1990-2017中国及世界银行不同经济水平国家腹泻疾病负担

来源:用户上传      作者:王昱政 胡樱

　　摘 要：[目的] 对比和掌握不同经济水平国家腹泻疾病负担情况，并根据1990-2017年疾病负担变化情况对腹泻疾病负担进行预测，为疾控工作提供科学依据，为健康问题的全球化挑战做准备。[方法]利用年全球疾病负担数据库GBD 2017中1990-2017年的数据，采用过早死亡损失寿命年（YLL）、伤残损失寿命年（YLD）和伤残调整寿命年（DALY）等指标，对疾病负担状况进行描述，并采用ARIMA模型预测将来的负担水平。[結果]1990-2017年，腹泻的平均发病率由高到低为：低收入国家、中低收入国家、全球平均水平、中高收入国家，高收入国家和中国。2007年起中国的发病率开始低于高收入国家。1990-2017年，腹泻的平均死亡由高到低为：低收入国家、中低收入国家、全球平均水平、中高收入国家，高收入国家和中国。低收入和中低收入国家的腹泻发病率和死亡率均处于较高水平。年龄标化YLD率、YLL率、DALY率最高的均为低收入国家，最低均为高收入国家，前者分别为后者的3.4、110.4、31.4倍。婴幼儿和中老年人群的腹泻疾病负担较其它年龄段重。[结论]低收入国家，腹泻的疾病负担主要表现为过早死亡损失寿命和丧失劳动功效，并与高收入国家存在巨大差距。在目前全球化趋势且速度加快的情形下，国际人员往来越发频繁，对于腹泻疾病负担的上升应引起足够的重视，寻找可能的风险因素并加以控制。
　　关键词：腹泻;疾病负担;ARIMA模型
　　中图分类号：F24     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2020.10.036
　　腹泻病是五岁以下儿童的第二大死因，每年共有52.5万名儿童死于此病，全球每年约有17亿例儿童患腹泻病。本研究利用2017年全球疾病负担研究（GBD2017）疾病负担数据，分析了中国及世界银行不同经济水平国家腹泻疾病负担，为防控工作提供科学依据，并且为全球化环境下的疾病防控做好准备。
　　1 资料与方法
　　1.1 资料来源
　　数据来源于GBD2017中1990-2017年的数据。GBD2017采用统一、可比的方法分析了195个国家和地区的328种死因的疾病负担以及其危险因素。世界银行根据收入水平，将各国分为高收入国家、中高收入国家、中低收入国家和低收入国家。年龄标准化采用 GBD 2017全球年龄标准人群作为标准。
　　1.2 疾病分类与编码
　　GBD 2017 依据国际疾病分类第9版（ICD-9）和第10版（ICD-10）的标准进行编码和归类，把各种疾病对应到GBD 2017病因列表，对不明确的死因诊断进行了重新编码。
　　1.3 数据分析
　　本研究主要关注指标为发病率、死亡率，过早死亡损失寿命年（YLL）、伤残损失寿命年（YLD）、伤残调整寿命年（DALY）的人年数和率。研究通过对比中国和不同世界银行分区的指标差别以及观察时间上的变化趋势，描述不同年龄、性别人群的指标特点，采用了ARIMA模型对2018、2019的疾病负担水平进行了预测。
　　本研究首先报告了2017 年世界银行不同收入国家和中国的感染性腹泻发病、死亡和疾病负担指标及其标化率，并计算了两个时间段的变化量和幅度，分析感染性腹泻疾病负担的变化情况。然后分析了不同年龄组和分性别的感染性腹泻的疾病负担情况。对于腹泻疾病负担的人群分布，主要使用伤残调整寿命年的率进行分析，利用ARIMA模型进行预测，分析感染性腹泻疾病负担的变化情况。
　　1.4 自回归积分移动平均模型（ARIMA）
　　时间序列是由一组随时间变化的观察值组成的序列，ARIMA模型是目前应用较多的时间序列分析方法。ARIMA模型的基本形式是ARIMA（p，d，q），由三部分组成：自回归AR（p），差分I（d），移动平均MA（q）。其基本思想是：通过差分过程，将非平稳的时间序列转化为平稳的时间序列，使其围绕着一个常数上下波动且波动范围有限，即有常数均值和常数方差，如存在季节周期可叠加季节差分;应用自回归方法，对平稳序列的均值项进行分析，获得其滞后值，即AR（p）模型的阶次p;应用移动平均方法，对平稳序列的随机误差项进行分析，获得其滞后值，即MA（q）模型的阶次q。
　　模型定阶，可以通过观察自相关图（ACF）和偏自相关图（PACF）进行初步定阶;分析决定系数R2、贝叶斯信息准则（BIC）、白噪声检验等指标，选定符合要求的模型。
　　白噪声检验使用Ljung-Box Q统计量，检测建立的时间序列的残差序列是否是白噪声，即残差中是否还有未提取的信息。当Ljung-Box Q统计量检测结果P>α，可以认为所得残差序列为白噪声序列。模型拟合效果的评价使用决定系数R2、均方根误差RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE。
　　2 结果
　　2.1 1990-2017年感染性腹泻的发病、死亡和疾病负担情况及对比
　　2.1.1 发病水平及对比
　　2017年，全球感染性腹泻发病人数为629，294万例，发病率为82363.3/10万。不同经济水平国家中，腹泻发病率最高的为低收入国家（139230.6/10万），最低的为高收入国家（35823.8/10万），中国为27846.9/10万。
　　2017年，全球腹泻年龄标化发病率为83846.3/10万。按经济水平划分，其中最高为低收入国家（137943.2/10万），最低为高收入国家（37949.8/10万），前者为后者的3.6倍，中国为32303.9/10万。
　　1990-2017年，腹泻的平均发病率由高到低为：低收入国家（147.2万/10万）、中低收入国家（111.2万/10万）、全球平均水平（7.7万/10万）、中高收入国家（4.8万/10万），高收入国家（3.2万/10万）和中国（3.0万/10万）。2007年起中国的发病率开始低于高收入国家。 　　2017年与1990年相比，腹泻发病率下降幅度由高到低为：中国（6169.4/10万，18.1%），低收入国家（13536.2/10万，8.9%），中低收入国家（2921.4/10万，2.5%），中高收入国家（160.1/10万，0.3%），全球平均水平（-5698.5/10万，-7.4%），高收入国家（-7972.6/10万，-28.6%）。
　　2.1.2 死亡水平及对比
　　2017年，全球感染性腹泻死亡总人数为157万人，死亡率为20.5/10万。不同经济水平国家中，腹泻死亡率最高的为低收入国家（50.3/10万），最低为中高收入国家（1.8/10万），中国为0.5/10万。
　　全球腹泻年龄标化死亡率为21.6/10万。按经济水平划分，最高为低收入国家（69.6/10万），最低为高收入国家（1.1/10万），前者为后者的63倍，中国为0.5/10万。
　　1990-2017年，腹泻的平均死亡由高到低为：低收入国家（92.0/10万）、中低收入国家（62.0/10万）、全球平均水平（32.1/10万）、中高收入国家（4.7/10万），高收入国家（1.6/10万）和中国（2.5/10万）。
　　2017年与1990年相比，腹泻死亡率下降幅度由高到低为：中国（7.7/10万，94.4%），中高收入国家（9.8/10万，84.3%），低收入国家（88.7/10万，63.8%），中低收入国家（59.4/10万，61.6%），全球平均水平（27.3/10万，57.0%），高收入国家（-1.5/10万，-169.9%）。其中，2017年高收入国家的腹泻死亡率较1990年出现了上升。
　　2.1.3 疾病负担状况及对比
　　2017年不同收入国家的疾病负担见表1，率的单位为每10万。年龄标化YLD率、YLL率、DALY率最高的均为低收入国家，最低均为高收入国家，前者为后者的3.4、110.4、31.4倍。
　　2.1.4 疾病负担变化
　　1990-2017年腹泻疾病负担变化见表2，负值表示升高，率的单位为1/10万。值得注意的是，高收入国家的腹泻DALY率出现了上升，这种上升是由YLD的上升带来的。
　　2.2 腹泻疾病负担人群分布
　　2.2.1 年龄分布
　　以5岁为一年龄组，比较各年龄组DALY率，可以发现腹泻疾病负担主要集中在婴幼儿和中老年人群（图3）。
　　2.2.2 性别分布
　　2017年，全球男性腹泻DALY为41436944.9人年，DALY率为1080.6/10萬;女性DALY为39602419人年，DALY率为1040.5/10万。中国男性DALY率为72.5/10万，女性DALY率为65.9/10万。不同经济水平国家中，DALY率的性别差异而言由高到地依次为：低收入国家、中低收入国家、全球平均水平、高收入国家、中高收入国家、中国。
　　1990-2017年，不同经济水平国家中，DALY率下降幅度（%）男女差异最大的是低收入国家，最小的是中高收入国家。值得注意的是，无论性别，高收入国家的腹泻DALY标化率也出现了上升，这种上升是由YLD的上升带来的，这种趋势与粗DALY率的变化一致，提示在高收入国家中，与腹泻导致伤残损失相关的危险因素可能存在增加。
　　对于中高收入国家，无论性别，粗YLD率下降，而标化率反而出现了上升，可能的原因是受到了人口年龄结构的影响。
　　2.3 腹泻疾病负担ARIMA模型拟合
　　使用SPSS 19.0，对中国及不同经济水平国家建立腹泻DALY率的时间序列ARIMA模型，对1990-2017年腹泻标化DALY率进行拟合，并对2018、2019两年进行预测。使用ARIMA模型对腹泻疾病负担进行预测，通过多个指标评价拟合效果评价，均得到较好的结果，可以推断出该模型对于腹泻疾病负担的拟合和预测有较好的适用性。根据模型预测，2018-2019年腹泻疾病负担（DALY率）除中高收入国家外，将出现下降。
　　3 分析与讨论
　　低收入、中低收入国家的腹泻疾病负担相对较重，与其他国家还存在着较大的差距。低收入国家，腹泻的疾病负担主要表现为过早死亡损失寿命损失健康年，并与高收入国家存在巨大差距。中国在腹泻方面疾病负担相对较小，与高收入国家接近，但这个可能与中国的就诊率相对较低有关。
　　腹泻疾病负担的年龄分布，主要集中于婴幼儿和老年人群，中国、高收入国家、中高收入国家年龄曲线变化较为相近，而低收入国家和中低收入国家的腹泻疾病负担在婴幼儿和老年人群中更加突出。
　　除低收入国家外，腹泻疾病负担在性别中的分布差异不大。值得注意的是，无论性别，高收入国家的腹泻DALY率均出现了上升，这种上升是由YLD的上升带来的。在目前全球化趋势且速度加快的情形下，国际人员往来越发频繁，对于腹泻疾病负担的这种上升应引起足够的重视，寻找可能的风险因素并加以控制，如是否某种病原体导致的腹泻有所增加。
　　对于中高收入国家，无论性别，腹泻粗YLD率下降，而标化率反而出现了上升，这种差异可能的原因是受到了人口年龄结构的影响。当通过率的标准化去除了年龄结构的影响后，标化YLD率的这种上升提示了中高收入国家与腹泻导致伤残损失的相关因素可能有所增加，而由于人口结构中受这些相关因素影响的人群可能比例较少，所以仅通过粗YLD率无法获得这些信息。
　　1990-2017年，除高收入国家外，腹泻疾病负担均出现了下降。低收入国家腹泻疾病负担下降最多，高收入国家的疾病负担出现了小幅的上升。
　　使用ARIMA模型对腹泻疾病负担进行预测，通过多个指标评价拟合效果评价，均得到较好的结果，可以推断出该模型对于腹泻疾病负担的拟合和预测有较好的适用性。结合GBD的宏观数据，可以进行不同国家、地区的比较分析，加强国际疾病流行变化趋势的监测和预防控制，变被动预防为主动预防，对于控制疾病传播具有一定的价值。 　　参考文献
　　[1]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017 （GBD 2017） Cause-Specific Mortality 1980-2017[Z].Seattle， United States：Institute for Health Metrics and Evaluation （IHME），2018.
　　[2]Global Burden of Disease Collaborative Network.Global Burden of DiseaseStudy 2017 （GBD 2017） Incidence，Prevalence，and Years Lived with Disability 1990-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.
　　[3]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Disability-Adjusted Life Years and Healthy Life Expectancy 1990-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.
　　[4]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Population Estimates 1950-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.
　　[5]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Causes of Death and Nonfatal Causes Mapped to ICD Codes[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.
　　[6]孫振球，徐勇勇.医学统计学[M].第四版，北京：人民卫生出版社，2014.
　　[7]罗静，杨书，张强，等. 时间序列 ARIMA 模型在艾滋病疫情预测中的应用[J].重庆医学，2012，41（ 13） ：1255-1256.
　　[8]刘继恒，贺圆圆，等.基于时间序列模型对甲型病毒性肝炎的预测研究 [J].实用预防医学，2017，24（8）：1009-1011.
转载注明来源:https://www.xzbu.com/2/view-15202009.htm