慢性病分布与社会人口学负担的流行病学评估：聚焦高血压、糖尿病及心血管疾病

《Frontiers in Epidemiology》：An epidemiological assessment of the distribution and sociodemographic burden of chronic diseases: a focus on hypertension, diabetes, and cardiovascular conditions

　　

背景：慢性病仍是全球发病与死亡的主要原因，明确其与社会人口学及行为因素的关联，并识别人群亚组间的效应修饰，对于制定精准预防策略至关重要。 方法：研究人员基于全国代表性调查数据开展横断面分析，采用调查加权多变量logistic回归模型，分别评估社会人口学与行为因素与高血压、糖尿病及心血管疾病的关联。使用限制性立方样条（restricted cubic splines, RCS）评估年龄的非线性关联，检验年龄×性别交互项，并通过预测概率可视化效应修饰。缺失数据采用多重插补法（multiple imputation, 五重插补）处理。模型区分度通过受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）评估，校准度通过校准图进行评价。 结果：年龄增长与三种疾病患病风险显著升高相关。糖尿病与心血管疾病存在显著的年龄×性别交互作用，男性随年龄增长的风险增幅高于女性；高血压的年龄相关增幅在两性间相似。收入与体重指数（body mass index, BMI）等社会人口学与行为因素独立关联于心脏代谢结局。模型区分度良好：高血压AUC=0.80，糖尿病AUC=0.77，心血管疾病AUC=0.83，且在校准十分位上具有充分校准。敏感性分析与主分析结果一致。 结论：心脏代谢风险与年龄及社会人口学和行为因素密切相关，糖尿病与心血管疾病的风险年龄轨迹存在显著的性别差异。研究强调在流行病学分析中纳入交互作用的重要性，并支持在人群层面实施基于年龄与性别的精准预防策略。

本研究发表于《Frontiers in Epidemiology》，针对高血压、糖尿病及心血管疾病（cardiovascular disease, CVD）这三类重大慢性非传染性疾病，在全球疾病负担持续加重、卫生系统面临“双重负担”的背景下展开。既往研究多单独分析各疾病的社会人口学影响因素，缺乏统一框架下跨疾病的比较，难以判断健康不平等是由共同社会分层模式还是疾病特异性脆弱性所致。为此，研究人员利用美国全国代表性的健康访谈调查（National Health Interview Survey, NHIS）2020—2023年数据，结合统一的多变量建模策略，系统评估三种疾病在社会人口学维度上的梯度差异，并探讨交互作用对风险轨迹的影响。

在方法上，研究采用横断面设计，分析对象为18岁及以上非机构居住成年人，样本量约14.7万。研究人员应用调查加权logistic回归模型，纳入年龄、性别、种族/族裔、收入、地区、BMI、吸烟状况及保险状态等协变量，使用限制性立方样条评估年龄的非线性关系，并通过Wald检验评估交互项。缺失数据采用链式方程多重插补（multiple imputation by chained equations, MICE），模型性能通过AUC与Hosmer–Lemeshow检验进行评估，敏感性分析比较了完整病例与插补模型的结果。

3 结果

3.1 样本特征：加权分析覆盖约9.189亿美国成年人，高血压粗患病率为31.2%，糖尿病为9.2%，心血管疾病为4.8%。高血压患者年龄中位数显著高于非患者，黑人比例较高，低收入及肥胖人群占比更大。

3.2 粗患病率模式：患病率随年龄显著上升，80岁以上人群高血压达67.6%、糖尿病19.2%、心血管疾病21.5%。男性高血压与心血管疾病患病率略高，女性糖尿病略高。黑人高血压负担最高，美国印第安人糖尿病负担最高，南方地区三种疾病患病率均最高。BMI与患病率呈正相关。

3.3 多变量关联：年龄每增加一个标准差，高血压OR=3.30，糖尿病OR=2.76，心血管疾病OR=4.29。女性在各病种的患病风险均低于男性。黑人高血压风险高于白人，但糖尿病与心血管疾病风险较低。肥胖显著升高所有疾病风险，高收入与低风险相关，有保险与高风险相关（可能与诊断机会增加有关）。中西部地区及南部地区风险高于东北部。

3.4 交互作用分析：年龄×性别交互作用在糖尿病（OR=0.92）与心血管疾病（OR=0.91）为负值，表明男性年龄相关风险增幅更大；高血压交互项为正值（OR=1.09），两性增幅略有差异但趋势相似。种族与收入的交互作用无一致显著性。

3.5 模型表现与校准：心血管疾病AUC最高（0.83），其次为高血压（0.80）与糖尿病（0.77）。Hosmer–Lemeshow检验虽显著，但校准图显示预测概率与观察概率总体吻合良好。

3.6 敏感性分析：插补模型与完整病例模型结果一致，不同模型设定未改变关联方向与强度。

在讨论部分，研究人员指出年龄关联的生物学基础可能包括长期血管损伤与代谢紊乱，性别差异或与生活方式、激素及就医行为有关。高血压在黑人中的高负担与此前证据一致，地区差异呼应了美国“卒中带”现象。研究优势在于全国代表性样本、加权分析、多重插补及交互作用的量化评估；局限包括横断面设计无法推断因果、自我报告可能导致的错分偏倚及残余混杂可能。

结论翻译：本研究表明，社会人口学与行为因素与高血压、糖尿病及心血管疾病密切相关。年龄在所有疾病中均为强相关因素，糖尿病与心血管疾病的年龄相关风险轨迹存在显著性别差异。模型表现良好，AUC指标显示满意的区分能力。研究结果强调在流行病学分析中考虑交互作用的重要性，并提示慢性病防控策略可结合年龄与性别进行精准化设计。该研究提供了基于人群的跨疾病社会人口学梯度比较证据，为进一步纵向研究奠定基础。