基于复合指数的全球健康风险因素趋势分析（2015-2019）：跨100个国家的人类发展指数分层研究

本研究针对全球健康风险因素存在显著差异且缺乏综合评估工具的问题，开发了健康风险因素复合指数（HRFI）及其营养（NUTI）、环境风险（ERFI）和非传染性疾病（NCDI）子指数。通过对100个国家2015-2019年数据分析发现，极高人类发展指数（HDI）国家在HRFI、NUTI和ERFI表现优异，而低/中等HDI国家在NCDI更具优势。新加坡连续五年位居HRFI榜首。研究揭示了健康风险与人类发展的强相关性（Spearman's ρ=0.897），为针对性干预和资源分配提供了科学依据。

　　

在全球健康领域，风险因素是导致死亡和疾病负担的关键驱动力。世界卫生组织（WHO）数据显示，全球44%的死亡和34%的残疾调整生命年（DALY）可归因于24种健康风险因素。尤其令人担忧的是，不同社会经济群体面临的风险暴露存在显著差异，中低收入国家承受着不成比例的疾病负担。然而，现有研究多局限于单一风险因素或狭窄领域，缺乏能够综合反映多维度健康风险的整体评估工具。

面对这一挑战，Junaid等研究人员在《Journal of Health, Population and Nutrition》上发表了创新性研究。他们采用复合指数方法，构建了能够全面评估健康风险因素的综合指标体系。研究基于WHO《全球参考清单2018》框架，选取了涵盖营养、环境风险和非传染性疾病三大领域的12个核心指标，对100个国家2015-2019年的健康风险状况进行了系统分析。

研究方法上，团队采用了严谨的多阶段技术路线。首先通过 purposive sampling（目的性抽样）策略从189个国家中系统选取100个代表国家，按UNDP标准分为四个HDI等级。针对数据缺失问题，采用多重插补法（MICE）进行处理，确保数据完整性。指标标准化采用UNDP推荐的最小-最大值归一化方法，权重确定则通过主成分分析（PCA）这一客观统计方法完成。最后运用逆归一化欧几里得距离公式进行指标聚合，构建出HRFI及其三个子指数。

HDI群体在特定健康风险因素指标中的表现

研究结果显示，不同HDI群体在各项指标上呈现规律性差异。在"儿童消瘦"指标上，所有国家整体表现最佳（标准化值0.952），而"成人超重"指标表现最差（0.548）。除儿童超重、烟草使用和成人超重等少数指标外，极高HDI群体在大多数指标上表现最优，低HDI群体则面临最高健康风险。

HDI群体在健康风险因素指数中的表现

根据UNDP分类标准，HRFI被划分为四个绩效等级。2015年，100个国家中仅1个达到"极高HRFI"，9个为"高"绩效，53个为"中等"，37个为"低"绩效。到2019年，无国家达到"极高"等级，但"高"绩效国家增至13个。绝大多数低HDI国家持续处于低HRFI水平，显示健康风险分布的稳定性。

2015年基期与2019年参考期健康风险因素复合指数及子指数趋势

极高HDI国家在NUTI（0.902）和ERFI（0.914）上表现突出，但在NCDI上相对较弱（0.482）。相反，低和中HDI群体在NCDI上表现更好（分别为0.761和0.664）。2015-2019年间，所有HDI群体的HRFI均有改善，其中高HDI群体进步最大（增长0.014）。值得注意的是，尽管存在绝对进步，但无国家在观察期内发生指数等级跃迁。

地理分布与国家特定排名

新加坡在2015年（0.853）和2019年（0.793）均位居HRFI榜首，其成功归因于高效的公共卫生系统和数据驱动的规划策略。2015年排名前10的国家主要来自欧洲（5个）和亚洲（4个），2019年约旦和加拿大进入前十。排名后10的国家中，非洲国家占主导地位，如布基纳法索、尼日尔等，反映区域健康风险集中现象。

健康风险因素复合指数及子指数与人类发展指数的关联

Spearman等级相关分析揭示HDI与NUTI（ρ=0.944）、ERFI（ρ=0.937）和HRFI（ρ=0.897）呈极强正相关，与NCDI（ρ=-0.845）呈极强负相关（均p<0.001）。蒙古等高HDI国家和莱索托等低HDI国家的异常表现，说明地方政策和特定干预能显著影响健康风险分布。

研究结论强调，健康风险因素分布与经济社会发展水平存在系统性关联。极高和高HDI国家需重点应对非传染性疾病相关风险，而低和中HDI国家应优先改善营养和环境风险因素。HRFI复合指数为全球健康风险评估提供了实用工具，有助于制定针对性干预策略和优化资源配置。该指数框架可扩展应用于不同行政层级，促进全球健康公平和可持续发展目标（SDG）的实现。

研究的创新性在于首次构建了全球健康风险因素复合指数，但存在一定局限性。感染和伤害/有害传统实践两个子领域因数据缺失严重未能纳入，影响了指数全面性。未来研究可结合全球疾病负担（GBD）等数据源进行交叉验证，并开展敏感性分析检验指数稳健性。