基于多水平模型与迭代比例拟合的加州县级牙科服务利用评估研究

本研究针对传统多水平回归后分层方法(MRP)依赖联合分布数据的局限性，创新性地结合多水平模型与迭代比例拟合技术，利用2018年BRFSS调查数据和ACS人口普查数据，首次生成了加州58个县成人牙科就诊率的可靠估计（52.5%-73.1%）。该方法为缺乏精细人口联合分布数据的地区提供了小区域估计新方案，对公共卫生资源精准配置具有重要实践价值。

　　

口腔健康是整体健康的重要指标，定期牙科就诊能有效预防龋齿和牙周疾病。然而美国国家调查数据显示，牙科服务利用存在显著地域差异，农村地区就诊率比城市低15%以上。更严峻的是，现有全国性调查如BRFSS因样本量限制，无法生成县级可靠估计，严重制约了地方卫生政策的精准制定。这一困境的核心在于：传统金标准方法——多水平回归后分层(MRP)需要人口特征的联合分布数据，而实际工作中往往只能获取边际分布数据。

针对这一方法论瓶颈，加州大学洛杉矶分校（University of California, Los Angeles）的研究团队在《Archives of Public Health》发表创新研究。他们开发出多水平模型与迭代比例拟合的混合方法，通过三大关键技术突破：①利用2018年BRFSS的SMART项目数据构建含县级随机效应的多水平logit模型；②基于ACS边际分布数据采用迭代算法估计240个人口亚组（6×2年龄性别×4教育水平×5种族）的县级构成比；③通过1000次Bootstrap生成95%置信区间。最终首次绘制出加州全境58个县的牙科就诊率地图。

研究结果揭示：

1. 县级估计差异显著：模型生成的县级就诊率跨度达20.6个百分点（52.5%-73.1%），马林县以73.1%高居榜首，图拉雷县最低仅52.5%。
   
   
2. 内部验证优异：在洛杉矶等5个大都会区，模型估计与BRFSS直接调查结果差值均<2.6%，且全部落入调查95%CI范围内。
3. 外部验证相关性强：与加州健康访谈调查(CHIS)直接估计的Pearson相关系数达0.801（P<0.001），90%高估县在模型中也保持高位排名。

方法学比较发现：包含县级贫困率的主模型（Model 1）表现最优，其均方误差（4.0%）显著低于忽略该变量的Model 3（8.2%）。研究同时揭示现有调查的系统性偏差——CHIS因多语言设计可能导致就诊率高估，而BRFSS的英语/西班牙语限制可能造成低估，这为未来调查改进提供了方向。

该研究的核心突破在于方法论创新：首次证明迭代比例拟合可有效替代MRP的联合分布需求，使多水平模型在数据受限地区的应用成为可能。实践意义体现在三方面：①为资源匮乏地区提供成本效益高的估计方案；②识别出帝国县（53.4%）等急需干预的低服务利用区；③建立的240维人口亚组框架可扩展至其他健康指标评估。正如作者强调，该方法特别适用于受数据保护法限制或部门数据割裂的地区，为全球范围内健康差异研究提供了新工具包。未来研究可进一步整合牙医人口比等区域变量，并探索加权与未加权模型的差异，持续优化这一公共卫生决策的"显微镜"。