南加州与美国糖尿病相关社会行为因素比较研究：区域差异与精准干预新视角

《JAMA Network Open》：Social and Behavioral Factors Associated With Diabetes in Southern California vs the US

本刊推荐：为制定针对性公共卫生策略，研究人员基于CDC的PLACES数据集开展跨 sectional 研究，通过梯度提升回归树(GBRT)机器学习方法，揭示南加州糖尿病患病率的关键关联因素（体力活动不足占31%贡献度），并发现其与全国层面关键因素（如肥胖、食品券参与）存在显著区域差异，为精准防控提供新依据。

　　

这项横断面(cross-sectional)研究巧妙运用美国疾病控制与预防中心(Centers for Disease Control and Prevention, CDC)2024年发布的"人口层面分析与社区评估"(Population Level Analysis and Community Estimates, PLACES)数据集，对南加州与全美范围内糖尿病相关的社会行为因素(social and behavioral factors)进行了生态学对比分析。

研究团队从PLACES数据库中精选了24项社会行为因素(SBC)，涵盖健康结局、预防措施、健康风险行为、健康相关社会需求以及更广泛的社会健康决定因素等多个维度。他们采用一种可解释的机器学习方法——梯度提升回归树(gradient-boosted regression tree)，来深入挖掘这些因素与医疗专业人员诊断的糖尿病(diagnosed diabetes)患病率之间的关联。

在南加州约1850万成年人覆盖的5420个普查区(census tracts)中，研究发现糖尿病平均患病率为11.29%，波动范围从1.4%到33.6%。令人惊讶的是，机器学习模型揭示出五个关键关联因素，它们共同贡献了模型67%的估计值：体力活动不足(physical inactivity)独占鳌头，贡献度高达31%；其次是常规健康检查(routine check-ups, 14%)、暴饮(binge drinking, 11%)、缺乏医疗保险(lack of insurance, 6%)以及食物匮乏(food insecurity, 5%)。

当视角转向全国范围（涵盖约2.53亿成年人的62,480个普查区），虽然糖尿病平均患病率(11.52%)与南加州相近，但关键关联因素的"阵容"却出现了显著变化。肥胖(obesity)、食品券参与(food stamp participation)、年龄≥65岁的老年群体(persons aged 65 years and older)以及种族或少数民族背景人群(persons of racial or ethnic minority background)在全国层面凸显为关键因素，而在南加州模型中却未进入核心名单。

这些发现如同一个科学路标，清晰地指向了糖尿病患病影响因素可能存在重要的区域差异(regional differences)。这不仅挑战了"一刀切"的公共卫生策略，更强调了未来研究需要深入探索这些差异背后的深层原因，从而为制定更具针对性、更高效的区域化精准干预措施提供坚实的数据支撑和理论依据。