编辑推荐：
在公共卫生研究与干预中，亚组疾病负担数据至关重要。但多数研究缺乏亚组数据，为解决此问题，研究人员开展相关研究，推导出利用总体和相对负担估计计算亚组疾病负担的公式，这有助于避免或减少亚组疾病负担估计的误差。
在健康研究和公共卫生干预领域，准确掌握疾病负担数据是关键。疾病风险因年龄、性别、种族、社会经济地位等因素在不同人群中存在差异，亚组（subgroup）或亚人群（subpopulation）疾病负担数据对于规划、实施和评估公共卫生干预措施至关重要。例如，许多国家的疾病发病率在不同年龄段差异显著，婴儿和老年人面临更高风险，像呼吸道合胞病毒（RSV）住院率就呈现出 U 型年龄模式。然而，目前多数研究仅报告总体人群的数据，亚组数据却十分匮乏。以肺炎球菌疾病（PD）研究为例，新疫苗上市前需评估其对成年人群的健康和经济影响，这依赖于 PD 各亚组的疾病负担数据，但非侵袭性肺炎球菌肺炎（NBPP）的亚组数据因诊断测试困难而难以获取，现有数据多基于行政健康保险索赔数据库，亚组 - 或亚人群 - 水平的数据依旧缺失。这种数据缺失使得研究人员和政策制定者在进行成本效益分析（CEAs）或预算影响分析（BIAs）时面临困境，可能因错误假设导致定量和定性错误，进而影响健康政策的制定和实施效果。
为解决这些问题，来自未知研究机构的研究人员开展了一项旨在推导计算亚组疾病负担公式的研究。研究结果表明，每个亚组或亚人群的疾病负担（如发病率、患病率或平均成本）可通过总体负担，结合该亚组相对负担与所有亚组比例加权相对负担之和的比值进行调整计算得出。这一研究成果发表在《Dialogues in Health》上，对于推动公共卫生研究和干预具有重要意义，有助于避免或最大程度减少亚组疾病负担估计中的潜在误差，促进健康公平目标的实现。
研究人员采用了以下主要关键技术方法：首先，通过构建简单数值示例，以美国 18 - 49 岁成年人门诊 NBPP 发病率数据为例进行分析，假设相对风险和风险分布，为后续公式推导提供基础。接着，进行符号公式推导，分别针对 3 个亚组及扩展到 n 个亚组，推导出计算发病率、患病率和平均治疗成本的公式。最后，利用两种统计方法，假设 Gamma 分布并根据置信区间估计参数，来估计点估计值的置信区间，以考量数据的不确定性。
下面介绍具体的研究结果：
- 数据问题：以 18 - 49 岁成年人门诊 NBPP 发病率为例，总体发病率已知，但缺乏风险组特异性数据。研究人员假设相对风险和风险分布与其他研究相同，在此基础上提出能否利用总体疾病负担、风险组概况和假设的相对负担来计算各风险组负担的问题。
- 计算 3 个亚组发病率的示例：设各风险组病例数为c1、c2、c3，发病率为i1、i2、i3，根据总体发病率等于各风险组比例加权发病率之和，以及各风险组相对风险关系，建立方程组求解，得出低风险组i1=26.91，中风险组i2=156.06，高风险组i3=530.06。
- 3 个亚组发病率的符号解：用I表示总体发病率，d1、d2、d3表示各亚组比例，r2、r3表示亚组 2 和 3 与亚组 1 的率比，推导出计算各亚组发病率的公式：i1=d1+d2r2+d3r3I，i2=d1+d2r2+d3r3Ir2，i3=d1+d2r2+d3r3Ir3 。
- 3 个亚组患病率的符号解：患病率（prevalence）是指在特定时间和地点，患有某种疾病的人口比例。研究人员用P表示总体患病率，p1、p2、p3表示各亚组患病率，同样根据总体患病率与各亚组患病率关系及相对风险关系，推导出计算各亚组患病率的公式：p1=d1+d2r2+d3r3P，p2=d1+d2r2+d3r3Pr2，p3=d1+d2r2+d3r3Pr3 。
- 3 个亚组平均治疗成本的符号解：平均成本（average cost）是指每个患者治疗成本的算术平均值。用A表示总体平均成本，a1、a2、a3表示各亚组平均成本，依据总体平均成本与各亚组平均成本关系及相对风险关系，得出计算各亚组平均成本的公式：a1=d1+d2r2+d3r3A，a2=d1+d2r2+d3r3Ar2，a3=d1+d2r2+d3r3Ar3 。
- 计算 n 个亚组估计值的通用公式：将 3 个亚组公式推导逻辑扩展到 n 个亚组，用ms表示亚组s的发病率、患病率或平均成本，rs表示亚组s的相对测量值或率比，M表示总体疾病负担测量值，推导出通用公式：ms=∑j=1nrjdjrsM，s=1,2,?,n。
- 解释：推导的公式表明，亚组疾病负担计算是通过总体负担，结合亚组相对负担与所有亚组比例加权相对负担之和的比值进行调整。亚组负担大小取决于其相对发病率，这体现了公式的合理性。
- 估计不确定性：考虑到数据的不确定性，研究人员假设 Gamma 分布，根据置信区间估计参数，得出各亚组发病率的均值和不确定性区间，如低风险组i1=26.91(21.99,32.20) ，为结果的可靠性提供了保障。
- 应用：该研究方法不仅适用于疾病负担的 3 个主要测量指标，还可应用于多种流行病学或人群水平的测量指标，如病例死亡率、筛查或检测率等，但对于部分指标可能需要施加数学约束以获取现实估计。
研究结论和讨论部分指出，准确的数据在公共卫生干预和研究的各个阶段都不可或缺。本研究推导的公式具有诸多优势，如推导过程直观合理，结果经多种方式验证，公式通用性强，可应用于多种测量指标和亚组分析，还能计算亚组病例数，且结果符合预期，能有效减少数据误差。然而，研究也存在一定局限性，即公式依赖于对亚组相对负担的假设，这需要基于可靠数据或科学合理的假设。总体而言，这些公式对于公共卫生研究、干预和政策分析具有重要意义，有助于避免或减少亚组疾病负担估计的误差，在规划和设定健康公平目标方面发挥重要作用，为公共卫生领域的决策提供了更科学准确的依据。
