贝叶斯推断在非传染性疾病种族健康差异分析中的应用与启示：系统性综述

本研究针对非传染性疾病(NCDs)中存在的种族健康不平等问题，系统综述了46项应用贝叶斯模型的研究。研究人员发现黑人和西班牙裔人群在癌症、心血管疾病等领域面临显著健康差异，主要归因于医疗系统可及性和质量因素。该研究为利用马尔可夫链蒙特卡洛(MCMC)和集成嵌套拉普拉斯近似(INLA)等先进统计方法解决健康公平问题提供了重要方法论参考，对制定精准公共卫生政策具有指导意义。

　　

在全球公共卫生领域，健康不平等如同顽固的慢性病般长期存在，其中种族差异更是根深蒂固的症结所在。非传染性疾病(NCDs)每年导致4100万人死亡，而不同种族群体在疾病负担、医疗可及性和健康结局方面存在显著差异。传统统计方法在面对小样本、空间异质性和复杂交互作用时往往力不从心，这促使研究人员寻求更强大的分析工具。哥伦比亚国立大学经济模型与定量方法研究组的Oscar Espinosa团队在《Systematic Reviews》发表的研究，为破解这一难题提供了新的方法论视角。

研究人员采用系统综述方法，检索了2274篇文献，最终纳入46项应用贝叶斯模型分析种族健康差异的高质量研究。研究主要运用PRISMA流程进行文献筛选，采用Bennett-Manuel清单进行质量评估，重点关注癌症、心血管疾病等主要NCDs领域。通过定性综合和描述性统计，揭示了不同种族群体的健康差异模式及其驱动因素。

研究结果显示，在模型应用方面，泊松回归(21.74%)、空间回归(19.57%)和逻辑回归(10.87%)是最常用的贝叶斯模型。马尔可夫链蒙特卡洛(MCMC)(52.17%)和集成嵌套拉普拉斯近似(INLA)(17.39%)是主要的采样策略。R软件(63.04%)成为最常用的分析工具，而偏差信息准则(DIC)(32.61%)是最常见的模型性能评估指标。

在疾病分布方面，癌症(19篇)和心血管疾病(13篇)是研究最集中的领域。研究样本量跨度极大，从175人到412.8万人不等，时间跨度最长达到44年。研究人群以18岁以上成年人为主，但也包含针对儿童哮喘、ADHD等疾病的研究。

种族差异模式显示，黑人(71.7%)和西班牙裔(37%)群体在健康结局上处于最不利地位。医疗系统因素，特别是可及性和服务质量，是造成差异的主要原因。在癌症领域，筛查率差异和诊疗延迟是突出问题；心血管疾病方面，则表现为治疗可及性和预后的种族差异。研究还发现，地理空间因素和社会经济地位与种族差异存在显著交互作用。

研究结论部分强调，贝叶斯方法在处理健康差异研究中的小样本问题和空间相关性方面具有独特优势。通过"信息借用"技术，可以从邻近地区或相似人口群体中获取信息，提高估计的精确度。这种方法特别适合分析少数族裔的健康结局，因为传统方法在这些群体中往往因样本量不足而失效。

讨论部分指出，虽然贝叶斯方法在健康差异研究中展现出巨大潜力，但目前应用仍存在地域局限性——93.5%的研究来自高收入国家，这可能导致结论在低收入国家的适用性受限。此外，研究也揭示了数据缺口：对原住民、亚裔等少数群体的研究相对不足，难以得出确切结论。

这项研究的创新价值在于：首次系统评估了贝叶斯模型在种族健康差异研究中的应用现状；建立了不同NCDs领域中种族差异的模式图谱；为健康公平政策的制定提供了方法学支持。未来研究需要扩大地理覆盖范围，加强对弱势种族群体的关注，并进一步优化贝叶斯模型在健康差异研究中的应用策略。