荷兰北部老年人共病模式：因子分析与潜在类别分析方案的比较研究及其对健康老龄化的启示

本研究针对老龄化社会中日益严重的共病（multimorbidity）问题，通过比较因子分析（FA）和潜在类别分析（LCA）方法，分析了荷兰北部23,452名≥60岁老年人的14种非传染性疾病（NCDs）组合模式。研究发现5种稳定的共病模式（MPs），其中"血管型"和"复杂治疗谱系"分别代表最低和最高风险组，且低收入、低教育水平和无伴侣状态显著增加高风险MPs归属概率。结果提示LCA在共病模式识别中更具解释性和稳定性，为针对不同社会人口特征的个性化干预提供了循证依据。

　　

随着全球人口老龄化加速，共病（multimorbidity，即个体同时患有两种及以上慢性病）已成为公共卫生领域的重大挑战。非传染性疾病（NCDs）的组合并非随机出现，而是呈现特定的聚集模式，这些模式可能比单纯疾病数量更能预测健康结局。然而，科学界对共病模式（MPs）的识别方法尚未达成共识，且社会人口因素如何影响这些模式仍不明确。荷兰格罗宁根大学医学中心的研究团队在《BMC Geriatrics》发表的研究，通过对比因子分析（FA）和潜在类别分析（LCA）两种统计方法，揭示了荷兰北部老年人中稳定存在的共病模式及其社会决定因素。

研究基于Lifelines队列23,452名≥60岁参与者的数据，采用多阶段分析方法：首先通过FA和LCA识别潜在疾病模式，随后用桑基图评估模式稳定性，最后通过多项逻辑回归分析社会人口因素与MPs的关联。关键发现包括：LCA识别出5种MPs——"血管型"（1-4种NCDs）、"代谢风险型"（HTN、肥胖、糖尿病）、"心脑血管疾病型"、"主要CVD-血管型"和"复杂治疗谱系"（5-11种NCDs）。其中"复杂治疗谱系"组患者具有最高风险，其归属概率与低收入（RRR=2.93）、低教育（RRR=3.42）和无伴侣状态（RRR=1.68）显著相关。

结果部分显示，FA和LCA均识别出5种相似模式，但LCA方案更具临床解释性。例如"代谢风险型"类成员患高血压（78%概率）、肥胖（53%）和糖尿病（32%）的风险显著升高。纵向分析证实这些模式在5年随访中保持稳定，其中"血管型"占比最高（基线42%），而"复杂治疗谱系"虽仅占2.8%但疾病负担最重。社会经济学分析揭示教育水平与MPs风险呈梯度关系：与无共病组相比，仅完成基础教育者归属"复杂治疗谱系"的风险是高等教育者的3.4倍。

结论指出，共病在老年人群中表现为稳定的非随机组合模式，LCA比传统相关性分析方法更能捕捉疾病间的复杂关系。该研究首次系统比较了FA与LCA在共病研究中的性能差异，为临床风险分层提供了新工具。发现的社会经济差异尤其值得关注，提示需要针对低收入群体设计精准干预策略。作者建议未来研究采用潜在转变分析（LTA）追踪MPs的动态演变，这将有助于理解不同NCDs在共病发展中的时序作用。

这项研究的意义不仅在于方法学创新——确立了LCA在共病模式识别中的优势地位，更通过大规模人群数据揭示了健康不平等的生物学表达形式。为实现健康老龄化目标，政策制定者需关注共病模式而非单一疾病，并将社会决定因素纳入综合防治体系。正如通讯作者Eva Corpeleijn强调的："识别这些模式就像找到了慢性病网络的'指纹'，使我们能预测哪些人可能滑向更糟糕的健康轨迹。"