中国中老年人慢性疾病共病在空间和时间上的分布模式及其决定因素：来自两项纵向队列研究的证据

《Public Health》：Spatial and temporal patterns and determinants of chronic disease multimorbidity among middle-aged and older adults in China: Evidence from two longitudinal cohort studies

该研究基于CHARLS和CFPS数据，分析2011-2020年中国45岁以上人群多病共存的时空异质性及影响因素，发现慢性病患病率总体上升且呈现东低西高空间分布，河南为高发中心，酒精摄入在东部风险显著，西北吸烟危害突出，需制定区域性防控策略。

　　

Jiaojiao Lv|Yanran Huang|Fan Du|Jiaxuan Wang|Mingxia Jing

中国石河子医科大学公共卫生学院

摘要

目的

本研究旨在探讨中老年人群中多病共存现象的时空异质性及其决定因素，从而为制定区域化的多病共存防控措施提供数据支持。

研究设计

对两项纵向队列研究进行了回顾性分析。

方法

我们利用了中国健康与退休纵向研究（CHARLS，2011–2020年）和中国家庭追踪调查（CFPS，2012–2020年）的五期纵向数据，重点关注45岁及以上的个体。通过地理信息系统（GIS）技术提取并分析了社会人口学信息和慢性病患病率，以识别多病共存发展的时空模式及其在不同省份的影响因素。

结果

2011年至2020年间，中老年人群的慢性病患病率在全国范围内以及各区域内均呈现波动但总体上升的趋势。从东到西呈现出逐步增加的空间分布模式，河南省始终是多病共存的中心地区。多病共存的分布存在显著的空间自相关性。此外，多病共存的决定因素表现出明显的空间异质性，表明存在地区特异性影响。饮酒会增加多病共存的风险，尤其是在中国东部地区；而吸烟的负面影响主要体现在西北地区。

结论

中国中老年人的多病共存现象不仅普遍存在，而且增长速度很快。空间分布特征凸显了制定差异化公共卫生策略的必要性。应特别关注女性群体的高患病率，特别是在中国西北地区，亟需实施有针对性的烟草和酒精控制政策。

引言

随着人口老龄化进程的加快和平均预期寿命的延长，全球主要的健康威胁已从传染病转向慢性病。¹慢性病已成为老年人疾病负担的主要来源，严重损害了他们的功能能力和生活质量。多病共存现象日益普遍。在低收入和中等收入国家，多病共存的患病率在3.2%至90.1%之间²，在中国，60岁及以上的老年人中有超过2亿人患有慢性病³。世界卫生组织将多病共存定义为同一个体同时存在两种或两种以上慢性病的情况⁴。多病共存增加了患者使用多种药物和出现药物不良反应的风险⁵，导致更频繁的门诊就诊和住院，大幅增加了医疗成本⁶。因此，如何在有限的资源下实现多病共存的精准防控至关重要。

已有研究表明，80%的公共卫生决策和流行病学信息与地理位置相关⁷。尽管多病共存的研究日益重要，但现有研究主要集中在疾病模式的识别⁸、个体层面决定因素的探索⁹以及临床或行为干预措施的评估¹⁰上。然而，对于人群层面多病共存的空间维度关注较少。目前仍缺乏对多病共存在不同地理区域如何演变以及空间差异如何影响疾病负担和医疗需求的理解。填补这一空白对于制定宏观层面的、因地制宜的策略至关重要。

全球空间流行病学研究已发展成为一个涵盖传染病¹¹、慢性病¹²和医疗公平¹³的多学科框架。空间流行病学传统上主要关注传染病，如血吸虫病¹⁴、肾综合征出血热¹⁵、手足口病¹⁶，近年来也开始应用于慢性非传染性疾病的研究^{17>，包括慢性病空间分布的预测分析及其发展决定因素的探索18。在这一背景下，研究人员也逐渐认识到从地理角度分析多病共存的重要价值，已有基于特定省或市的多病共存空间差异研究，例如中风19、高血压20等。王浩等人21对中国中老年人的多病共存空间分布进行了横断面分析，并指出中国西北地区是需要重点防控的关键区域。目前，国内外关于多病共存的研究在时空动态方面仍不够充分，尚未能够完全揭示其变化趋势的内在因果关系。}

因此，本研究基于CHARLS和CFPS的五期数据，分析了中国中老年人多病共存的时空演变情况，探讨了多病共存干预因素的空间分布异质性，旨在为多病共存的区域化防控提供有针对性的、差异化的科学依据。

数据来源

本研究使用了来自两项具有全国代表性的前瞻性队列研究（中国健康与退休纵向研究（CHARLS）²²和中国家庭追踪调查（CFPS）²³）的五期纵向数据（2011–2020年）。具体而言，我们分析了2011年、2013年、2015年、2018年和2020年的CHARLS数据，以及2012年、2014年、2016年、2018年和2020年的CFPS数据，研究对象为45岁及以上的成年人。两项研究均采用多阶段概率抽样方法，CHARLS覆盖了28个地区的450个社区

总体空间关联特征

如表1所示，多病共存的地理分布表现出显著的空间相关性。值得注意的是，2020年的区域间分布模式出现了明显的转变趋势。这一观察结果得到了Moran's I统计量的进一步证实，该统计量在后续年份中超过了0，表明存在显著的空间聚集现象。

具体而言，2013年的Moran's I指数低于2011年，表明多病共存的聚集程度有所下降

空间和时间演变分析的特征

本研究从时间和空间的角度探讨了疾病的分布情况，突破了仅关注疾病患病率和个体风险因素的慢性病研究的局限。通过整合具有全国代表性的多源健康监测数据，并创新性地引入空间计量模型，揭示了多病共存的空间分布模式及其空间关联信息。

伦理声明

不适用。本研究分析的CHARLS和CFPS数据已公开发布，可供自由获取。

资助

本研究得到了新疆生产建设兵团重点科技项目（2025AB090）的资助。

利益冲突声明

作者声明不存在利益冲突。

知情同意

本研究完全基于CHARLS和CFPS这两个开放获取数据库的数据，未直接涉及任何个体参与者。

致谢

我们衷心感谢中国健康与退休纵向研究（CHARLS）研究团队和中国家庭追踪调查在数据收集和管理方面所做出的努力。