关于健康相关生活质量与多重疾病的纵向研究：从发展轨迹到最终结果的探讨（以中国为例）

《Frontiers in Public Health》：Longitudinal study on health-related quality of life and multimorbidity: from trajectories to outcomes in China

多病共存与生活质量动态关联研究基于中国西北农村地区2012-2022年追踪数据，采用群组轨迹模型分析多病共存（≥2种慢性病）与EQ-5D效用指数的纵向关联。结果显示：1）生活质量下降轨迹人群的多病共存风险是稳定组的2.89倍（2种疾病）和5.01倍（3种及以上）；2）多病共存快速上升轨迹人群的EQ-5D效用指数下降0.09。研究表明不同多病共存轨迹对生活质量具有差异化影响，生活质量轨迹可预测多病共存风险，为农村地区慢性病防控提供新视角。

　　在当前的研究中，科学家们聚焦于中国农村地区成年人的多病共存（multimorbidity）与健康相关生活质量（health-related quality of life, HRQoL）之间的长期关联。多病共存是指个体同时患有两种或更多种慢性疾病，这一现象在全球范围内日益普遍，尤其是在中老年人群中。研究发现，多病共存不仅影响个体的身体健康，还对社会功能和心理状态产生深远影响，进而降低整体生活质量。然而，过去的研究多基于单次测量结果，未能充分揭示多病共存与HRQoL随时间变化的关系。因此，本研究采用纵向轨迹模型，分析多病共存和HRQoL的变化趋势，从而探索二者之间的相互作用。

研究对象来自中国西北地区的一项长期健康调查项目，覆盖了四个县的超过2万名居民。研究团队通过对2012、2015、2019和2022年的数据进行分析，选取了1,398名完成四次随访的参与者。他们使用了EQ-5D-3L量表，这是一种广泛应用于衡量HRQoL的工具，包含五个维度：行动能力、自我照顾、日常活动、疼痛或不适、焦虑或抑郁。每个维度都有三个等级，从“无问题”到“严重问题”。通过这一量表，研究人员能够评估参与者在不同时间点的健康状况，并计算出相应的效用指数。该指数不仅反映了个体的健康状态，还能够量化其生活质量的改善或下降趋势。

研究结果显示，参与者在HRQoL效用指数的变化上呈现出两种主要轨迹：一种是稳定的轨迹，另一种是逐渐下降的轨迹。稳定轨迹的参与者占到了91.4%，而下降轨迹仅占8.6%。这一差异可能与年龄、教育水平、医疗资源获取等多方面因素有关。下降轨迹的群体中，年龄较大的个体、教育水平较低的个体以及有频繁就医记录的参与者比例更高。此外，研究还发现，下降轨迹与多病共存的风险显著相关，相较于稳定轨迹的群体，下降轨迹的个体出现两种或更多种慢性疾病的概率分别增加了1.95倍和3.78倍。这表明，随着HRQoL的下降，个体罹患多病共存的可能性也随之增加。

与此同时，研究人员也分析了多病共存的变化轨迹。他们发现，多病共存的增加趋势可以分为缓慢增长和快速增长两种类型。缓慢增长轨迹的参与者占57.1%，而快速增长轨迹占42.9%。在快速增长轨迹中，女性、年龄在45岁以上、教育水平较低的个体更为常见。此外，快速增长轨迹的参与者在2022年的HRQoL效用指数比缓慢增长轨迹的个体低了0.09，这进一步支持了多病共存与HRQoL之间的负相关关系。该结果表明，随着慢性疾病数量的增加，个体的生活质量可能逐渐下降，这种下降趋势可能对健康产生更深远的影响。

研究的另一个重要发现是，HRQoL的变化轨迹能够预测多病共存在的发生。通过调整多种协变量，研究团队发现，下降轨迹的个体在2022年出现两种或更多慢性疾病的概率显著高于稳定轨迹的个体。这说明，个体的生活质量不仅受到多病共存的影响，还可能反过来影响其健康状况的演变。因此，识别和监测HRQoL的变化轨迹，可能成为早期发现多病共存在的有效手段，从而实现更精准的干预和管理。

研究还探讨了多病共存与HRQoL之间的复杂机制。一方面，HRQoL可能反映了个体在早期阶段尚未被诊断的慢性疾病的症状，例如疼痛、行动障碍或心理压力，这些症状可能与某些慢性疾病有关，但由于个体健康意识不足或医疗资源有限，这些疾病可能未能被及时识别。另一方面，已经被诊断的慢性疾病通常伴随着明显的症状或临床表现，这些症状可能对个体的身体和心理状态造成显著影响，从而降低其HRQoL。例如，高血压、糖尿病、心脏病等慢性病的长期存在，可能导致身体功能的退化，进而影响个体的日常活动和情绪状态。

在方法上，研究团队采用了组轨迹模型（group-based trajectory modeling, GBTM），这是一种基于潜在类别增长模型的统计方法，能够识别不同群体随时间变化的趋势。他们使用Stata软件中的“traj”插件进行模型拟合，并通过贝叶斯信息准则（BIC）、平均后验概率（AvePP）以及每组样本数量是否超过总样本的5%等标准来评估模型的最优解。最终确定的两个HRQoL轨迹和两个多病共存轨迹，均能有效反映不同群体的健康变化趋势。此外，研究还进行了多种敏感性分析，以确保结果的稳健性，包括剔除教育水平缺失的个体、调整吸烟和饮酒状况等。

研究的局限性也值得提及。首先，慢性病的诊断信息是基于自我报告，这可能导致数据的不准确性，尤其是在农村地区，医疗资源相对匮乏，个体可能缺乏足够的健康意识或医疗接触机会。其次，研究未纳入高血脂症等其他慢性疾病，这可能低估了多病共存的总体情况。此外，由于研究持续了10年，参与者年龄的增长可能独立于多病共存的影响，从而干扰HRQoL的变化趋势。因此，未来的研究需要考虑年龄作为时间依赖变量，或对不同年龄段进行分层分析，以更全面地理解多病共存与HRQoL之间的关系。

研究的意义在于，它为政策制定者提供了新的视角，即通过监测HRQoL的变化轨迹，可以更早地识别多病共存的高风险人群。这一发现不仅适用于中国农村地区，也具有一定的推广价值，尤其是在医疗资源有限的低收入国家。通过将HRQoL纳入多病共存的管理策略，可以有效提升个体的生活质量，延长寿命，并减轻因多病共存带来的经济负担。此外，研究还强调了多病共存的异质性，即不同个体可能遵循不同的健康轨迹，因此需要采取个性化的干预措施，以应对不同群体的需求。

总的来说，这项研究通过长期跟踪和分析，揭示了多病共存与HRQoL之间的动态关系。它不仅加深了对农村地区慢性病管理的理解，还为制定更加精准的公共卫生政策提供了理论依据。未来的研究可以进一步探索HRQoL和多病共存之间的双向作用机制，同时关注更多潜在的协变量，如生活方式、社会支持和心理健康状况，以更全面地评估健康风险。此外，研究结果的推广和应用也需要更多的实证数据支持，尤其是在不同文化背景和社会经济条件下，HRQoL的测量和解释可能会有所不同。因此，未来的研究应更加注重跨文化比较，以确保结论的普遍适用性。