《European Journal of Public Health》：Improving mortality rate estimation in 825 European cities: a linear mixed-effects modelling approach using Urban Audit data
编辑推荐：
评估城市人群的健康状况及其决定因素对于确保可持续的城市生活至关重要。疾病负担研究和健康影响评估经常被使用，而城市层面的基线死亡率是一个关键参数。然而，研究倾向于使用缺乏代表性的估计值，特别是对于大规模研究，通常将区域或国家估计值应用于城市层面。研究人员利用开源
评估城市人群的健康状况及其决定因素对于确保可持续的城市生活至关重要。疾病负担研究和健康影响评估经常被使用，而城市层面的基线死亡率是一个关键参数。然而，研究倾向于使用缺乏代表性的估计值，特别是对于大规模研究，通常将区域或国家估计值应用于城市层面。研究人员利用开源数据，开发了一种针对825个欧洲城市的分年龄和分性别死亡率估计的标准化方法。为了填补缺失数据，基于城市特定趋势，使用带有自然三次样条的线性混合效应模型对2011–19年的死亡率和人口数据进行了建模。通过生成公开可用的城市层面死亡率数据集，以及可复制用于其他年份的方法，研究人员试图克服基线死亡率估计中现有的许多不足。2018年，最高的年龄标准化自然原因死亡率出现在匈牙利、波兰、克罗地亚和捷克共和国的城市，而最低的比率出现在西班牙、法国和意大利的城市。观察到城市层面和国家层面比率之间存在差异，中位相对偏差约为16%。研究人员的方法解决了与城市层面死亡率估计相关的许多常见数据质量和协调挑战。推进有效的政策和干预措施需要各城市间具有良好时间覆盖的稳健基线健康数据。为实现这一目标，需要加强努力以改善区域来源数据的准确性和一致性，确保准确的城市层面代表性。研究人员完整记录了整个过程，并提供了代码和数据供其他研究使用。
在欧洲，目前有近40%的人口居住在城市，预计到2050年这一数字将翻倍。尽管城市提供了诸如经济机会和社会联系等健康优势，但城市化的不利影响也有充分记录，如环境污染和人口密集导致的健康风险。为了促进可持续的城市生活，了解城市环境如何影响健康结果至关重要。健康影响评估（Health Impact Assessment, HIA, 一种用于模拟城市规划对健康结果影响的决策支持工具）被广泛采用以评估政策或干预措施的潜在结果。然而，HIA的可靠性在很大程度上取决于准确的特定人群基线健康信息，而这些信息通常不易获得，特别是对于大规模多城市研究。由于发病率数据尤为缺乏，死亡率常被用作分析大量城市时健康状况的替代指标。目前，估计死亡率的方法存在诸多问题。全球疾病负担研究在国家级别的准确性较高，但限制了对城市级别分析的精确度。许多研究直接将国家级别的GBD基线疾病率应用于城市地区，或者采用Nomenclature of Territorial Units for Statistics 3（NUTS3, 欧盟 territorial 统计命名单位3级）级别的数据应用到城市，但这会忽略城市及其周边地区的死亡率差异。此外，在多国研究中，城市定义和官方边界的变化导致数据的可用性和协调性受限。尽管Eurostat的Urban Audit（一项提供城市地区开源、标准化数据的倡议）提供了标准化的城市定义和边界，但欧盟各成员国城市层面健康数据的完整性存在差异。针对上述问题，研究人员旨在为欧洲城市提供公开可用的城市层面死亡率。他们开发并实施了一种标准化方法，利用开源数据估计了825个欧洲城市在2015年和2018年的特定年龄和性别的死亡率。研究得出结论，该方法改善了更精细空间分辨率的死亡率估计，并且可复制用于其他年份，从而实现跨城市和时间更有意义的比较。这项研究发表在《European Journal of Public Health》上，其生成的公开数据集和可复制方法克服了基线健康估计中的许多现有缺陷，对推进有效的政策干预和城市健康研究具有重要意义。
研究样本队列来源于从Urban Audit 2021城市边界（712个欧盟城市）和Urban Audit 2018边界（113个英国城市）中确定的825个欧洲城市。研究人员利用Urban Audit和英国国家数据库进行数据收集，针对2015和2018年的缺失数据，使用带有自然三次样条（natural cubic splines, 一种用于拟合非线性趋势的平滑曲线方法）的线性混合效应模型（Linear Mixed-Effects Models, LMM, 一种包含固定效应和随机效应的统计模型）对2011–2019年的总人口和总死亡计数进行插补。模型采用了两个自由度的年份自然样条，并通过随机截距和斜率捕捉城市特定的趋势。对于数据转换，死亡率计数在进行LMM分析前进行了对数转换，以减少偏度并稳定方差。对欧盟城市采用NUTS3级别的年龄和性别比例估算特定人口及死亡率；对英国城市，使用面积加权法将地方行政区数据调整至城市边界。运用蒙特卡洛模拟传播不确定性，并使用欧洲标准人口进行年龄标准化。
城市层面人口和死亡率数据的插补
通过分析缺失数据，研究人员发现2015年约21%的城市缺失人口数据，约17%缺失死亡率数据。利用LMM与自然三次样条填补缺失值。针对数据稀疏的城市，应用全局模型残差标准差（Residual Standard Deviation, SD）以确保稳定性。敏感性分析表明，纳入区域级信息的复杂模型预测误差较高且存在系统性低估，因此主分析采用较简单的模型。
国家来源数据
针对Urban Audit数据与模型估计存在持续差异（±20%）的城市，研究人员应用了国家来源数据。共有来自7个国家的69个欧盟和欧洲经济区城市使用了国家来源的总人口和死亡计数。
结果
研究人员生成了825个城市2015年和2018年的特定年龄和性别的全因和自然原因死亡率。2015年自然原因年龄标准化死亡率（Age-standardized Mortality Rate, ASMR）范围为每10万标准人口385–1953；2018年为433–1768。在2015年，ASMR最高的20个城市位于保加利亚、克罗地亚、捷克共和国、匈牙利、拉脱维亚、波兰和爱尔兰共和国；而ASMR最低的20个城市位于法国、意大利、罗马尼亚、西班牙和瑞典。到了2018年，ASMR最高的城市分布在爱沙尼亚、克罗地亚、捷克共和国、匈牙利、拉脱维亚、波兰和爱尔兰共和国，最低的国家与2015年保持一致。爱沙尼亚、爱尔兰共和国和斯洛文尼亚的城市死亡率与国家死亡率偏差最大，而挪威、斯洛伐克和捷克共和国的城市偏差最小。城市级与国家级死亡率的相对偏差中位数在2015年为14.9%，2018年为15.6%。2015至2018年间，城市层面死亡率的变化范围从最大减少177人死亡到增加243人死亡每10万人口。变化最大的增加出现在爱沙尼亚和拉脱维亚，减少最大的是意大利和西班牙。
总结讨论部分
研究人员生成了公开可用的825个欧洲城市2015年和2018年的特定年龄和性别的城市层面死亡率数据集。该方法克服了数据缺失、数据源差异和估计不确定性等常见局限。数据不一致问题突显了底层数据收集和标准化方法的问题，例如城市边界变化，因此使用国家数据库需谨慎解释。在数据稀疏的情况下依赖全局残差SD会导致置信区间变宽，但透明报告这些区间是方法学优势。未来的方法学改进将扩展至估计2021和2024年的死亡率，并考虑如何处理COVID-19的死亡轨迹。一种方法是忽略受COVID-19影响的年份进行模型扩展，另一种方法是引入虚拟变量来解释疫情对时间趋势的干扰。此外，纳入外生预测因子（如人均国内生产总值和老龄人口比例）并考虑城市间的空间相关性可能会改善预测。然而，城市级别数据可用性的限制以及这些预测因子在时间上的相对稳定性可能限制其预测能力。该方法的应用有助于提高疾病负担研究的准确性。在HIA研究中，PM
2.5和臭氧导致的归因死亡受区域影响，而该方法提供的基线疾病率能够实现跨城市和时间的一致比较。此外，该研究为开发如Lancet Countdown等气候变化健康追踪指标提供可靠支持。
翻译研究结论部分
在825个欧洲城市中生成公开可用的城市层面特定年龄和性别死亡率数据集，克服了基线健康估计中现有的许多不足。已记录的混合效应模型的参数化可以根据数据类型、质量和目的进行调整。研究人员的方法和死亡率估计值对HIA和城市疾病负担研究，以及设计用于跟踪和监测城市随时间变化的归因健康影响的指标尤为重要。虽然Eurostat是一个有价值的集中式开源数据中心，但其中的差异和数据缺口凸显了提高数据可用性、质量以及方法学选择透明度的必要性。加强收集统一、开源、高质量的城市特定数据，对于推进城市健康研究和制定特定城市的政策与干预措施至关重要。
