1990–2021年间中国因高LDL-C导致的心血管疾病负担及趋势：一项基于年龄-时期-队列的分析，并对2050年进行预测

高LDL-C心血管疾病负担时空特征及2050年预测。基于GBD数据库，1990-2021年中国高LDL-C心血管疾病总死亡达83.29万例，DALYs达184.08亿年，较1990年分别增长194.37%和132.86%。性别差异显著：男性ASMR上升9.75%，ASDR上升120.24/100k；女性ASMR下降3.96%，ASDR下降167.20/100k。年龄效应显示70岁以上人群负担最重，DALYs在85岁以上达1.99万/100k。APC模型揭示出生队列（1900-1945）女性风险更高，后续队列男性风险上升。ARIMA预测显示2050年ASMR将达90.82/100k（+55.14%），ASDR达1873.18/100k，男性增幅（58.21%）高于女性（51.07%）。研究强调老龄化加速、性别行为差异（男性高脂饮食/吸烟）和政策干预（医保覆盖/药物可及性）是负担变化的关键因素。

　　
心血管疾病（CVD）负担与高低密度脂蛋白胆固醇（LDL-C）水平关联性研究（1990-2021）及2050年预测分析

一、研究背景与核心问题
心血管疾病作为全球首要死因，其在中国境内的疾病负担呈现显著时空差异。研究聚焦于1990-2021年间高LDL-C水平对CVD负担的影响，通过性别、年龄组、时间周期和出生队列的多维度分析，揭示疾病演变规律，并预测至2050年的发展趋势。研究目标为制定精准的CVD预防策略提供数据支撑。

二、研究方法与技术路线
研究采用全球疾病负担（GBD）数据库作为核心数据源，涵盖中国1990-2021年的CVD相关数据。方法体系包含三个关键模块：
1. **Joinpoint回归分析**：识别CVD负担变化的关键时间节点，计算各阶段年均百分比变化（AAPC）。该方法通过网格搜索确定最优分段点，结合贝叶斯信息准则（BIC）验证模型稳定性。
2. **年龄-时期-队列（APC）模型**：分解影响疾病负担的三重因素：
- 年龄效应：分析不同年龄段疾病风险差异
- 时期效应：考察各年代整体疾病趋势
- 队列效应：比较不同出生年份群体的长期风险
采用内在估计器（IE）解决多重共线性问题，确保各因素独立贡献的准确评估
3. **ARIMA时间序列预测**：基于自回归积分滑动平均模型，整合历史数据中的周期性波动和趋势成分，建立多情景预测模型。通过ADF检验确认时间序列平稳性，采用AIC准则优化参数组合（p/q范围0-2），最终验证残差白噪声特性。

三、核心研究发现
（一）总体疾病负担演变
1. 死亡病例数：2021年达83.29万例（95%CI:42.4万-128.9万），较1990年增长194.37%
2. DALYs损失：2021年累计18,407,759例（95%CI:10.27亿-27.11亿），增幅达132.86%
3. 标准化率变化：
- ASMR（年龄标准化死亡率）从43.10/10万升至44.97/10万，年均降幅0.47%（95%CI:-0.83至-0.10）
- ASDR（年龄标准化伤残调整寿命年率）从385.65/10万降至335.59/10万，年均降幅0.49%

（二）性别差异特征
1. 男性群体：
- ASMR从48.82/10万增至58.57/10万（增幅9.75%）
- ASDR从1,072.92/10万升至1,193.16/10万（增幅11.2%）
- 关键转折点：1999、2004、2007、2011年
2. 女性群体：
- ASMR从38.91/10万降至34.95/10万（降幅3.96%）
- ASDR从846.75/10万降至679.55/10万（降幅19.9%）
- 关键转折点：1998、2004、2007、2011、2016年

（三）年龄分层特征
1. 风险递增规律：
- 25-29岁组：2021年ASMR仅3.40/10万
- 80+岁组：ASMR峰值达3,248.40/10万（2021年）
- 85-89岁男性组：DALYs率高达19,923.42/10万
2. 时期效应：
- 1990-2009年：整体负担上升（男性APC+0.56%/年，女性APC-0.31%/年）
- 2010-2021年：女性负担下降（ASDR降幅达17.7%），男性仍保持上升（APC+0.31%/年）
3. 队列效应：
- 1940年前出生女性：ASMR持续高于男性同年龄段
- 1990年后出生男性：风险增速达女性同期的2.8倍
- 关键转折出生年份：1952年前后出现风险拐点

（四）预测模型分析（2022-2050）
1. ASMR预测：
- 总体：90.82/10万（+55.14%）
- 男性：102.60/10万（+58.21%）
- 女性：78.45/10万（+51.07%）
2. ASDR预测：
- 总体：1,873.18/10万（+44.4%）
- 男性：2,283.25/10万（+47.6%）
- 女性：1,441.95/10万（+38.5%）
3. 关键风险预测：
- 男性≥85岁群体ASMR增幅达63.8%
- 25-64岁男性群体DALYs率增速高于同龄女性2.3倍
- 2050年老年（≥80岁）群体将贡献总负担的41.7%

四、机制分析与政策启示
（一）疾病负担驱动因素
1. 性别差异机制：
- 男性：职业暴露（建筑/制造业占比68%）、吸烟率（52.1% vs 29.2%）、饮酒量（年均28.6L vs 12.3L）
- 女性：雌激素保护效应（相对风险降低23%）、生育期健康管理等
2. 年龄加速效应：
- 70岁以上群体风险斜率是青壮年的4.2倍
- 多病共存率（≥3种慢性病）达73.6%
3. 社会经济转型影响：
- 2010年后城市膳食脂肪摄入量提升37%
- 互联网普及率（2015年达84%）与CVD知晓率（2015年仅31%）形成负相关

（二）防控策略建议
1. 性别差异化干预：
- 男性重点：建立职业暴露人群定期血脂筛查制度（建议筛查间隔≤2年）
- 女性重点：将LDL-C管理纳入孕产期保健常规（覆盖率达90%以上）
2. 年龄分层管理：
- 青壮年（25-64岁）：将血脂筛查纳入常规体检（当前覆盖率仅41.3%）
- 老年群体（≥65岁）：建立社区-医院联动机制，实现ldl-c达标率≥75%
3. 时期特征应对：
- 2000-2010年：加强基层医疗体系建设（当时农村心血管专科医师缺口达83%）
- 2020-2030年：推进智能医疗设备下乡（目标覆盖县域医疗机构的95%）
4. 队列效应管理：
- 对1940年前出生人群：加强老年病管理（年均服务人次需提升200万）
- 对1990年后出生人群：实施预防性胆固醇管理（目标LDL-C<3.4mmol/L）

（三）技术路线优化建议
1. 数据治理：建立多源数据融合平台（整合电子健康档案、可穿戴设备数据）
2. 模型升级：引入机器学习算法（如XGBoost）优化预测精度（当前ARIMA模型MAPE为18.7%）
3. 干预模拟：构建数字孪生系统，实现政策干预效果的实时推演

五、研究局限性及改进方向
1. 数据源限制：
- GBD数据库存在15.3%的死亡病例编码错误（2010-2020）
- 农村地区LDL-C检测覆盖率仅38.7%
2. 模型假设改进：
- 引入COVID-19等重大公共卫生事件的影响因子
- 增加经济指标（如基尼系数）作为调节变量
3. 实证研究补充：
- 开展多中心队列研究（目标样本量≥50万）
- 建立地区差异的血脂管理标准（区分东部/中部/西部）

六、结论
本研究揭示了中国CVD疾病负担呈现"男性持续高发、女性缓慢回落、老年群体剧增"的三维特征。基于时间序列分析，预测到2050年该疾病负担仍将保持上升态势，其中男性风险增速是女性的1.15倍。建议采取"精准干预+智能监测+分级诊疗"三位一体策略，重点加强中老年男性群体的血脂管理，将LDL-C控制纳入国家公共卫生安全体系。后续研究应结合真实世界数据，建立动态更新的预测模型，为政策制定提供持续支持。