编辑推荐：
本文通过队列研究，利用年龄 - 时期 - 队列模型（age - period - cohort model），分析美国各州及华盛顿特区 1900 - 2000 年出生队列的全因死亡率和预期寿命。研究发现不同地区差异显著，对资源分配和公共卫生干预决策意义重大。
引言
联合国可持续发展目标重点关注降低各国过早死亡率。美国在 20 世纪总体死亡率下降、预期寿命增加，这得益于卫生条件改善、烟草控制、医疗保健进步以及心血管疾病、癌症等疾病的预防。然而，美国各州之间死亡率存在显著地理差异，这种差异受州级政策影响，例如推行进步公共卫生政策的州，居民预期寿命往往更高。同时，县级层面也能观察到死亡率的空间差异。
以往研究多基于横截面数据，未从出生队列角度分析死亡率趋势。但横截面数据每年涵盖不同出生队列，难以准确反映各代人健康状况。出生队列视角能体现人群真实生活经历，公共卫生干预早期对特定队列产生影响，并伴随其年龄增长。本研究旨在填补这一空白，分析美国各州及华盛顿特区出生队列的死亡率和预期寿命趋势。
方法
本研究经耶鲁大学医学院机构审查委员会批准，使用美国政府机构收集的公开数据，符合加强流行病学观察性研究报告（STROBE）指南。研究估计了 2025 年 1 月美国各州按单一年龄（0 - 119 岁）和出生队列（1900 - 2000 年）的全因死亡率。
数据来源于美国疾病控制与预防中心（CDC）的国家卫生统计中心（NCHS）、CDC 广泛在线流行病学研究数据网站和监测、流行病学和最终结果（SEER）数据库。其中，1969 - 1998 年 1 - 84 岁每年死亡人数可在线获取；1999 - 2020 年，经 NCHS 许可获得无限制的生命统计数据；小于 1 岁的死亡人数来自 CDC 相关数据库。部分数据因频率小于 10 未报告，通过计算性别和州特定频率差值补充完整。人口估计数据来自 SEER 数据库。
研究运用年龄 - 时期 - 队列模型分析时间趋势，通过拟合对数线性模型估计死亡率。该模型中，lnm(x,t) = μ + α(x) + γ(t) + π(t + x) ，其中μ是截距，α(x) 是年龄x的估计效应，γ(t) 是出生队列t的估计效应，π(t + x) 是时期的估计效应。使用 SAS 统计软件的 PROC GENMOD 过程拟合广义线性模型，用约束三次样条表示估计的时间效应。为年龄设定虚拟变量，为出生队列和时期设置节点。
计算时期和队列预期寿命，时期预期寿命根据特定年份死亡率计算假设人口的预期寿命；队列预期寿命则依据模型估计的各年龄死亡率计算。用 (log 2)/β 表示 35 岁后死亡率翻倍时间，衡量死亡率随年龄增长的速度，β 是 35 岁后死亡率的线性趋势斜率。研究未报告种族和民族信息，以提高所有州估计的准确性，仅涉及生物因素和性别。
结果
研究分析了 1.79 亿例死亡案例（7700 万女性，1.02 亿男性），模型估计的死亡率与各州观察到的死亡率吻合度高。
从时期预期寿命来看，1969 - 2020 年，女性中，西部和东北部各州出生时预期寿命往往较高，南部各州较低。如夏威夷 2020 年出生时预期寿命最高（84.5 岁），阿肯色州（76.6 岁）、阿拉巴马州（76.4 岁）等州最低。预期寿命最低的州变化较小，华盛顿特区变化最大，从 70.4 岁增至 80.2 岁。男性各州市预期寿命均有所增加，但 2020 年预期寿命最低的州在 1995 年后变化较小。华盛顿特区男性预期寿命增长幅度更大，从 62.7 岁增至 72.8 岁。40 岁时预期寿命也呈现类似趋势。
队列预期寿命方面，总体上女性高于男性，且随出生队列增加而增长。但许多南部州女性 1900 - 2000 年队列预期寿命变化较小，而太平洋地区和东北部州则有更高的预期寿命和更大的改善。许多南部州男性在 1900 - 1950 年有一定改善，之后增长不足 2 年。华盛顿特区变化最大，1900 年队列预期寿命最低，2000 年女性最高（93.0 岁），男性第三高（86.5 岁）。2000 年纽约和加利福尼亚州女性和男性的队列预期寿命与华盛顿特区相近。男女队列预期寿命最低的 8 个州均在南部，部分州女性 1900 - 2000 年队列预期寿命变化不足 3 年，男性 1950 - 2000 年变化不足 2 年。40 岁时队列预期寿命也呈现类似规律。
35 岁后死亡率翻倍时间显示，女性普遍高于男性，且各州差异显著。华盛顿特区女性为 12.27 年，男性为 15.64 年，属于异常值。其他州女性翻倍时间在 7.96 - 9.39 年，男性在 8.95 - 11.47 年。各州男女翻倍时间相关性较高（总体皮尔逊相关系数为 0.96，排除华盛顿特区后为 0.88），且与 2000 年预期寿命相关（女性r = 0.49，P?r = 0.28，P?=?.046）。中西部各州男女死亡率翻倍时间往往较短，如俄克拉何马州女性最短，艾奥瓦州和堪萨斯州女性也较短；纽约州和佛罗里达州相对较长。
讨论
本研究首次全面呈现美国各州出生队列死亡率趋势，改进了以往主要关注时期（日历年）趋势的州特定死亡率数据研究。35 岁后队列死亡率趋势的 Gompertz 模型与各州及华盛顿特区的死亡率数据契合良好。模型虽可外推数据范围外的死亡率，但用于预测时需谨慎，因其存在随机误差和受未来医疗保健变化影响的不确定性。
队列预期寿命变化差异大，如纽约州女性 1900 - 2000 年队列预期寿命增加 20 年，俄克拉何马州却下降 0.7 年。造成这种差异的原因复杂，包括吸烟、吸毒等健康行为，环境安全、社会互动、疫苗接种情况以及获得有效医疗保健的机会等。感染和其他炎症因素也会影响死亡率趋势，进而影响各州总体疾病负担。此前研究多从日历年或时期角度考虑死亡率和疾病，未按出生队列进行总结。队列趋势能评估对特定年龄个体影响更大的政策变化的结果，以及这些政策对后续健康的影响。地理层面上，更精细区域（如县、镇）的空间趋势受当地健康影响因素作用，但小区域因人口规模小，估计队列预期寿命存在困难。
死亡率的持续差异反映了各州和地区在公共政策、社会人口构成、农村地区特点以及其他影响死亡率结果的社会和行为规范方面的重要差异。例如，加利福尼亚州早期实施烟草控制政策，改变了吸烟行为和社会规范，降低了死亡率；而肯塔基州缺乏此类措施，吸烟率高，死亡率也较高。类似情况在西弗吉尼亚州、俄克拉何马州等多个南部州也存在。社会经济地位较低与较高的死亡风险相关，社会经济条件优越的州死亡率改善更快。此外，许多政策，如劳动、移民、民权和环境政策等，都会影响死亡率。
华盛顿特区在 20 世纪出生队列中的变化比各州更大，这可能与其作为城市地区，医疗资源获取更便利有关。但由于其规模较小，人口结构变化对其影响敏感，可能反映出随着更富裕、医疗条件更好的人群迁入，出现的绅士化模式。
优势与局限
本研究的优势在于拥有各州详细全面的历史死亡率数据，并运用对数死亡率与时间因素的线性模型进行分析，年龄 - 时期 - 队列模型生成的死亡率与现有数据吻合良好。然而，研究也存在局限性。分析未明确考虑各州人口的变化和迁移模式，尽管基础数据反映了人口构成的变化，但无法确保模型在 1969 年前和 2020 年后仍能保持与实际死亡率的一致性。此外，研究未考虑 2020 年后 COVID - 19 相关死亡率的地理差异及其影响政策。未来研究可关注各州特定的迁移模式、人口构成以及 COVID - 19 相关经历对未来出生队列死亡率趋势的影响。
结论
本研究通过年龄 - 时期 - 队列模型估计了美国各州男性和女性的时期和队列预期寿命。1969 - 2020 年，时期预期寿命有所增加，但西部和东北部部分州改善幅度更大，南部部分州改善较小。西部和东北部部分州 2000 年出生队列预期寿命相比 1900 年增加超过 30 年，而南部部分地区女性队列预期寿命增加不足 2 年，男性在 1900 - 1950 年有所增加，1950 年后增加不足 2 年。
州或地方决策者可依据详细的死亡率数据，更好地进行资源分配和制定公共卫生干预措施。出生队列视角有助于捕捉横截面分析可能掩盖的死亡率变化，理解各州出生队列死亡率模式差异，能为决策提供参考。例如，针对特定年龄组的疾病筛查或健康影响因素暴露的政策，其效果会随队列年龄增长而显现。总体而言，进步的公共卫生政策与更好的健康结果相关，这些死亡率估计可用于模拟模型预测未来死亡率趋势，以及评估公共政策干预的影响，还能监测趋势，判断各州健康差距是否改善，为实现健康公平提供数据支持。
