编辑推荐：
为解决配偶丧偶与死因别死亡率关系及预测模型准确性问题，丹麦研究人员开展相关研究。结果发现丧偶对男女死因别死亡率影响不同，预测模型准确性有限。该研究助于理解丧偶影响，为后续研究和资源分配提供参考，值得一读。
在人口老龄化加剧的当下，丧偶（spousal bereavement）这个常出现在老年人生活中的重大事件，越来越受到人们的关注。随着年龄增长，老人们的身体越发脆弱，像丧偶这样的压力源，很容易对他们的健康和寿命产生影响。过去的研究已经发现，丧偶会带来一系列健康问题，比如饮食质量下降、抑郁，甚至还会增加死亡风险。不过，大多数研究都聚焦在丧偶和全因死亡率的关系上，对于因不同疾病导致的死亡率（cause-specific mortality），也就是我们常说的死因别死亡率，了解得还比较少。而且，之前研究使用的方法大多只能估计丧偶和全因死亡率之间的平均关联，无法针对个体的死因别风险进行预测。
为了填补这些知识空白，来自丹麦的研究人员在《Scientific Reports》期刊上发表了一篇名为《Spousal bereavement and cause-specific mortality: a matched cohort study and development of prediction models》的论文。这篇论文通过深入研究，得出了不少重要结论，对我们理解丧偶和老年人健康之间的关系有很大帮助。
研究人员为了开展这项研究，采用了好几种关键的技术方法。他们先是运用了匹配队列研究设计，把 2012 年丧偶的老人和平均 20 个未丧偶的老人进行匹配，匹配的依据是一些社会人口学和整体健康状况信息。然后，使用 G 估计（G-estimation）这种方法来评估丧偶对死因别死亡率的平均影响，这个方法能通过反事实情景（counterfactual scenarios）来进行因果推断。最后，他们利用逻辑回归（logistic regression）和极端梯度提升（XGBoost）算法开发并验证了预测模型，用这些模型来估计丧偶后 3 年内的死因别死亡风险 。
下面咱们来看看具体的研究结果。
- 描述性分析：研究人员发现，参与研究的人群里女性比例比男性高。年龄分布上，各个年龄段都有一定比例的老人。而且大部分老人是丹麦本地人，多数人都有孩子，并且在研究开始前一年，大部分老人每周的医疗保健支出在 10 - 99 丹麦克朗。
- 丧偶的平均影响：在 3 年的随访期里，大部分老人还活着，但也有 12.3% 的老人去世了，其中癌症是最常见的死因，而精神疾病或自杀是最少见的死因。具体来看，丧偶的老年男性死于心血管疾病（CVD）、消化系统疾病、精神疾病或自杀、呼吸系统疾病的风险更高，不过死于痴呆或帕金森病的风险更低。比如说，每 1000 个丧偶的老年男性中，因心血管疾病死亡的人数比未丧偶的多 8 人；而死于痴呆或帕金森病的人数，每 1000 个丧偶男性中比未丧偶的少 4 人。丧偶的老年女性则是死于心血管疾病、精神疾病或自杀的风险更高 。像每 1000 个丧偶的老年女性中，因心血管疾病死亡的人数比未丧偶的多 5 人。
- 预测死因别死亡率：研究人员用社会人口学变量和医疗保健支出数据来预测死因别死亡率。结果发现，不同死因的预测性能差别很大。对于糖尿病、痴呆或帕金森病、呼吸系统疾病，全模型（包含更多预测变量的模型）的判别能力最高。但是，增加社会人口学变量和医疗保健支出这些预测变量，并没有提高预测的准确性。比如在预测癌症死亡风险时，增加这些变量后，预测模型的性能并没有明显变化。
- 机器学习模型与经典模型对比：研究人员把 XGBoost 模型和逻辑回归模型进行比较，发现对于所有死因，这两种模型在预测准确性上并没有显著差异。这说明更复杂的机器学习模型，在使用相同预测变量的情况下，并没有比逻辑回归模型表现得更好。
- 决策曲线分析：从决策曲线分析结果来看，把社会经济因素和合并症作为预测变量，并没有提高模型的净效益。而把不同的医疗保健支出作为预测变量，对预测癌症和痴呆或帕金森病的死亡风险有一定帮助，但对其他死因的帮助不太明显。而且，从一定的阈值概率开始，全模型的净效益就接近零了。
综合研究结果和讨论部分的内容，这项研究意义重大。它首次给出了丧偶后因特定原因死亡的绝对风险，让我们清楚地看到丧偶老人和未丧偶老人在死亡风险上的细微差别。虽然丧偶会增加老年男性和女性某些疾病的死亡风险，但这个风险幅度其实比较小。而且，研究还发现，即使有全面的医疗保健和社会人口学数据，准确预测个体的死因别死亡率仍然是个难题。这就给未来的研究指明了方向，我们需要寻找更准确的预测方法。对于医疗保健系统和社会来说，了解这些信息也能更好地为老年人提供帮助。比如，知道丧偶老人哪些疾病的死亡风险较高，就可以有针对性地开展预防和干预措施，合理分配医疗资源，让老人们能够更健康地度过晚年生活。
