编辑推荐：
随着全球人口老龄化，多 orbidity（两种或两种以上慢性病共存）问题日益凸显。为探究泰国多 orbidity 的空间分布及社会人口学影响因素，研究人员分析泰国队列研究（TCS）数据。结果发现其患病率在地区上差异显著，且与地区发展程度相关。该研究为资源分配提供依据。
在全球人口老龄化的浪潮中，人们的健康状况正面临着前所未有的挑战。多 orbidity，这个指个体同时患有两种或两种以上慢性病的健康问题，如同隐藏在暗处的 “健康杀手”，逐渐浮出水面。它不仅让患者身体机能下降、生活质量大打折扣，还使得医疗费用飙升，疾病负担愈发沉重，成年人因此面临更高的残疾和死亡风险，已然成为全球公共卫生领域的重大难题。
在泰国，随着人口结构的变化、生活方式的转变以及城市化进程的加速，多 orbidity 的患病率也在悄然上升，给本就压力不小的医疗系统带来了更大的挑战。然而，关于泰国多 orbidity 在地域上的分布情况，此前的研究却寥寥无几。不清楚哪些地方的多 orbidity 更为高发，就难以精准地分配医疗资源，也无法针对性地制定预防和干预措施。为了填补这一空白，来自澳大利亚国立大学（National Centre of Epidemiology and Population Health, the Australian National University）等机构的研究人员展开了深入探究，他们的研究成果发表在《Archives of Public Health》上。
研究人员利用泰国队列研究（TCS）的数据，展开了一系列分析。TCS 是一个全国性项目，自 2005 年启动以来，招募了超过 87,000 名参与者，这些参与者来自泰国各地，涵盖了 15 - 87 岁的人群，在一定程度上能代表泰国的总体人口特征。研究数据主要来源于 2013 年的邮寄问卷调查，共涉及 42,785 名受访者。
在研究中，多 orbidity 被定义为个体同时患有两种或两种以上的慢性病。研究人员让受访者自我报告是否被医生诊断患有 11 种特定疾病，包括糖尿病、高血压等常见慢性病，同时结合身体质量指数（BMI，若 BMI 超过 25 kg/m2 则判定为肥胖），当个体报告患有上述 12 种情况（含肥胖）中的两种或更多时，即被认定为患有多 orbidity。
为了分析多 orbidity 的空间分布特征，研究人员运用了多种空间分析技术。通过计算全局莫兰指数（Global Moran’s I）来评估多 orbidity 患病率在地区间是否存在聚集现象；利用 Getis - Ord General G 指数进一步确定数据的高低聚集情况；借助 Getis - Ord Gi*统计量进行热点分析，找出多 orbidity 患病率显著较高（热点）和较低（冷点）的区域。此外，研究人员还使用了有序逻辑回归，探究人口密度、老龄化指数、平均受教育年限等社会人口学因素对多 orbidity 热点区域的影响。
研究结果显示，泰国不同地区的多 orbidity 患病率差异明显。在省级层面，年龄调整后的多 orbidity 患病率最高的是信武里府（Sing Buri），达到 18.26%，最低的是拉廊府（Ranong），仅为 2.20%；在地区层面，菲奇府（Phichit）的萨克莱区（Sak Lek District）年龄调整后的患病率最高，达 37.13% ，还有 178 个地区的年龄调整患病率为零。
空间分析表明，多 orbidity 患病率在省份和地区间存在显著的聚集模式。热点区域主要集中在曼谷及其周边地区，像暖武里府（Nonthaburi）、信武里府等；而冷点区域则主要分布在泰国南部，如甲米府（Krabi）、攀牙府（Phangnga）等。进一步分析发现，人口密度、老龄化指数和平均受教育年限与多 orbidity 热点区域密切相关。热点地区的人口密度更大、老龄化指数更高、平均受教育年限更长，其中平均受教育年限对多 orbidity 热点区域的影响最为显著。
在讨论部分，研究人员指出，本研究发现多 orbidity 患病率在经济更发达的地区更高，这与一些认为社会经济地位较低地区多 orbidity 更高的研究结果不同。这可能是因为在泰国，发达地区医疗资源更丰富，疾病诊断和报告更全面，同时这些地区居民的生活方式和压力等因素也可能导致多 orbidity 患病率上升。
这项研究意义重大。它首次对泰国多 orbidity 进行空间分析，揭示了其在地域上的分布规律以及与社会人口学因素的关系，为政策制定者提供了关键信息。政策制定者可以根据这些结果，将医疗资源更合理地分配到高负担地区，制定更具针对性的预防和管理策略，从而有效应对多 orbidity 带来的挑战，提升公众健康水平。同时，研究也为后续进一步探究多 orbidity 的影响因素和制定干预措施奠定了基础。不过，研究也存在一定局限性，如样本与总体人口存在差异、数据完整性有限、潜在混杂因素未完全控制等，但这些并不影响其为公共卫生领域提供的重要参考价值。
