《Frontiers in Public Health》：Beyond disease counts: multimorbidity patterns and self-rated health in South African adults–a network analysis of the 2016 demographic and health survey
编辑推荐：
**摘要**
**背景：** 多重病症（multimorbidity）在撒哈拉以南非洲地区迅速上升，该地区传染病与非传染性疾病负担相互重叠。共病模式是否携带超越简单疾病计数的额外信息尚不明确。
**目的：** 绘制南非成人慢性病共病模式图，检验疾病对之间的
**摘要**
**背景：** 多重病症（multimorbidity）在撒哈拉以南非洲地区迅速上升，该地区传染病与非传染性疾病负担相互重叠。共病模式是否携带超越简单疾病计数的额外信息尚不明确。
**目的：** 绘制南非成人慢性病共病模式图，检验疾病对之间的加性交互作用（additive interaction），并比较网络衍生指标与疾病计数作为自评健康较差（poor self-rated health）相关因素的表现。
**方法：** 对具有全国代表性的2016年南非人口与健康调查（South Africa Demographic and Health Survey, SADHS）进行横断面分析。分析样本包括5,650名18岁及以上成人，具有通过自我报告和生物标志物测量确定的12种慢性病的完整数据。结局为自评健康，二分类为“较差”与“一般、良好或优秀”。疾病网络由phi系数（phi coefficient）构建，并采用Louvain社区检测（Louvain community detection）；聚类稳定性使用1,000次设计一致的bootstrap重复样本。调查加权logistic回归调整年龄、性别和居住地，比较疾病计数与网络衍生指标（每增加1个标准差, 1-SD）的关联，使用受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）、DeLong检验和交叉验证进行评估。
**结果：** 出现三个疾病聚类：感染性聚类（结核病、HIV、贫血）、心脏代谢与疼痛聚类（高血压、糖尿病、慢性疼痛），以及心血管-呼吸-肿瘤聚类（中风、心脏病发作、高胆固醇、慢性支气管炎、哮喘、癌症）。感染性聚类在100%的bootstrap重复样本中共同聚类，且网络结构因性别（置换检验p = 0.001）和居住地（p = 0.031）而异。自评健康较差的调整后比值比（odds ratio, OR）为：疾病计数每增加1个SD为1.66（95% CI 1.41–1.95），网络评分每增加1个SD为1.55（1.31–1.82），最大中心性每增加1个SD为1.24（1.03–1.49）；网络指标与疾病计数高度相关（r = 0.96），且未改善区分度（AUC 0.756 vs. 0.758；DeLong p = 0.26），这一发现经交叉验证确认。在错误发现率校正后仍有一个加性交互作用：中风与贫血（风险差尺度上+0.55，95% CI 0.24–0.86）。
**结论：** 网络分析揭示了稳健的疾病聚类，最显著的是稳定的感染性聚类，以及有助于综合护理规划的亚组特异性模式。个体水平网络指标并未优于简单疾病计数。疾病计数仍然是务实的风险标记；基于模式的指标在临床采用前需要进行前瞻性评估。
**论文解读：南非成人多重病症网络分析——模式、关联与自评健康**
**一、研究背景与问题**
多重病症（multimorbidity）指多种慢性病共存，在低收入和中等收入国家（low- and middle-income countries, LMICs）中因人口和流行病学转变而迅速增加。南非同时承受着全球最大规模的HIV感染人群以及结核病和HIV相关结核病的高负担，同时高血压、糖尿病等非传染性疾病负担亦不断上升。既有研究多采用患病率计数或因子、聚类分析描述疾病负担和分组，而使用网络方法（network analysis）直接建模共病结构的研究仍较少。传统疾病计数方法将所有疾病视为等价，无法捕捉特定疾病组合可能带来的超加性健康效应。因此，研究人员提出三个预设问题：哪些疾病倾向聚类、聚类是否稳定；哪些疾病对与自评健康较差存在超加性关联；个体水平的网络指标是否优于简单疾病计数。本研究利用2016年南非人口与健康调查（South Africa Demographic and Health Survey, SADHS）的全国代表性数据，构建疾病网络，以期为综合护理规划提供依据。
**二、研究方法概述**
研究人员对2016年SADHS数据进行横断面分析，该调查采用分层两阶段概率抽样，成人健康模块（含生物标志物测量）在每个家庭中随机选择一名成人。分析样本为具有12种慢性病完整数据的5,650名18岁及以上成人（排除3,818名因至少一种疾病信息缺失者，主要因HIV血清状态、糖化血红蛋白、血红蛋白或血压未测量）。12种慢性病通过自我报告和/或生物标志物确定：结核病、高血压、中风、高胆固醇、贫血、慢性支气管炎、糖尿病、哮喘、癌症、心脏病发作、HIV、慢性疼痛。结局为自评健康，二分类为“较差”与“一般、良好或优秀”。网络构建采用phi系数加权边，仅保留正phi边；社区检测使用Louvain算法；聚类稳定性通过1,000次设计一致bootstrap重复评估。采用调查加权logistic回归（调整年龄、性别和居住地）比较疾病计数与网络指标（网络评分、最大中心性），使用AUC、DeLong检验和10折分层交叉验证。加性交互作用通过调查加权线性概率模型估计，并用Benjamini–Hochberg方法控制错误发现率。亚组网络按性别和城乡分层，采用置换检验比较网络差异。
**三、主要研究结果**
**3.1 总体疾病聚类模式**
全样本网络识别出三个疾病聚类。聚类1为感染性聚类，包含结核病、贫血和HIV，三者紧密连接且独立于其他疾病。聚类2最大，包含中风、心脏病发作、高胆固醇、慢性支气管炎、哮喘和癌症，涵盖心血管、呼吸和肿瘤疾病。聚类3包含高血压、糖尿病和慢性疼痛，构成代谢疾病与慢性疼痛的独特分组。bootstrap分析显示，同一聚类的疾病对在平均89%的重复样本中共同聚类（最小值75%），而跨聚类疾病对仅为21%；结核病-HIV-贫血及高血压-糖尿病的配对在100%重复中共同聚类。敏感性分析使用观察/期望共现比和调查加权phi系数时，感染性聚类和特征向量中心性排序不变。
**3.2 性别特异性聚类模式**
男性和女性的网络存在显著差异（置换p = 0.001）。感染性聚类（结核病、贫血、HIV）在男女中均稳定。男性中，疾病按类别分成四个独立聚类：呼吸疾病（慢性支气管炎、哮喘）与慢性疼痛聚类；代谢疾病（高血压、高胆固醇、糖尿病）形成独立聚类；急性重症（中风、心脏病发作、癌症）构成第三聚类；感染性疾病为第四聚类。女性中，疾病跨类别整合更强：心脏病发作未与中风聚类，而是与代谢疾病（高血压、糖尿病）及慢性疼痛组成单一大型聚类；呼吸疾病与中风和高胆固醇聚类；感染性聚类仍独立。
**3.3 城乡聚类模式**
城乡网络结构亦存在差异（置换p = 0.031）。结核病-贫血-HIV聚类在城乡均稳定。城市居民中，一个大型聚类整合了代谢疾病（高血压、糖尿病、高胆固醇）、心脏事件（心脏病发作）、呼吸疾病（慢性支气管炎、哮喘）和慢性疼痛，仅中风和癌症形成独立小聚类。农村居民中，高血压、糖尿病和慢性疼痛形成一个聚类；呼吸疾病（慢性支气管炎、哮喘）未与代谢疾病聚类，而与中风、心脏病发作、高胆固醇和癌症组成第二大型聚类；感染性聚类仍独立。需注意非传染性疾病的划分不如感染性聚类稳定，亚组差异宜解释为整体共病结构差异，而非精确聚类归属。
**3.4 网络中的关键疾病识别**
中心性指标识别出网络中最相互连接的疾病。度中心性最高的四种疾病（0.91）为心脏病发作、慢性支气管炎、哮喘和慢性疼痛，各自与其余11种慢性病中的10种共现；HIV度中心性最低（0.18），仅与2种疾病共现。贫血的介数中心性最高（0.10），最常桥接不同疾病组；HIV介数中心性为零。特征向量中心性最高的四种疾病（0.32）为慢性支气管炎、哮喘、心脏病发作和慢性疼痛，表明它们不仅连接多种疾病，且连接的是高度互联的疾病；HIV最低（0.06）。
**3.5 疾病对之间的加性交互作用**
在66对疾病中，47对至少有20名参与者同时患有两种疾病并接受检验，19对稀疏配对按预设被抑制。经Benjamini–Hochberg校正后，仅有一对显示出与自评健康较差相关的超加性关联：中风合并贫血（风险差尺度交互对比为+0.55，95% CI 0.24–0.86，q = 0.027，22名参与者同时患有这两种疾病）。其余配对在校正后均无统计学支持（所有剩余q ≥ 0.62）。该交互分析应被视为探索性，中风-贫血交互是唯一的稳健发现。
**3.6 慢性病与自评健康较差的关联**
在调整年龄、性别和居住地的调查加权模型中，与自评健康较差关联最强的疾病为中风（OR 6.51，95% CI 2.75–15.44）、心脏病发作（OR 3.14，95% CI 1.55–6.36）、结核病（OR 3.10，95% CI 1.63–5.91）、哮喘（OR 2.61，95% CI 1.47–4.62）、高胆固醇（OR 2.54，95% CI 1.18–5.47）、慢性疼痛（OR 2.37，95% CI 1.71–3.28）和HIV（OR 2.16，95% CI 1.63–2.85）；贫血关联较弱（OR 1.47，95% CI 1.03–2.11）。高血压、糖尿病、慢性支气管炎和癌症在调整后无显著关联。在共同的每1-SD尺度上，疾病计数调整后OR为1.66（95% CI 1.41–1.95），网络评分为1.55（95% CI 1.31–1.82），最大中心性为1.24（95% CI 1.03–1.49）。网络评分与疾病计数高度相关（r = 0.96），联合模型中方差膨胀因子为13.6和14.5，网络评分系数发生反转（OR 0.63），提示共线性。
**3.7 模型比较**
在预设的嵌套模型中，加入疾病计数使AUC从0.721（仅协变量）增至0.758。网络评分的区分度略低于疾病计数（AUC 0.752 vs. 0.758，DeLong p < 0.001），最大中心性更低（AUC 0.729，p < 0.001）；将两种网络指标加入疾病计数后区分度无改善（AUC 0.756，DeLong p = 0.26），设计AIC相近（2,783 vs. 2,789）。将12种疾病分别纳入的模型区分度最佳（AUC 0.769，p = 0.001 vs. 疾病计数）。10折交叉验证在网络指标于每个训练折内重新计算后确认了排序：疾病计数平均AUC 0.762，网络评分0.758，最大中心性0.738，疾病计数加网络指标0.762，单独疾病0.777。网络衍生个体指标未提供超越疾病计数的增量价值。
**四、讨论与结论总结**
**讨论部分**：研究人员强调三个关键发现。第一，疾病聚类模式在不同亚组间存在差异，感染性聚类（结核病、HIV、贫血）在所有亚组中稳定，提示共享的临床或生物学通路；性别和城乡差异迄今在撒哈拉以南非洲研究中未见充分记录。第二，高中心性疾病（心脏病发作、慢性支气管炎、哮喘、慢性疼痛）可能与复杂多重病症相关，但横断面数据无法确定因果方向。第三，与预设假设相反，网络指标未优于简单疾病计数；网络评分的表现优势是预测变量尺度导致的假象，因为网络评分本质上是条件特征向量中心性之和，与疾病计数机械相关。研究还区分了关联和区分度：中风虽有最大OR但患病率极低，对区分度贡献有限；疾病计数的AUC相对较高。与既往研究比较，本研究未发现网络指标优于疾病计数的证据，且仅中风-贫血交互作用经受住多重检验校正。临床和政策意义方面，不支持用网络评分替代疾病计数，但聚类结果提示可围绕可靠共病（如高血压、糖尿病、慢性疼痛；结核病、HIV、贫血）组织综合护理和共同筛查，并根据性别和城乡差异量身定制服务。局限性包括横断面设计、缺乏精神健康数据、部分条件自我报告可能低估患病率、未测量混杂、完整病例样本可能影响代表性，以及网络指标在同一人群中衍生和评估，但交叉验证结果未改变结论。
**结论部分翻译**：在南非成人中，慢性病形成稳健的聚类——最显著的是结核病-HIV-贫血聚类，该聚类在每一亚组和重抽样分析中均持续存在——且疾病共病的结构因性别和居住地而异。然而，在考虑调查设计、调整和验证后，个体水平网络指标并未优于简单疾病计数作为自评健康较差的相关因素。在传染病和非传染性疾病负担并存的背景下，卫生系统可围绕可靠共病组织综合护理，而疾病计数仍是识别自评健康较差风险成人的务实工具；基于模式的指标在临床采用前需要前瞻性评估。
