
-
生物通官微
陪你抓住生命科技
跳动的脉搏
糖尿病患者的多重疾病负担与高医疗成本状况:来自中国纵向理赔数据的证据
《Health Economics Review》:Multimorbidity burden and high-cost status among patients with diabetes: evidence from longitudinal claims data in China
【字体: 大 中 小 】 时间:2026年08月11日 来源:Health Economics Review 3.4
编辑推荐:
摘要研究目的糖尿病患者中多病共存现象较为常见,且与医疗成本集中问题密切相关。本研究旨在量化多病共存的负担,并分析其与高医疗成本状态之间的关联。研究方法我们基于中国东部地区79,910名糖尿病患者的长期医疗保险理赔数据及慢性病管理数据,开展了回顾性队列研究。2019年年度医疗支出处
糖尿病患者中多病共存现象较为常见,且与医疗成本集中问题密切相关。本研究旨在量化多病共存的负担,并分析其与高医疗成本状态之间的关联。
我们基于中国东部地区79,910名糖尿病患者的长期医疗保险理赔数据及慢性病管理数据,开展了回顾性队列研究。2019年年度医疗支出处于前10%的患者被归类为高医疗成本群体。多病共存状况是根据文献综述确定的29种慢性疾病以及相应的诊疗阈值来定义的。通过描述性分析比较了高医疗成本患者与低医疗成本患者的情况。此外,还建立了6种机器学习模型,以ROC-AUC和PR-AUC作为主要性能指标,评估多病共存对高医疗成本患者的影响程度。对于表现最佳的模型,还采用了Shapley加性解释方法来解读分析结果。
共有7,991名(10.0%)患者被归类为高医疗成本群体。这类患者的多病共存负担高于低医疗成本患者(平均患病数量:8.6种 vs 6.4种)。其年均医疗支出也显著更高(25,903美元 vs 2,490美元)。与多病共存相关的医疗支出占总支出的33.6%,在高医疗成本患者中的比例是低医疗成本患者的十余倍。在高风险患者中,高血压是最常见的疾病(占比91.3%),而脑血管疾病后遗症则导致每名患者的医疗成本最高(8,869美元)。极端梯度提升模型表现出最佳性能(ROC-AUC=0.750,PR-AUC=0.301)。SHAP分析显示,脑血管疾病后遗症、肾功能衰竭、慢性缺血性心脏病、脑梗死以及骨质疏松症是影响高医疗成本状态的最主要的多病共存预测因素。
多病共存与糖尿病患者的高医疗成本状态存在关联。加强对心血管疾病、脑血管疾病、肾脏疾病及骨骼疾病患者的风险分层与综合管理,有助于降低医疗成本并改善其健康状况。
糖尿病患者中多病共存现象较为常见,且与医疗成本集中问题密切相关。本研究旨在量化多病共存的负担,并分析其与高医疗成本状态之间的关联。
我们基于中国东部地区79,910名糖尿病患者的长期医疗保险理赔数据及慢性病管理数据,开展了回顾性队列研究。2019年年度医疗支出处于前10%的患者被归类为高医疗成本群体。多病共存状况是根据文献综述确定的29种慢性疾病以及相应的诊疗阈值来定义的。通过描述性分析比较了高医疗成本患者与低医疗成本患者的情况。此外,还建立了6种机器学习模型,以ROC-AUC和PR-AUC作为主要性能指标,评估多病共存对高医疗成本患者的影响程度。对于表现最佳的模型,还采用了Shapley加性解释方法来解读分析结果。
共有7,991名(10.0%)患者被归类为高医疗成本群体。这类患者的多病共存负担高于低医疗成本患者(平均患病数量:8.6种 vs 6.4种)。其年均医疗支出也显著更高(25,903美元 vs 2,490美元)。与多病共存相关的医疗支出占总支出的33.6%,在高医疗成本患者中的比例是低医疗成本患者的十余倍。在高风险患者中,高血压是最常见的疾病(占比91.3%),而脑血管疾病后遗症则导致每名患者的医疗成本最高(8,869美元)。极端梯度提升模型表现出最佳性能(ROC-AUC=0.750,PR-AUC=0.301)。SHAP分析显示,脑血管疾病后遗症、肾功能衰竭、慢性缺血性心脏病、脑梗死以及骨质疏松症是影响高医疗成本状态的最主要的多病共存预测因素。
多病共存与糖尿病患者的高医疗成本状态存在关联。加强对心血管疾病、脑血管疾病、肾脏疾病及骨骼疾病患者的风险分层与综合管理,有助于降低医疗成本并改善其健康状况。