1990—2019年中国高血清低密度脂蛋白胆固醇疾病负担趋势分析与预测

目的 描述和分析1990—2019年中国高血清低密度脂蛋白胆固醇（high LDL cholesterol,高LDL - C）疾病负担状况及变化趋势,并预测未来5年的疾病负担,为中国高LDL - C科学防控提供依据。方法 提取2019年全球疾病负担（GBD 2019）中因高LDL - C造成的死亡数、死亡率及DALYs等疾病负担指标,相关指标均采用GBD 2019全球标准人口进行年龄标准化,采用平均年度变化百分比（AAPC）分析率的变化趋势,并应用R 4.1.0对1990—2016年中国因高LDL - C造成的死亡率和DALYs率建立ARIMA模型和NNAR模型,用2017—2019年的数据来评价两模型的拟合效果,最后用拟合效果最好的模型预测2020—2024年中国高LDL - C死亡率和DALYs率。结果 1990—2019年中国高LDL - C造成的死亡率（AAPC = 3.1%,P＜0.05）和DALYs率（AAPC = 2.2%,P＜0.05）整体呈波动上升趋势;标化死亡率和DALYs率增长14.21%和0.56%,男女性别比范围分别为1.33～1.67和1.36～1.76,男性高于女性;年龄别疾病负担≥70岁人群远高于15～49岁和50～69岁群体;ARIMA（0,2,0）和NNAR（1,1）模型预测与实际趋势基本一致,前者预测值与实际值相对误差、均方根误差（RMSE）、平均绝对误差（MAE）以及平均绝对百分误差（MAPE）均较小,预测精度更好。 结论 中国高LDL - C造成的疾病负担呈逐渐上升趋势,在2020—2024年将继续上升。男性、高龄人群疾病负担更加沉重,应采取针对性措施进行干预。     

我国中老年慢性病患者自评健康状况及影响因素研究——基于个人-家庭-社会视角

目的 了解我国中老年慢性病人群健康自评状况及其影响因素,为提高该人群健康水平提供参考。方法 以2018年全国性调查数据（CFPS）为基础,从个人-家庭-社会视角构建4个分析模型,采用二元logistic回归法,分析45岁及以上慢性病患者健康自评的影响因素。结果 自评为健康者占35.96%,自评为非健康者占64.04%。二元logistic 回归显示,有伴侣（P=0.034,OR=1.075）,受教育程度在大专/本科及以上（P=0.003,OR=1.802）选择在基层卫生服务机构就医（P=0.030,OR=1.198）,对医生更信任（P=0.037,OR=1.228）,心理健康水平较好（P＜0.001,OR=3.013）,生活独立水平较高（P＜0.001,OR=1.203）,睡眠时间在＞6～10小时（P=0.030,OR=1.942）,一周锻炼时长在＞7～14小时（P=0.037,OR=2.146）,家庭年收入在＞10～20万元（P=0.032,OR=0.753）,与子女关系更密切（P=0.028,OR=2.738）,拥有额外房产（P=0.003,OR=1.686）,使用移动设备社交（P=0.025,OR=1.269）,对邻里更信任（P=0.035,OR=1.032）,人缘关系较好（P=0.001,OR=1.599）,社会地位较高（P=0.025 OR=1.226）,幸福感较高（P=0.014,OR=1.451）均为中老年慢性病患者健康自评的保护因素。结论 我国中老年慢性病人群的健康自评水平不高,应发挥基层卫生服务机构、互联网的正向作用并对空巢、失能等慢性病人群予以关注。     

1990—2019年中国高BMI归因疾病负担变化趋势分析

目的 描述和分析1990—2019年中国高体质指数（高BMI）归因疾病负担状况及变化趋势,为我国高BMI科学防控提供依据。方法 提取2019年全球疾病负担数据中中国高BMI归因死亡、伤残调整寿命年（DALYs）、早死损失寿命年（YLLs）和伤残损失寿命年（YLDs）等疾病负担指标,采用年度变化百分比（APC）和平均年度变化百分比（AAPC）分析率的变化趋势,采用Excel软件进行统计分析。结果 30年来,高BMI归因死亡数从23.5万人增至76.47万人,DALYs从787.63万人年增至2 483万人年,YLLs从651.34万人年增至1 831.91万人年,YLDs从136.29万人年增至651.09万人年（标化率分别增长36.07%、44.43%、28.19%和125.05%）。经标化后,死亡率、DALYs率、YLLs率和YLDs率整体呈上升趋势（AAPC分别为1.0%,1.3%、0.9%和2.8%,均P＜0.05）。亚组分析发现,男女性别比范围除YLDs率外均大于1;高BMI归因疾病负担随年龄增长显著增加。结论 近30年我国BMI疾病负担日趋沉重,应持续加强高BMI的筛查和健康干预,对男性、高龄人等重点人群采取针对性措施,以减小健康损失和提高生存质量。     

不同肥胖指标在高尿酸血症风险预测中的应用价值比较研究

背景高尿酸血症（HUA）已经超过糖尿病成为我国第二大代谢性疾病,其患病率呈逐年攀升态势且常伴发多系统疾病,如何有效预防其发生并控制其流行已成为我国亟待解决的重要公共卫生问题。目的明确不同肥胖指标〔腰围（WC）、体质指数（BMI）、腰高比（WHtR）、身体形态指数（ABSI）、身体圆度指数（BRI）、内脏脂肪指数（VAI）和脂质聚集指数（LAP）〕对HUA发生的影响,分析并比较不同肥胖指标对HUA发生风险的预测价值,旨在为HUA的早期预防及筛查提供参考与依据。方法采用整群抽样方法,选取2020年1—12月在广东省某三级甲等医院健康管理中心接受健康体检的体检者为研究对象。通过查阅健康管理中心的电子病历收集体检者的一般人口学、既往史、体格检查和实验室检查指标等资料,并计算BMI、WHtR、ABSI、BRI、VAI和LAP。采用二元Logistic回归探讨不同肥胖指标对HUA发生的影响,采用受试者工作特征（ROC）曲线评价不同肥胖指标对HUA的预测价值并计算切点。结果共纳入32 374例健康体检者,检出HUA 13 546例,HUA检出率为41.84%,其中,男性和女性体检者HUA检出率分别为54.11%（10 026/18 530）和25.43%（3 520/13 844）,男性HUA检出率高于女性（P<0.001）。男性HUA体检者WC、BMI、WHtR、ABSI、BRI、VAI和LAP均高于女性HUA体检者（P<0.001）。二元Logistic回归结果显示,在校正混杂变量后,WC、BMI、WHtR、ABSI、BRI、VAI和LAP均是男性和女性HUA发生的影响因素（P<0.001）。男性WC、BMI、WHtR、ABSI、BRI、VAI和LAP预测HUA发生风险的ROC曲线下面积（AUC）分别为0.612、0.626、0.602、0.512、0.602、0.617和0.642,切点分别为80.5 cm、24.3 kg/m2、0.48、0.072、3.8、1.4和26.7;女性WC、BMI、WHtR、ABSI、BRI、VAI和LAP预测HUA发生风险的AUC分别为0.637、0.636、0.637、0.555、0.638、0.583和0.660,切点分别为72.5cm、22.7 kg/m2、0.47、0.074、4.2、1.3和15.3。无论在男性体检人群还是女性体检人群中,LAP预测HUA的AUC高于其他6项肥胖指标（P均<0.05）,ABSI预测HUA的AUC低于其他6项肥胖指标（P均<0.05）。结论WC、BMI、WHtR、ABSI、BRI、VAI和LAP均是影响男性和女性HUA发生的因素,但不同肥胖指标对HUA的预测能力存在差异。无论对于男性还是女性,LAP均是预测HUA发生风险的最佳肥胖指标。     

基于ARIMA与NNAR模型的中国慢性阻塞性肺疾病疾病负担预测研究

背景 中国是慢性阻塞性肺疾病（COPD）疾病负担较为严重的国家之一,COPD已成为中国的第三大致死病因,其在全部疾病伤残调整寿命年（DALYs）排名中位居第三位。基于患病率、死亡率和DALYs率实现对COPD疾病负担的有效预测,可为预防和控制措施的制定提供理论支持。 目的 描述和分析1990—2019年中国COPD疾病负担状况及其变化趋势,并预测2020—2024年中国COPD疾病负担,旨在为中国COPD科学防控提供依据。 方法 于2021年12月,从2019年全球疾病负担（GBD 2019）中提取1990—2019年中国COPD患病率、死亡率及DALYs率等疾病负担指标的数据,采用平均年度变化百分比（AAPC）分析其变化趋势。基于1990—2016年数据（训练集）建立COPD患病率、死亡率及DALYs率的自回归移动平均（ARIMA）模型和神经网络自回归（NNAR）模型,利用2017—2019年数据（测试集）进行模型评价。采用预测值与实际值的相对误差、平均绝对百分误差（MAPE）、平均绝对误差（MAE）和均方根误差（RMSE）比较模型的拟合和预测效果,运用最佳模型预测2020—2024年中国COPD疾病负担。 结果 1990—2019年：中国全人群COPD患病率从2 344.40/105增长至3 175.37/105,年均增长1.04%,男性和女性的COPD患病率平均每年分别增长0.92%和1.13%;中国全人群COPD死亡率由105.09/105下降至72.94/105,年均降幅为1.29%,男性和女性的COPD死亡率均呈下降趋势,平均每年分别下降0.83%和1.83%;中国全人群DALYs率从2 206.55/105下降至1 400.71/105,年均下降1.56%,男性和女性的COPD DALYs率均呈下降趋势,平均每年分别下降1.37%和1.86%。ARIMA和NNAR模型预测值的动态趋势与实际情况基本一致,但ARIMA模型的预测值与实际值相对误差、MAPE、MAE和RMSE更小,预测精度更高。经ARIMA模型预测得到2020—2024年中国COPD患病率分别为3 229.77/105、3 262.44/105、3 292.38/105、3 322.31/105、3 352.25/105,死亡率分别为74.50/105、75.49/105、76.11/105、76.50/105、76.75/105,DALYs率分别为1 429.56/105、1 452.07/105、1 469.64/105、1 483.35/105、1 494.05/105。 结论 2020—2024年中国COPD疾病负担呈现上升趋势,ARIMA模型在拟合中国COPD疾病负担应用中具有良好的拟合效果和精度,可为COPD疾病负担短期预测提供借鉴与参考。