
-
生物通官微
陪你抓住生命科技
跳动的脉搏
2018年和2022年韩国国家癌症筛查计划在市级层面的相关因素及空间变化研究:侧重加权普通最小二乘回归分析与空间关联的局部指标
《BMC Public Health》:Municipal-level correlates and spatial variations of Korea’s national cancer screening program in 2018 and 2022: focus on weighted ordinary least squares regression and local indicators of spatial association
【字体: 大 中 小 】 时间:2026年09月04日 来源:BMC Public Health 4.4
编辑推荐:
摘要 背景 韩国国家癌症筛查计划(KNCSP)主要针对常见癌症进行筛查;然而,对于各城市在筛查参与度和空间分布方面的差异,目前尚缺乏全面的认识。本研究旨在分析城市健康指标与癌症筛查参与率之间的关联,并评估在调整这些指标后,空间聚集现象是否仍然存在。 方法 我们利用定制的韩国国
韩国国家癌症筛查计划(KNCSP)主要针对常见癌症进行筛查;然而,对于各城市在筛查参与度和空间分布方面的差异,目前尚缺乏全面的认识。本研究旨在分析城市健康指标与癌症筛查参与率之间的关联,并评估在调整这些指标后,空间聚集现象是否仍然存在。
我们利用定制的韩国国家健康保险服务(NHIS)KNCSP数据库,计算了胃癌、结直肠癌、肝癌、乳腺癌和宫颈癌的筛查率。最终样本量分别为2018年的21,879,658人和2022年的21,477,470人。我们将韩国社区健康状况指标(K-CHSI)数据库中的10项城市指标与2018年和2022年的癌症筛查率进行了关联分析。我们首先评估了筛查率与城市指标之间的未调整相关性,随后使用加权回归模型估计了调整后的关联程度。残差局部空间关联(LISA)方法被用来识别筛查参与度较高或较低的城市群,并发现异常区域。
2018年,乳腺癌(77.6%)和胃癌(76.1%)的筛查率最高。到2022年,乳腺癌和胃癌的筛查率依然位居前列,分别为62.3%和62.1%。2022年的总体健康检查率是乳腺癌筛查率最强的正向相关因素(β = 0.582,SE = 0.067,P < 0.001),胃癌筛查率也是如此(β = 0.502,SE = 0.086,P < 0.001)。相反,老年人口比例是宫颈癌筛查率的最显著负相关因素(β = -0.481,SE = 0.067,P < 0.001)。空间分析显示,LISA地图呈现出筛查参与度高低分布不均的区域,而残差LISA则确定了在回归调整后仍偏离预期水平的异常城市群。
2018年至2022年间影响各城市KNCSP筛查率的因素主要与总体健康检查和人口老龄化相关。然而,残差空间分析中仍然存在“冷点”和“热点”区域,这表明可能存在分析中未考虑的其他影响因素。将基于人口加权的回归分析与残差空间诊断方法相结合,有助于识别并优先关注需要针对性本地评估和定制实施策略的城市。
韩国国家癌症筛查计划(KNCSP)主要针对常见癌症进行筛查;然而,对于各城市在筛查参与度和空间分布方面的差异,目前尚缺乏全面的认识。本研究旨在分析城市健康指标与癌症筛查参与率之间的关联,并评估在调整这些指标后,空间聚集现象是否仍然存在。
我们利用定制的韩国国家健康保险服务(NHIS)KNCSP数据库,计算了胃癌、结直肠癌、肝癌、乳腺癌和宫颈癌的筛查率。最终样本量分别为2018年的21,879,658人和2022年的21,477,470人。我们将韩国社区健康状况指标(K-CHSI)数据库中的10项城市指标与2018年和2022年的癌症筛查率进行了关联分析。我们首先评估了筛查率与城市指标之间的未调整相关性,随后使用加权回归模型估计了调整后的关联程度。残差局部空间关联(LISA)方法被用来识别筛查参与度较高或较低的城市群,并发现异常区域。
2018年,乳腺癌(77.6%)和胃癌(76.1%)的筛查率最高。到2022年,乳腺癌和胃癌的筛查率依然位居前列,分别为62.3%和62.1%。2022年的总体健康检查率是乳腺癌筛查率最强的正向相关因素(β = 0.582,SE = 0.067,P < 0.001),胃癌筛查率也是如此(β = 0.502,SE = 0.086,P < 0.001)。相反,老年人口比例是宫颈癌筛查率的最显著负相关因素(β = -0.481,SE = 0.067,P < 0.001)。空间分析显示,LISA地图呈现出筛查参与度高低分布不均的区域,而残差LISA则确定了在回归调整后仍偏离预期水平的异常城市群。
2018年至2022年间影响各城市KNCSP筛查率的因素主要与总体健康检查和人口老龄化相关。然而,残差空间分析中仍然存在“冷点”和“热点”区域,这表明可能存在分析中未考虑的其他影响因素。将基于人口加权的回归分析与残差空间诊断方法相结合,有助于识别并优先关注需要针对性本地评估和定制实施策略的城市。