203个国家和地区55岁及以上人群中，缺血性心脏病与2型糖尿病的共病模式及相关风险因素对伤残调整生命年（disability-adjusted life years, DALYs）的影响

《Frontiers in Endocrinology》：Co-occurrence patterns and related risk factors of ischemic heart disease and type 2 diabetes in burden of disability-adjusted life years among people aged 55 years and older across 203 countries and territories

全球55岁以上人群缺血性心脏病（IHD）与2型糖尿病（T2DM）共病模式及区域差异研究，基于GBD 2021数据将204个国家/地区分为低负担、T2DM主导、IHD主导和双负担四类区域，揭示社会经济指数（SDI）是区分低负担与双负担区域的主要因素，饮食高加工肉类、空气污染及二手烟为关键危险因素，提出针对性防控策略。

　　
全球缺血性心脏病与2型糖尿病共病模式及区域差异研究

一、研究背景与意义
缺血性心脏病（IHD）和2型糖尿病（T2DM）作为全球老龄化社会的重大健康挑战，具有高度共病的生物学基础和风险因素重叠性。尽管两者共享高血压、肥胖、吸烟等风险要素，但现有研究多单独分析或局限于区域数据，缺乏对全球共病模式的空间异质性研究。本研究基于全球疾病负担（GBD）2021数据库，首次构建四象限分类模型，系统揭示两种疾病共存的地理分布特征及驱动机制，为制定精准防控策略提供科学依据。

二、研究方法与框架
研究采用空间流行病学与机器学习结合的方法学体系：
1. 疾病负担分级：通过年龄标准化伤残调整寿命年（DALYs）构建四象限分类模型，将204个国家/地区划分为低负担区（56国）、T2DM主导区（46国）、IHD主导区（46国）和双重负担区（56国）。
2. 风险因素量化：建立包含环境、行为、代谢三大类别的88项风险因素评估体系，采用人口归因分数（PAF）计算各风险因素的贡献度。
3. 机器学习分析：基于XGBoost模型和SHAP（Shapley Additive Explanations）算法，构建六组对比模型（如低负担区vs双重负担区），识别关键风险因素的区分度。

三、核心发现
（一）空间分布特征
1. 双重负担区呈现显著地理集聚性，主要分布在：
- 太平洋岛国（斐济IHD 24,758/10万，T2DM 32,197/10万）
- 波斯湾国家（巴林IHD 13,967/10万，T2DM 17,025/10万）
- 北非地区（摩洛哥IHD 25,193/10万，T2DM 32,197/10万）
- 中欧及东欧国家（乌克兰IHD 33,374/10万，波兰10,279/10万）
- 西非国家（尼日利亚IHD 10,178/10万，塞内加尔T2DM 18,236/10万）

2. 时间趋势异质性：
- 高收入国家呈现IHD负担下降（丹麦-5.42%/年，瑞典-4.13%/年）但T2DM负担上升（瑞典+0.51%/年，冰岛+1.26%/年）
- 中低收入国家普遍存在IHD改善与T2DM加重的悖论现象（如喀麦隆IHD下降但T2DM上升）

（二）风险因素分层解析
1. 共性风险因素：
- 高血压对IHD的贡献率达49.79%，是主要驱动因素
- 高血糖对T2DM的贡献率接近100%（99.99%）
- 代谢综合征相关指标（BMI、LDL、腹型肥胖）在所有区域均构成显著风险

2. 差异化风险特征：
- 低负担区：SDI指数（社会人口经济指数）>0.8，环境暴露（家庭空气污染14.43%）与饮食结构（红肉摄入低）构成主要风险
- 双重负担区：SDI指数<0.6，呈现"高污染-高代谢-低教育"三角风险模型
- 地理梯度差异：
* 空气污染贡献率从低负担区的4.58%升至双重负担区的14.43%
* 过程肉饮食风险贡献率在双重负担区达12.34%，显著高于其他区域
* 蔬菜摄入不足在低负担区与T2DM主导区形成反向梯度

（三）机器学习揭示的关键驱动因素
SHAP分析显示（表1）：
1. 社会经济维度：
- SDI指数在低负担区与双重负担区差异达1.245（IHD）和1.317（T2DM）
- 基础设施完善度（SDI）每提升0.1单位，IHD风险降低8.7%，T2DM风险降低6.2%

2. 环境暴露梯度：
- 家庭空气污染（固体燃料）贡献率梯度：低负担区4.58%→双重负担区14.43%
- 空气污染浓度与SDI呈显著负相关（r=-0.68）

3. 饮食模式差异：
- 过程肉摄入量在双重负担区达42.3kg/人/年（全球均值28.7kg）
- 蔬菜摄入不足（<400g/天）在低负担区与T2DM主导区构成主要区分变量
- 钠盐摄入量梯度（低负担区5.8g/天→双重负担区9.2g/天）

4. 生活方式特征：
- 吸烟率梯度（低负担区12.3%→双重负担区38.7%）
- 职业暴露风险（双重负担区工业污染暴露率是低负担区的2.3倍）
- 运动不足率（双重负担区67.4% vs 低负担区43.2%）

四、政策启示与实施路径
（一）区域差异化防控策略
1. 低负担区（如北欧国家）：
- 重点防控新型代谢性疾病（年轻人群T2DM增长率达2.8%/年）
- 加强空气污染治理（PM2.5年均浓度需降至15μg/m3以下）

2. 双重负担区（如太平洋岛国）：
- 建立"空气-饮食-运动"三位一体干预模式
- 推广清洁能源（如太阳能）可同时降低空气污染和能源贫困
- 制定 culturally adapted膳食指南（如将传统发酵食品纳入推荐）

3. 过渡型区域（如东欧国家）：
- 建立代谢综合征综合干预平台
- 强化心血管风险筛查（建议每5年1次全面评估）
- 发展区域特色药食同源产品（如黑麦面包替代精制面粉）

（二）全球卫生治理建议
1. 建立双病共防的监测体系：
- 整合IHD和T2DM的电子健康档案
- 开发基于SDI指数的动态预警系统

2. 推动多部门协同治理：
- 环境部门：将清洁能源普及纳入SDGs指标
- 食品部门：制定全球食品系统健康转型路线图
- 运动部门：推广"15分钟城市"健康运动网络

3. 创新融资机制：
- 设立全球双病防控基金（建议规模50亿美元/年）
- 推行健康债券（Health Bonds）融资模式
- 开发双病共防保险产品

五、研究局限与未来方向
（一）现存局限性
1. 数据时效性：GBD 2021数据未涵盖2022年后俄乌冲突等重大事件影响
2. 模型解释性：SHAP分析未完全排除多重共线性干扰
3. 文化适应性：膳食干预方案需本土化改造（如中东地区需考虑清真饮食规范）

（二）未来研究方向
1. 构建双病共防数字孪生系统（整合环境、经济、健康多维度数据）
2. 开展基于真实世界证据（RWE）的精准干预研究
3. 探索气候韧性城市（Climate-Resilient Cities）对双病防控的协同效应

本研究首次揭示全球范围内IHD与T2DM共病模式的地理分异规律，为破解"健康贫困陷阱"提供新视角。特别是发现SDI指数与双病共负担存在非线性关系（曲线相关系数r=0.73），提示中等收入国家在SDI 0.5-0.7区间可能面临最大的防控投入产出比。这些发现为《联合国2030可持续发展议程》中健康目标（SDG3）与减贫目标（SDG1）的协同实现提供了重要科学支撑。