追踪多病共存群组动态转变：中国中老年个体健康轨迹与死亡风险的纵向队列研究

为解决多病共存（multimorbidity）动态转变对健康结局的潜在低估问题，研究人员基于中国健康与养老追踪调查（CHARLS）队列开展纵向研究，通过潜在类别分析（LCA）识别骨关节、心代谢等五类多病群组，揭示个体群组间转变轨迹。结果发现，多系统群组（Compx）发展为呼吸群组（Resp）的个体死亡风险激增至9倍（HR9.04; 95% CI3.44-23.73），且心代谢群组慢性病累积使死亡风险每增加一病上升26%。该研究为高危人群精准干预提供循证依据，推动慢性病管理的动态监测策略。

　　随着全球老龄化加剧，多病共存（multimorbidity）——即个体同时患有两种及以上慢性疾病——已成为中老年人群健康的主要挑战。超过一半的中老年人受此影响，疾病组合并非随机发生，而是形成特定群组（clusters），如心代谢（cardiometabolic）或骨关节（osteoarticular）模式。这些群组对健康结局（如生活质量下降、抑郁和寿命缩短）的影响已被广泛证实，但一个关键问题长期被忽视：个体如何在多病群组间动态转变？这种转变如何与死亡风险相关联？尤其在医疗资源分布不均的中国，理解这一过程对优化资源分配至关重要。以往研究多聚焦静态疾病组合，或局限于西方人群，缺乏对中国中老年个体转变轨迹的量化分析，导致高危人群识别不足和干预时机延误。

为填补这一空白，武汉大学公共卫生学院的研究人员主导了一项创新性纵向研究。他们利用中国健康与养老追踪调查（CHARLS）2011-2020年数据，追踪8988名中老年参与者的多病共存动态，重点分析群组间转变如何叠加慢性病累积效应，共同影响五年全因死亡率。研究通过潜在类别分析（Latent Class Analysis, LCA）识别出五类稳定群组：骨关节（Arth）、心代谢（Cardm）、多系统（Compx）、消化（Digst）和呼吸（Resp），并揭示27.8%的个体在群组间发生显著转变。结果显示，从多系统群组转向呼吸群组的个体死亡风险飙升至健康人群的9倍，而长期滞留心代谢群组者，每新增一病死亡风险上升26%。这一发现发表于《Aging Clinical and Experimental Research》，不仅量化了动态转变的灾难性影响，还为临床高危预警提供了新靶点。

研究采用多项关键技术方法，核心包括：1. 数据源自CHARLS全国代表性队列（2011-2020年五波调查），通过分层多阶段抽样纳入8988名中老年人，排除缺失值后确保样本完整性；2. 使用潜在类别分析（LCA）反复应用于三波数据（2011、2013、2015），识别多病群组，基于观察/预期比率（O/E ratios）和疾病排他率定义群组特征；3. Cox比例风险模型（Cox proportional hazard models）量化群组转变与死亡风险的关联，调整年龄、性别等混杂因素；4. 限制立方样条（restricted cubic splines）分析慢性病数量和受影响系统数的剂量反应关系；5. 敏感性分析（sensitivity analyses）包括完整数据验证和额外协变量（如体力活动）调整，确保结果稳健。

Abstract

研究旨在追踪个体在多病群组间的转变，并检验其与慢性病累积对五年死亡风险的加和（additive）与复合（compounding）效应。基于CHARLS队列的潜在类别分析识别五类群组：骨关节、心代谢、多系统、消化和呼吸。结果表明，多系统群组发展为呼吸疾病者死亡风险达健康人群9倍（HR^9.04; 95% CI_3.44-23.73）；长期心代谢群组个体，每新增一病死亡风险增26%，每多一受影响系统风险增38%。

Material and methods

数据来自CHARLS（2011-2020年），纳入8988名参与者。通过LCA建模三波疾病数据，定义多病共存（≥2种慢性病）和死亡结局（2018-2020年追踪），使用Cox模型和限制立方样条分析关联。协变量包括社会人口学和生活方式因素，多重链插补处理缺失值。

Results

基线特征显示，多系统群组死亡率最高。LCA识别五类群组（骨关节、心代谢、多