基于潜在变量混合模型的多病共存压缩现象研究：来自意大利PASSI监测系统的证据

《Population Health Metrics》：Analysis of multimorbidity compression using a latent variable in a mixed mixture model

本研究针对多病共存（multimorbidity）对公共卫生的挑战，通过构建基于全球疾病负担（GBD）残疾权重的潜在变量模型，分析了意大利PASSI监测系统12年数据。研究发现意大利存在多病共存压缩现象，即严重多病状态的发病时间延迟，且该现象在社会经济优势与劣势群体中均存在。研究为优化医疗资源配置和促进健康老龄化提供了重要证据。

　　

随着全球人口老龄化进程加速，多病共存（multimorbidity），即同一个体同时患有多种慢性疾病的现象，日益成为公共卫生领域的重大挑战。多病共存不仅导致患者生活质量下降、死亡率升高，还显著增加了医疗系统的负担。在此背景下，"多病压缩"（multimorbidity compression）理论应运而生，该理论由Fries于1980年提出，认为通过有效干预，慢性疾病的发病时间可以比预期寿命的延长延迟得更快，从而缩短个体处于健康状况不佳的时期。这与"成功的失败"（Failures of Success）模型形成对比，后者认为医疗进步延长了寿命，但同时也增加了带病生存的时间。尽管多病压缩概念具有重要意义，但在意大利等高收入国家的研究仍相对缺乏，且现有研究多存在局限，如仅关注是否患有至少一种慢性病，而忽略了多种疾病共存对个体生活质量的累积影响，或未能充分考虑社会经济因素的作用。

为了更深入地探究多病压缩现象在意大利的发生情况、其在不同社会经济群体中的分布差异以及背后的驱动因素，来自意大利威尼斯Ca'Foscari大学经济系的Angela Andreella、的里雅斯特IRCCS Burlo Garofolo母幼健康研究所的Lorenzo Monasta以及Stefano Campostrini合作，在《Population Health Metrics》期刊上发表了题为"Analysis of multimorbidity compression using a latent variable in a mixed mixture model"的研究论文。该研究利用意大利PASSI（Progressi delle Aziende Sanitarie per la Salute in Italia）健康监测系统2008年至2019年共445,709名18-69岁成年人的数据，创新性地采用加权潜在特质模型（Latent Trait Model, LTM）构建了一个连续的多病共存指数，并运用混合模型（零膨胀Beta回归与随机效应相结合）分析了多病压缩的趋势及其与社会经济特征、行为风险因素的关系。

为开展研究，作者主要应用了几个关键技术方法：首先，利用基于全球疾病负担（Global Burden of Disease, GBD）项目残疾权重（disability weights）和自评健康数据构建的复合残疾权重，对潜在特质模型进行加权估计，从而将多病共存定义为一个连续的潜在变量。其次，采用零膨胀Beta回归模型（Zero-Inflated Beta Regression）并纳入地区（NUTS 2级）随机效应，以处理多病指数[0,1]区间内零值过多的问题，并同时考虑时间和空间变异性。研究所依赖的样本数据来源于意大利PASSI监测系统的横断面调查。

研究结果

多病共存指数的构建与特性

研究人员首先通过潜在特质模型成功构建了一个连续的多病共存指数。该模型将五种非传染性疾病（糖尿病、肾衰竭、呼吸系统疾病、心脏病、肿瘤）视为潜在多病特质的表现。模型参数估计显示，肾衰竭的患病率最低但对其潜在特质的影响最大（β₁ = 2.077），而肿瘤和呼吸系统疾病患病率较高但影响相对较小。项目信息函数分析进一步揭示，呼吸系统疾病和肾衰竭在低至中等多病水平（z_j ≈ 0.35）时提供最多信息，而肿瘤则在较高多病水平时更具区分度。这表明不同疾病在多病谱系中扮演着不同的角色。

多病压缩的证据与社会经济差异

混合模型分析清晰地表明，调查年份（Year）对多病指数具有显著的负向效应（估计值 = -0.002, p = 0.003），这为多病压缩在意大利的发生提供了关键证据。这意味着，在控制其他因素后，随着时间的推移，个体的多病负担呈现下降趋势，严重多病状态更集中于生命后期。

研究同时揭示了显著的社会经济差异。较高的教育水平（估计值 = -0.075, p < 0.0001）和良好的经济状况（无经济困难：估计值 = -0.065, p < 0.0001）均与较低的多病指数相关。模型还发现了性别与年龄之间存在显著的交互作用（Sex(Male):Age 估计值 = 0.004, p < 0.0001），表明男性在年轻时多病负担低于女性，但随年龄增长，男性的多病负担上升更快，在老年阶段超过女性，这与Pastore等人的研究发现一致。

尽管存在差异，但一个积极的发现是，多病压缩现象在社会经济优势群体和劣势群体中均被观察到。例如，在2008年，69岁男性在最优势群体（高教育、无经济困难）中的多病指数为0.14，而在最弱势群体（低教育、有经济困难）中为0.20。到2019年，这两个数值分别下降至0.133和0.191。然而，弱势群体2019年的多病水平仍高于优势群体2008年的水平，作者形象地称之为"阿基里斯与乌龟"效应，即虽然差距在缩小，但弱势群体的改善速度尚不足以完全追赶上优势群体。

地域变异与风险行为的作用

地区随机效应的最佳线性无偏预测（BLUP）显示，意大利不同地区间的多病负担存在明显差异。翁布里亚（Umbria）大区的多病负担最高，南部地区总体上也高于北部地区。

为了探究行为风险因素（吸烟、饮酒、不良饮食、缺乏运动）是否是驱动多病压缩的主要因素，研究人员按风险行为累计数量将人群分层后再次进行模型拟合。结果发现，负向的"年份效应"（即压缩现象）在所有风险行为层级（0至4）中均持续存在，且在风险层级0、1和2中效应大小相近，在层级3和4中虽略有减弱但仍为负向。这表明，除了风险行为流行率的下降之外，医疗服务质量提升、诊断技术进步等其他潜在因素很可能也在推动多病压缩中发挥了重要作用。

研究结论与意义

本研究的核心结论是，意大利确实发生了多病共存压缩，且这一积极趋势不仅限于社会经济优势群体，也惠及了弱势群体。研究采用的加权潜在特质模型为衡量多病负担提供了一个更优的连续指标，克服了简单计数法的局限性。研究结果强调了在制定公共卫生政策时，需同时关注促进整体健康水平提升和缩小健康不平等。

然而，研究的横断面性质限制了对压缩现象背后因果机制的深入探讨。未来需要纵向数据来验证这些趋势并明确具体的驱动因素。此外，数据集仅包含五种主要慢性病，未能涵盖多病共存的全貌。

尽管如此，这项研究为意大利乃至其他面临类似老龄化挑战的国家提供了宝贵的见解。它表明，通过综合性的公共卫生策略，包括改善医疗可及性、促进健康生活方式以及解决社会经济不平等，有望实现更成功的健康老龄化，即在延长寿命的同时，压缩患病期，提高生命质量。这为优化医疗资源配置、制定针对性干预措施指明了方向，具有重要的理论与实践意义。