死亡登记完整性（含死因信息，百分比）

指标解释

World Bank official description / 世界银行官方说明

Completeness of death registration is the estimated percentage of deaths that are registered with their cause of death information in the vital registration system of a country.

可供参考的中文翻译：死亡登记完整性是指在一个国家的生命登记系统中，已登记的包含死因信息的死亡人数占估计总死亡人数的百分比。

数据口径与风险提示

数据年份极其有限，中国仅在1992、1997、2002、2009和2015年有5个观测点
世界数据仅2015年有1个观测值，无法支撑跨期趋势分析
排名快照基于2017年数据，与中国最新数据（2015年）存在两年时差
该指标衡量的是死亡登记系统的覆盖质量，而非实际死亡发生的频率
中国在1992至2002年间数据均为零，此后至2015年间的增长过程存在数据空白期
跨国比较受各国医疗体系、死因编码标准、行政能力差异的显著影响
数据可能受报告延迟、遗漏登记、补录等因素干扰
低值不一定意味着死亡未发生，而可能反映登记系统不完善

中国趋势

趋势解读

中国在该指标上呈现极不规则的阶梯式跳跃。从1992年到2002年长达十余年间，数据持续为零；2009年陡然升至4%，至2015年急剧攀升至62%，反映出生命登记系统在信息化建设推动下的显著改善。这种大幅波动可能意味着不同历史阶段登记体系的能力差异，而非死亡登记实践的渐进变化。鉴于数据点稀疏且间隔不均匀，对整体趋势的解读需保持审慎。

1992年记录值为0，此后十年内无改善迹象
2009年首次突破性达到4%
2015年快速升至62%，为有记录以来的最高值
从首年至末年累计增长62个百分点
数据序列仅包含5个观测点，分布极不均匀
数据年份之间存在较长空白期，无法捕捉期间的平滑过渡
从零到62%的巨幅变化可能包含多年累积的补登记因素
近年数据点较少，难以确认2015年后的走势方向

全球趋势

趋势解读

全球数据仅有一个有效观测点（2015年值为66.87%），无法构建趋势序列，因此无法进行跨期变化分析或与具体国家进行动态对比。该指标的世界平均水平仅反映特定年份的统计口径下的全球登记覆盖程度，不同地区的差异需结合各国数据可获得性综合判断。

仅在2015年有唯一观测记录
2015年全球平均值为66.87%
所有十年期比率均为空值
单一数据点无法反映全球登记完整性的历史演变
无时间序列数据，无法判断全球趋势是上升、下降还是保持稳定
不同地区的登记体系差异巨大，均值可能掩盖极端情况
跨国数据可获得性的差异会影响世界平均值的代表性

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	数据不可用，无法计算十年变化倍数，中国和世界均无该时期记录。
1970-1979	-	-	数据不可用，无法计算十年变化倍数，中国和世界均无该时期记录。
1980-1989	-	-	数据不可用，无法计算十年变化倍数，中国和世界均无该时期记录。
1990-1999	-	-	数据不可用，无法计算十年变化倍数，尽管中国在此期间有部分数据点，但不足以形成完整的期初期末比值。
2000-2009	-	-	数据不可用，无法计算十年变化倍数，中国在该时期仅有2009年一个非零数据点，无法构建期初和期末的完整配对。
2010-2019	-	-	数据不可用，无法计算十年变化倍数，中国数据在2015年后出现空白，世界的期初期末配对数据缺失。
2020-2029	-	-	数据不可用，无法计算十年变化倍数，当前数据仅覆盖至2015年前后，2020年代数据尚未积累。

2017 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Austria 奥地利	AUT	100.0
2	Czechia 捷克	CZE	100.0
3	Grenada 格林纳达	GRD	100.0
4	Hungary 匈牙利	HUN	100.0
5	Iceland 冰岛	ISL	100.0
6	Mauritius 毛里求斯	MUS	100.0
7	Romania 罗马尼亚	ROU	100.0
8	Lithuania 立陶宛	LTU	99.0
9	Ukraine 乌克兰	UKR	92.0
10	Kazakhstan 哈萨克斯坦	KAZ	87.0
11	Moldova 摩尔多瓦	MDA	80.0
12	Nicaragua 尼加拉瓜	NIC	79.0
13	Qatar 卡塔尔	QAT	50.0

使用建议、常见误用与研究场景

数值较高通常意味着什么

死亡登记完整性数值越高，表示该国/地区在生命登记系统中记录死亡事件并附上死因信息的比例越大，反映出登记体系覆盖面广、运行高效、数据质量可靠。

数值较低通常意味着什么

死亡登记完整性数值越低，意味着大量死亡事件未被正式登记，或者登记信息中缺少死因记录，这通常与基层医疗资源不足、统计能力薄弱、死因确定流程不规范等因素相关。

鍙ｅ緞闄愬埗

该指标不直接反映死亡风险或健康状况，而仅衡量登记系统的覆盖程度
数值的跨期变化可能受政策调整、统计口径变更、补录专项行动等多重因素影响
低值国家不一定意味着死亡未被知晓，可能只是未被纳入行政系统
部分国家的数据可能存在严重的报告时滞，最新数值可能已过时
不同国家对于死因的分类标准和ICD编码使用程度参差不齐
城市化程度、老龄化程度不同的国家，登记体系压力存在差异
数据可能受到国际组织估算方法调整的影响，而非实际登记情况改变

使用建议

使用时明确区分'登记完整性'与'死亡频率'是两个不同概念
进行跨国比较时应关注各国统计体系发展阶段的差异
结合人口规模和老龄化程度综合判断，避免将低完整性简单归因于单一因素
在时间序列分析中注意数据点之间的空白期，审慎解读跳跃式变化
若进行因果推断，需控制医疗基础设施、行政能力、信息化水平等变量
对于政策评估用途，建议结合同期卫生政策变化进行综合研判
关注不同来源数据的差异，WHO和世行数据可能因估算方法不同而存在出入
在使用前核查数据的最新更新日期，避免引用严重滞后的统计

常见错误用法

错误做法：用死亡登记完整性直接判断某地区的医疗水平或居民健康状况

正确做法：将登记完整性视为统计基础设施质量的代理变量，而非健康结果的直接指标

该指标衡量的是行政登记行为的发生频率，与死亡发生率、疾病负担、诊疗水平等健康结果指标之间不存在直接对应关系，高完整性不等于低死亡率或高医疗质量，反之亦然

错误做法：认为中国1992-2002年间0%的数据说明那段时间居民死亡后都没有登记

正确做法：0%主要反映的是当时生命登记系统缺乏收集死因信息的能力，而非实际登记行为的缺失

中国的死亡登记制度长期存在，但在早期并未系统性收集死因信息，数据空白可能源于统计口径和数据报告渠道的不完善，而非居民未进行登记；高值跳跃更可能代表统计系统的能力提升而非死亡登记行为的根本性改变

错误做法：仅凭中国2015年62%与全球66.87%的接近程度得出中国登记体系已接近国际水平的结论

正确做法：应结合数据的可比性、数据年份的一致性、以及数据点的时间跨度综合评估

全球数据仅来源于单一年度，而中国数据从零到62%的跨越跨越了23年，两者的可比性受到统计体系成熟度、死因编码标准、信息化程度等差异的影响，数值接近不代表机制相似

错误做法：将排名靠前的国家（如奥地利100%、捷克100%）直接视为最好的参考标准

正确做法：排名靠前反映的是当期的登记覆盖水平，需考虑各国地理、人口、政策环境的差异

100%的数值可能代表该国当年完成了全面的死亡登记，但并不代表其他国家需要以达到100%为唯一目标，各国应根据自身条件制定适宜的登记覆盖率目标

实际应用场景

死因别死亡率的时间序列分析：研究特定疾病（如癌症、心脑血管疾病）的死亡率趋势时，需先用该指标评估数据的可信度 control 当死亡登记完整性较低时，死亡率的计算可能存在系统性低估，需要通过该指标进行数据质量分层，或在回归模型中作为控制变量引入
生命登记系统建设进程的跨国比较：比较不同收入水平国家在过去二十年间生命登记体系的改善速度 outcome 可将死亡登记完整性作为因变量，分析卫生投入、信息化水平、政策干预等因素的影响；但需注意数据的稀疏性可能限制高频时间序列方法的使用
卫生规划与资源配置的基准研究：评估某地区死亡登记数据是否足以支撑死因监测和公共卫生决策 comparison 将待研究地区的登记完整性与相近发展阶段的国家进行对比，识别差距和能力缺口，为技术援助和资源配置提供依据
人口死亡模式与社会经济指标的关联检验：在控制人均GDP、城镇化率、医疗资源密度等变量后，检验死亡登记完整性对死因数据准确性的贡献 robustness 通过逐步引入该变量，观察核心解释变量系数的稳定性变化，若系数显著改变则表明原有模型存在遗漏变量偏误