国124个地市/自治州。
根据结果对中国中老年人体质指数和腰高比数据进行统计分析（表3）。整体来看，2011–2015年莫兰指数（Moran’s I）均有显著的增加，表明城市超重肥胖现象的空间分布呈现逐渐集中的趋势，区域差异逐渐变大。其中，城市BMI均值和WHtR均值的各项指标差别不大，但是超重患病率和肥胖患病率的中值有所增加，特别是超重患病率由0.29增长为0.34，增长明显，而肥胖患病率由0.10增长为0.11增长不明显。说明中国中老年人超重问题愈发严重，而肥胖情况较为稳定。
| 名称 | 年份 | 最小值 | 最大值 | 平均值 | 标准差 | 中值 | Moran’s I | P value |
|---|---|---|---|---|---|---|---|---|
| BMI均值 | 2011年 | 20.25 | 27.42 | 23.45 | 1.20 | 23.43 | 0.213515 | <0.01 |
| 2015年 | 20.57 | 26.16 | 23.79 | 1.06 | 23.80 | 0.241040 | <0.01 | |
| WHtR均值 | 2011年 | 0.48 | 0.61 | 0.54 | 0.02 | 0.54 | 0.056649 | <0.01 |
| 2015年 | 0.51 | 0.60 | 0.55 | 0.02 | 0.55 | 0.100135 | <0.01 | |
| 超重患病率 | 2011年 | 0.00 | 0.60 | 0.30 | 0.09 | 0.29 | 0.106580 | <0.01 |
| 2015年 | 0.06 | 0.57 | 0.34 | 0.08 | 0.34 | 0.194017 | <0.01 | |
| 肥胖患病率 | 2011年 | 0.00 | 0.54 | 0.11 | 0.08 | 0.10 | 0.135871 | <0.01 |
| 2015年 | 0.01 | 0.29 | 0.12 | 0.06 | 0.11 | 0.213515 | <0.01 |
通过计算2011–2015年超重与肥胖患病率的差值（图2）可见：在超重患病率方面（图2a），与2011年相比，2015年我国多数城市中老年人群超重患病率呈上升态势，其中江苏省徐州市增幅最大，约为34.1%；少数城市则出现下降，山东省德州市降幅最为显著，约为19.7%。在肥胖患病率方面（图2b），多数城市同样表现为上升趋势，四川省甘孜藏族自治州增幅最高，约为22.6%；部分城市肥胖患病率明显下降，山东省聊城市下降幅度最大，约为42.3%。整体而言，2011–2015年我国中老年人超重患病率与肥胖患病率的总体变化趋势基本一致，但部分城市呈现出二者变化趋势相悖的特征。例如，北京市、沧州市、洛阳市等城市在此期间超重患病率上升，而肥胖患病率下降；阿克苏地区、兰州市、甘孜藏族自治州等则表现相反，超重患病率有所下降，肥胖患病率反而上升。
图2 2011–2015年中国中老年人超重与肥胖患病率差值分布图
（依据审图号为GS(2020)4619的标准地图制作）
较高的体质指数显著增加大量疾病的患病风险，并影响到人体健康和生活质量。对于体质指数和腰高比空间分布数据的分析，有助于了解其空间发展趋势，对于推进中老年人超重肥胖的治疗和缓解政策的制定具有指导价值。
本文利用公开的调查数据，对地区中老年人的BMI均值、WHtR均值、超重和肥胖患病率进行了计算和空间分析，构建了中国中老年人超重肥胖空间分布数据集。该数据集虽然未能覆盖全国范围，但仍能一定程度代表中国中老年人超重肥胖情况的空间形势。在当前超重肥胖普查较难实行的情况下，该数据集一定程度上弥补了空间数据缺失的问题，为后续超重肥胖研究提供了数据基础。该数据集支撑了第一作者博士理学学位论文。
作者分工：王培涵负责数据处理，撰写论文；段嘉真协助数据处理，中英文校对；李可欣负责论文选题，方法指导；王振波总体指导。
利益冲突声明：本研究不存在研究者以及与公开研究成果有关的利益冲突。