基于多源数据整合的共病测量研究：揭示数据选择对英国生物库中80种长期健康状况评估的影响

本研究针对共病（multimorbidity）研究中数据来源选择不一致的问题，利用英国生物库（UK Biobank）172,563名参与者的多源数据（初级诊疗记录、基线评估、医院/癌症登记），系统评估了不同数据源对80种长期健康状况（LTCs）和共病测量的影响。研究发现初级诊疗数据对62种LTCs的识别最优，而医院数据对精神疾病和泌尿系统疾病识别率最低，强调数据选择需根据研究目的明确论证，为提升共病研究的可重复性提供了重要方法学依据。

　　

在人口老龄化加剧的背景下，多病共存（multimorbidity）现象日益成为公共卫生挑战。现有研究面临一个尴尬困境：不同团队使用不同数据源测量相同疾病时，结果差异可能高达数十个百分点。这种"数据源依赖性"严重阻碍了研究结论的可比性和可重复性。更棘手的是，精神健康疾病等特定病症在常规医院数据中几乎"隐形"，而初级诊疗记录又存在编码复杂、提取困难等问题。面对这些方法学瓶颈，爱丁堡大学（University of Edinburgh）的研究团队开展了一项开创性研究，通过整合英国生物库（UK Biobank）三大数据源，首次系统评估了数据选择对共病测量的影响，相关成果发表在《Communications Medicine》。

研究团队采用横断面设计，对172,563名40-71岁UK Biobank参与者进行分析。关键技术包括：（1）开发80种LTCs的标准化编码列表（Read v2/CTV3/ICD-10）；（2）整合初级诊疗记录、UKB基线评估和医院/癌症登记三重数据源；（3）采用四种共病定义（MLTC 2+、MLTC 3+、MLTC 3+ from 3+和mental-physical multimorbidity）；（4）通过比例维恩图量化数据源一致性。

个体LTCs的测量差异
使用三重数据源时，85.1%参与者至少患有一种LTC，63.5%存在共病（≥2种LTC）。数据源间一致性存在显著差异：内分泌代谢疾病表现最佳（中位数32.9%病例被三重数据共同识别），而泌尿系统疾病（0-4.9%）和精神行为障碍（0-12.3%）一致性最低。初级诊疗数据对62种LTCs的识别率最高，尤其在精神健康领域，66.9%病例仅通过该数据源识别。

共病流行率的变化
四种共病定义的流行率均随年龄增长而上升（除mental-physical multimorbidity保持平稳），且女性、白人群体和社会经济弱势群体负担更重。数据源选择显著影响估计值：使用初级诊疗数据时共病检出率最高，医院数据则低估mental-physical multimorbidity达50%。

讨论与意义
该研究揭示了医疗数据生态系统的"信息孤岛"现象——仅4.7%的LTC病例能在三重数据中同时被发现。这种碎片化在精神健康和泌尿系统疾病中尤为突出，反映出医疗体系对这类疾病的关注不足。研究团队公开的标准化编码列表（GitHub仓库mltc-codelists）为后续研究提供了重要工具，其方法学框架也可推广至SNOMED-CT等新型医疗编码系统。

这项研究的重要启示在于：共病研究必须根据目标疾病特征谨慎选择数据源，并对选择进行明确论证。例如研究抑郁症必须包含初级诊疗数据，而某些罕见肿瘤则可依赖医院登记。这种"量体裁衣"的研究范式，将显著提升多病共存研究的科学严谨性和公共卫生价值。