突破传统：多组非重叠指数（）解锁死亡率社会经济不平等测量新视角

为解决传统死亡率不平等测量方法的局限问题，研究人员开展多组非重叠指数（）测量社会经济不平等的研究。结果显示与传统指标不同，且死亡率变化对不平等影响更大。推荐科研读者阅读，以获取新视角和研究思路。

　　

别再只看平均数！新指标揭示死亡率背后的社会经济差异

在我们生活的这个世界里，不同人群的死亡率差异一直是个备受关注的话题。长期以来的研究发现，一个国家内不同群体以及不同地区之间，死亡率的差异十分显著。比如说，社会经济地位较低的人群往往健康状况也较差，死亡率也就更高。像受教育程度低的群体，或者生活在贫困地区的人们，他们的预期寿命（指在当前死亡率条件下，一个人一生可能存活的平均年数）往往较短，而寿命变异（指人群中个体死亡年龄的差异程度）却更大。

为了衡量这种死亡率差异，大家想出了不少办法。常见的有范围和比率测量、斜率和相对不平等指数（SII 和 RII）、平均组间差异（AID）、人群归因风险（PAR）和人群归因分数（PAF）等。这些方法大多是基于每个群体的死亡率汇总指标，比如年龄标准化死亡率、预期寿命、死亡时的众数年龄以及寿命变异指标等。虽然这些汇总指标使用起来很方便，能把每个群体的死亡率信息用一个数字概括，便于理解，但它们也存在问题。就好比用这些指标去比较不同群体的死亡率时，可能会隐藏一些重要信息，无法全面、准确地评估社会经济不平等对死亡率的影响。

举个例子，假设有两个不同的人群，用传统指标看，他们的预期寿命比值和寿命变异比值可能显示出某种趋势，但实际上这两个群体的死亡年龄分布重叠情况却被忽略了。如果只看这些汇总指标，就可能误以为两个群体的死亡率差异不大，但实际上他们的死亡年龄分布可能有很大不同。这就像只看平均成绩，忽略了成绩的具体分布一样，不能真正了解每个学生的学习情况。

正是因为这些问题的存在，作者[第一作者单位] 的研究人员想要找到更好的方法来衡量死亡率的社会经济不平等。他们在《Journal of Epidemiology and Community Health》期刊上发表了题为 “Evaluating and implementing the multi-group extension of the non - overlap index to measure socioeconomic inequalities in mortality” 的论文。通过研究，他们发现多组非重叠指数（）是个不错的选择，这个指数不仅能反映均值和方差的变化，还能对影响分布形状的更广泛的死亡率变化做出反应。而且，用计算出的死亡率不平等水平和趋势，往往与其他传统汇总指标有所不同。他们还发现，死亡率变化对不平等变化的贡献通常大于人口构成变化的贡献。这一研究成果意义重大，为我们深入了解死亡率不平等提供了新的视角和方法，有助于更准确地评估社会经济因素对死亡率的影响。

研究人员在这项研究中主要运用了以下关键技术方法：

1. 两两非重叠指数：基于 Tanimoto 或 Jaccard 指数，研究人员使用其互补度量，即非重叠指数。多组扩展的两两非重叠指数（）通过计算所有组对之间非重叠指数的加权平均值来衡量死亡率不平等，能更全面地反映不同群体死亡年龄分布的差异。
2. 分解分析：运用 Shapley 分解来估计每个子群体对的边际贡献，同时使用逐步替代算法，利用《DemoDecomp》R 包将和相对不平等指数（RII）分解为群体特定死亡率的变化和人口构成的变化，以此分析影响死亡率不平等变化的因素。

接下来，让我们详细看看研究结果：

1. 丹麦和瑞典按教育程度划分的死亡率不平等：研究人员利用重建的丹麦和瑞典按教育程度划分的生命表数据进行分析。从 1991 - 1995 年到 2011 - 2015 年，瑞典女性各教育程度群体的死亡年龄分布都向老年推移，低教育程度群体的预期寿命和寿命变异有所增加，中高教育程度群体的寿命变异则有所下降，同时瑞典还经历了教育扩张。在这个过程中，不同的不平等衡量指标呈现出不同的趋势。比如，瑞典女性的预期寿命比值先增后减，寿命变异比值持续增加，RII 变化明显，而从 2001 - 2005 年开始下降，这表明用传统的汇总指标可能会掩盖群体间死亡率收敛的模式，而能捕捉到更多信息。而且，不同国家和性别的不平等水平因衡量指标而异。通过 Shapley 分解发现，低教育和高教育群体对的边际贡献最大，年龄特异性分解表明，两国两性的变化主要由死亡率变化驱动，低教育程度群体有助于减少不平等，高教育程度群体则相反，人口构成变化在大多数情况下会增加，但丹麦女性除外。
2. 英格兰按地区贫困指数划分的死亡率不平等：在英格兰的研究中，研究人员使用了英格兰多重贫困指数（IMD）2015 年十分位数的数据。从 2006 - 2008 年到 2014 - 2016 年，英格兰女性的稳步上升，与 RII 趋势相似，但与寿命变异比值和预期寿命比值的趋势不同；男性的和预期寿命比值趋势相似，但相对变化方向不同，RII 持续上升，寿命变异比值下降。在不平等水平方面，男性的死亡率不平等高于女性，且性别差距在研究期间有所缩小，显示出比 RII 更大的性别不平等差距缩小幅度。Shapley 值分解表明，较低的十分位数对的边际贡献最大，中间十分位数（5 和 6）的贡献为负。逐步分解显示，的增加是因为最高十分位数的死亡率变化抵消了最低十分位数的贡献，且女性的贡献集中在更窄的年龄范围内，人口构成变化的贡献相对较小。

研究结论和讨论部分指出，在研究涉及的所有时期，的变化主要由各子群体的死亡率变化驱动。高教育程度群体和较高的十分位数群体导致不平等增加，而低教育程度群体和较低的十分位数群体则有助于减少不平等。在两个案例中，随时间增加，意味着较高社会经济地位（SES）群体的死亡率改善速度快于较低 SES 群体，从而加剧了不平等。与基于预期寿命或寿命变异的指标可能呈现不同模式，这是因为它能反映死亡年龄分布的变化和压缩情况。虽然存在一些局限性，比如无法指示分布收敛的方向，研究结果可能受数据调整的影响，且基于生命表数据可能无法直接指导政策制定，但它仍然具有重要意义。可以作为死亡率不平等的替代衡量指标，补充传统指标的不足，为研究社会经济不平等对死亡率的影响提供更全面的视角。在死亡率改善在不同人群中变得越来越不均衡的背景下，这种考虑了死亡年龄分布差异的测量方法，能帮助我们更好地理解和应对死亡率不平等问题，为制定更有效的公共卫生政策提供参考依据。