编辑推荐：
在非洲，共病（MM）对健康构成重大挑战，但相关研究多集中于欧洲血统或高收入国家人群。研究人员针对撒哈拉以南非洲人群开展共病亚群识别研究。通过自动分层分析，发现不同地点高风险亚群有相似性，为非洲公共卫生研究提供新方法。
在全球范围内，共病（Multimorbidity，MM）已成为严峻的健康挑战。它指个体同时患多种慢性病，不仅会增加死亡率、降低生活质量，还会使医疗保健需求大幅上升。在非洲，随着人口老龄化以及肥胖、缺乏运动等生活方式风险因素的增加，共病的患病率也在不断攀升。更为棘手的是，传染病肆虐、贫困问题严重以及医疗资源匮乏，这些因素相互交织，使得共病在非洲地区造成的影响愈发严重。
然而，目前关于共病的研究大多聚焦于欧洲血统人群或高收入国家，针对非洲人群的研究少之又少。即便有涉及非洲血统人群的研究，也多以非裔美国人为对象，无法代表非洲大陆多样化的人群。而且，非洲本土人群与海外非洲裔人群的共病模式存在显著差异，这就迫切需要开展针对非洲本土人群的研究，以深入了解共病在非洲的真实负担。此外，传统的数据统计分析方法，如逻辑回归、Cox 回归和 Poisson 回归等，虽能在一定程度上识别共病的风险因素，但因其线性分析方式的局限，难以揭示特定亚群内复杂的相互作用。手动添加交互项不仅困难重重，还无法适应现代大规模、复杂数据集的分析需求。
为了解决这些问题，来自 IBM Research Africa、Sydney Brenner Institute for Molecular Bioscience 等研究机构的研究人员展开了深入研究。他们的研究成果发表在《Scientific Reports》上。
研究人员使用的主要关键技术方法如下：首先，从 Africa Wits - INDEPTH Partnership for Genomic Studies 项目（简称 AWI - Gen）的第一轮数据收集中获取数据，选取了南非阿金库尔（Agincourt）和肯尼亚内罗毕（Nairobi）的两组 40 - 60 岁的受访者。其次，将共病定义为患有高血压（Hypertension，HT）、糖尿病（Diabetes Mellitus，DM）、慢性肾病（Chronic Kidney Disease，CKD）和心血管疾病（Cardiovascular Disease，CVD）中的至少两种疾病。最后，运用自动分层技术，通过基于二项分布的似然比量化共病计数的异常性，并引入复杂性惩罚项优化结果，还采用基于随机化的假设检验评估亚群的统计学显著性。
下面来看具体的研究结果：
- 疾病共现情况：通过 Upset Plots 分析发现，高血压在阿金库尔和内罗毕都是主要的健康问题，且阿金库尔的高血压患病率更高。阿金库尔的共病患病率为 16.4%，内罗毕为 9.7%。此外，高血压与慢性肾病的共现情况在阿金库尔更为常见，且两地疾病共现模式总体相似，这暗示着两地在疾病相互作用方面可能存在共同的流行病学或社会环境因素。
- 亚群发现：利用自动分层技术，研究人员识别出了不同风险水平和复杂程度的亚群。例如，在阿金库尔，年龄≥53 岁且腰围≥950mm 的人群，患共病的几率是其他人的 3.57 倍；在内罗毕，年龄≥54 岁的女性患共病的几率较高。同时，研究发现降低复杂性惩罚可得到更复杂的亚群，但需要在亚群的可解释性和共病病例观察值与预期值的差异程度之间权衡。
- 亚群稳健性：通过跨地点转移性分析发现，在阿金库尔和内罗毕识别出的高、低风险亚群中，有 90% 在两地都能得到验证。高风险亚群的优势比可达 3.2，低风险亚群的优势比低至 0.3，这一结果明显优于仅按性别划分的亚群。
研究结论和讨论部分表明，该研究利用自动分层技术，成功发现了南非阿金库尔和肯尼亚内罗毕的共病高、低风险亚群。与传统基于性别等单一因素的分析方法相比，自动分层技术能发现更细致的亚群，且跨地点转移性分析验证了这些亚群在不同地区的稳健性，这为全球健康研究提供了有力的工具。不过，研究也存在一定的局限性，如共病的定义受数据可用性和纳入疾病范围的限制，分析时基于两种或更多疾病的存在而非两两分析，可能影响研究结果和解释。未来的研究需要与领域专家更紧密合作，进一步完善共病的定义，拓展其临床应用，深入剖析目标人群中常见的疾病组合，为非洲人群共病的管理提供更有效的策略。这项研究为非洲公共卫生研究开辟了新的道路，有望推动非洲地区在共病防治方面取得新的突破。
