社会与环境决定因素对多病共存的预测归因高于健康行为：一项基于人群的机器学习研究

《Healthcare》：Social and Environmental Determinants Show Greater Predictive Attribution than Health Behaviours for Multimorbidity: A Population-Based Machine Learning Study

　　

背景/目标：多病共存通常被归因于老龄化和健康行为；社会和环境暴露很少在同一模型中被量化。研究人员评估了在年龄之外，慢性病负担的预测归因中有多少归属于社会、环境和行为领域。方法：研究人员分析了2023–2024年智利国家生活质量与健康调查中16,590名年龄≥15岁的受访者，统计了19种经医生诊断的慢性病。在使用设计加权样条去除年龄效应后，研究人员将残差计数对151个上游决定因素进行建模，采用17种监督算法，并使用调查权重和不相交的抽样单位进行训练与测试。SHapley加性解释（SHAP）值被聚合并预先指定的领域，求和并计算每个变量的平均值。结果：在12,070个完整案例中，加权多病共存患病率为40.1%；年龄单独解释了23.2%的方差。用于归因的随机森林测试集R2=0.117（95%置信区间0.091–0.138），剩余88.3%的残差变异未得到解释。预测归因最高的是社会隔离与支持（23.1%）、邻里环境（20.9%）和社会经济地位（20.3%），而健康行为为12.0%，且在任何实质性领域中每个变量的归因最低。在年龄直接建模、大小归一化或分组归因、排除重加权以及从计数中剔除心理健康诊断的情况下，上述每个领域均超过健康行为；然而，在15–44岁成年人中，健康行为获得了最大的总和归因（20.9%）。结论：在考虑年龄后，社会隔离、邻里条件和物质匮乏在最终模型中的预测归因高于健康行为，而行为在较年轻成年人中领先，提示多病共存存在年龄特异性途径。归因并非因果估计；大部分变异仍未解释，且不能排除反向因果。尽管如此，这一排序对以行为为中心的预防框架提出了质疑，这些领域值得在纵向和干预研究中作为预防目标进行评估。

社会与环境决定因素对多病共存的预测归因高于健康行为：一项基于人群的机器学习研究——论文解读

一、研究背景与问题

多病共存（multimorbidity），即同一人同时患有两种或以上慢性病，已成为慢性病的主要表现形式，全球成人患病率约为三分之一，在拉丁美洲和加勒比地区亦相近。传统解释框架将多病共存归因于年龄增长和个体健康行为，而社会与环境暴露很少在同一模型中被量化比较。既有研究多将社会经济剥夺、社会隔离、邻里环境等分别与多病共存关联，但这些领域相对权重及其与健康行为的比较从未在统一模型中得到估计。此外，现有预测模型常将年龄作为线性协变量调整，忽略了年龄与患病数的非线性关系；候选暴露的交互与非线效应也无法用单一模型识别。更重要的是，许多调查同时测量了疾病的下游后果（如功能受限、健康自评、医疗服务使用），若纳入这些变量会造成模型看似性能良好却解释不了因果前因的假象。因此，需要一种明确排除下游变量、灵活去除年龄、并同时纳入大量候选决定因素的定量框架，以回答“在年龄之外，哪些领域的预测归因更大”这一假设检验问题。

二、研究设计与方法概要

研究人员利用2023–2024年智利国家生活质量与健康调查（ENCAVI）数据，纳入16,590名15岁及以上受访者，经过明确预指定的排除流程，将464个变量缩减为151个候选上游决定因素，最终分析样本为12,070名完整案例（代表约1,236万成年人）。核心方法包括：第一，两阶段年龄调整，使用设计加权自然三次样条（六节点）先去除年龄对慢性病计数的影响，以残差作为第二阶段结局；第二，采用17种监督回归算法构成的预指定算法面板，包括线性模型（线性回归、岭回归、LASSO、弹性网络）、核方法（支持向量回归）、实例方法（k近邻）、树集成（随机森林、极端随机树、袋装树、多种梯度提升）及神经网络（多层感知机），通过以抽样单元（PSU）分组划分训练集与测试集，并用五折交叉验证选择最优模型；第三，使用SHapley加性解释（SHAP）值量化每个变量的预测归因，并聚合成八个预先指定领域；第四，通过多种敏感性分析检验排序稳健性，包括直接建模年龄而非残差化、主成分分析、完整案例分析重加权、缺失值处理方式变化、去除心理健康诊断、以及15–44岁年轻亚组分析等。所有分析均使用调查权重并尊重复杂抽样设计。

三、研究结果

3.1 分析样本与结局分布
在12,070名完整案例中，加权多病共存患病率为40.1%，平均慢性病数为1.66，50.0%为女性，平均年龄44.2岁，15.7%年龄≥65岁。结局计数呈右偏分布，范围0–19。

3.2 年龄约解释四分之一方差
设计加权自然三次样条在测试集中解释了慢性病计数23.2%的方差，残差加权标准差为1.69个疾病。所有后续结果均针对去除年龄后的残余变异。

3.3 模型性能与非线性价值
17种算法中，随机森林取得最高交叉验证R2（0.121），Extra Trees（0.117）、LightGBM（0.111）等紧随其后；弹性网络为0.107，岭回归为0.086。嵌套超参数调整后，最优树集成（tuned LightGBM，0.132）仍比最优惩罚线性模型（0.110）高约0.02，表明非线性和交互结构确实存在但幅度温和。测试集随机森林R2=0.117（95%CI 0.091–0.138），MAE=1.174，RMSE=1.593，相对于空模型MAE改善5.3%，RMSE改善6.0%，Cohen's f2=0.132。两阶段联合模型解释总方差32.2%，即67.8%的总方差和88.3%的年龄后残差方差未被解释。

3.4 稳健性
五个独立PSU分组划分下测试R2为0.125±0.013，归因排序平均Spearman相关0.915，前十个领先变量中有六个在全部五个划分中均进入前十。三个领先的社会与环境领域在五个划分中均超过健康行为。主成分分析表现较差（R2=0.096），且无法进行变量级解释。

3.5 领域归因
聚合SHAP归因后，社会隔离与支持获得最高比例（23.1%，30个变量），其次是邻里环境（20.9%，45个变量）、社会经济地位（20.3%，10个变量），而健康行为仅占12.0%（36个变量）。按每个变量平均归因计算，社会经济地位最高（0.032），健康行为最低（0.005），低于所有其他实质领域。将每个领域限制为前五个变量后，健康行为仍排名第五。分组SHAP和排列重要性均进一步降低健康行为的相对地位。

3.6 领先的个体决定因素
最强的个体贡献者为女性（平均|SHAP|=0.167）、自我评价经济状况差（0.152）、缺乏陪伴（0.089）、邻里异味（0.087）、感到与他人隔绝（0.071）、收入不足以支付整月食物（0.058）、每日久坐时间（0.041，首个健康行为变量）、被威胁遭受攻击或性虐待（0.035）、被他人排斥（0.030）。吸烟仅排第43位。方向一致性表明物质困难、社交隔离、环境恶化、暴力暴露与更高患病数相关。

3.7 敏感性分析：年龄、样本选择、缺失数据与年轻成年人
无论年龄是残差化还是直接建模，各社会与环境领域均超过健康行为；直接建模年龄时，社会经济地位跃居第一，但年龄相关变量占据了36.5%的归因，符合设计预期。去除年龄带变量、增加缺失指标、逆概率重加权均不改变排序。排除心理健康诊断后，社会隔离与支持归因下降约四个百分点，但各社会与环境领域仍领先。在15–44岁亚组（n=4163）中，健康行为获得最大总和归因（20.9%），超过社会隔离与支持（20.1%）和邻里环境（17.4%），按变量归一化后暴力与歧视获得最高归因（0.027）。

四、讨论与结论总结

讨论部分指出，社会隔离、邻里条件与物质剥夺共获得64.3%的预测归因，而健康行为仅12.0%，这一排序与以行为为中心的预防政策形成鲜明对比。研究人员强调，归因描述的是预测模型内部贡献分布，并非因果估计；多数变异仍然未解释。社会隔离的突出性与其全因死亡率、心血管事件的队列证据一致；邻里环境指标（异味、苍蝇、排水不畅、交通振动）可能是物质剥夺的代理，但最大相关仅0.09，且更多反映市政服务与周边环境而非个体选择。暴力与歧视领域仅五个变量即获4.7%归因，提示安全与尊严本身可作为健康暴露。女性优势一方面可能反映就医机会差异导致的诊断偏差，另一方面与她们承受更多物质困难与暴力威胁相关。反向因果是主要替代解释，但排除下游变量、邻里指标以外在环境为主、剔除心理健康诊断后排序仍稳定，均在一定程度上限制了该问题。年轻亚组的结果提示年龄特异性通路，行为在早发阶段可能更重要，而社会劣势的效应需时间累积。

研究结论翻译如下：在考虑年龄后，社会隔离与支持、邻里环境和社会经济地位在智利成年人的最终模型中合计占预测归因的64.3%，而健康行为为12.0%；该模型解释了年龄后残余方差的11.7%。三个领域在大多数可能偏倚比较的分析选择下均高于健康行为。对比在15–44岁成年人中发生逆转，健康行为获得最大归因，表明多病共存存在年龄特异性通路。这些关联来自横断面预测模型，归因不等于因果，个体效应温和，大部分多病负担仍未解释，且社会领域的反向因果无法排除。在此限度内，研究结果质疑了面向全体成年人的多病预防应主要依靠改变个体行为的假设，社会隔离、邻里环境和社会经济不平等值得作为预防政策的潜在目标，在纵向和干预研究中进一步评估。