《Frontiers in Public Health》：Mortality trends and influencing factors of mental disorders among urban and rural residents in China between 2009 and 2021: a longitudinal study with projections to 2030
编辑推荐：
摘要
引言：精神障碍是中国面临的重大公共卫生挑战，城乡之间在资源和结局方面存在显著差异。然而，长期死亡率趋势、影响因素以及城乡未来预测仍未被充分探讨。本研究旨在利用2009—2021年全国数据分析这些死亡率趋势、识别相关因素并预测至2030年的死亡率。
方
摘要
引言：精神障碍是中国面临的重大公共卫生挑战，城乡之间在资源和结局方面存在显著差异。然而，长期死亡率趋势、影响因素以及城乡未来预测仍未被充分探讨。本研究旨在利用2009—2021年全国数据分析这些死亡率趋势、识别相关因素并预测至2030年的死亡率。
方法：数据来源于《中国卫生健康统计年鉴》《中国卫生和计划生育统计年鉴》《中国卫生统计年鉴》和《中国统计年鉴》2009—2021年各卷。采用联结点回归（Joinpoint regression）分析时间趋势。采用双向固定效应面板回归模型考察相关因素，并进行了包括Oster边界分析（Oster's boundary analysis）和排除痴呆相关死亡的额外敏感性分析。比较GM(1,1)、自回归积分滑动平均模型（ARIMA）和Lasso模型用于预测，并构建乐观和悲观情景以反映至2030年预测的不确定性。
结果：2009—2021年，城市粗死亡率（CMR）保持稳定，而农村粗死亡率显著上升（平均年度变化百分比AAPC=1.21%，p=0.02），并在2019—2021年急剧升高（年度变化百分比APC=13.23%，p<0.01）。年龄标准化死亡率（ASMR）仅在农村地区下降（AAPC=?3.88%，p<0.01）。男性ASMR高于女性，高龄年龄组负担最重。20~25岁年龄组在2018—2021年呈上升趋势，但未达到统计学显著性。老龄化率是与ASMR相关的最强因素（β=0.650，p<0.01），在控制精神障碍患病率、自杀特异性死亡率和生活方式因素后这一关联仍然存在。Oster边界分析表明，未测量混杂因素需显著强于已观测协变量才能消除这一关联。情景预测显示城乡趋势持续分化，乐观与悲观情景之间范围较大。
结论：本研究揭示了精神障碍死亡率的显著城乡差异，农村地区近期出现明显上升。男性、高龄老人和年轻人尤其脆弱。人口老龄化与死亡率的相关性最强，且控制额外混杂因素后该关联仍存在。情景预测表明城乡趋势将继续分化。这些发现强调需要全生命周期预防策略以及城乡间差异化的资源分配。
研究背景与研究目的
精神障碍是全球疾病负担的重要组成部分，造成大量伤残调整生命年（DALYs）和社会经济成本。在中国，精神障碍的12个月患病率和终生患病率分别为9.3%和16.6%，且常与躯体疾病共病，加重不良结局。尽管中国自2004年起实施严重精神障碍管理治疗项目，并于2013年颁布《中华人民共和国精神卫生法》、2016年提出“健康中国2030”战略，但城乡精神卫生资源分布仍不均衡，例如城市精神科医师密度约为农村的1.5倍。然而，城乡精神障碍死亡率的长期趋势及其驱动因素尚未被系统评估。为此，研究人员利用2009—2021年国家年鉴数据开展纵向研究，分析死亡率趋势、影响因素并预测至2030年，为精神障碍防治和资源优化配置提供科学证据。该论文发表在《Frontiers in Public Health》。
研究方法简介
研究人员利用2009—2021年《中国卫生健康统计年鉴》等4部年鉴的汇总数据，提取死亡、卫生资源、社会经济、人口及生活方式指标；以2010年全国普查人口为标准计算年龄标准化死亡率（ASMR），采用联结点回归（识别趋势转折点的回归方法）分析变化，采用双向固定效应面板回归模型考察相关因素，并运用Oster边界分析、剔除痴呆相关死亡、缩短时间窗等敏感性检验；比较GM(1,1)、ARIMA和Lasso三种模型后，以GM(1,1)为基础并构建乐观和悲观情景预测至2030年。
研究结果
3.1 描述性分析
3.1.1 总体死亡水平
2009—2021年，城市精神障碍粗死亡率（CMR）在2.00~3.60/10万之间波动，农村CMR从3.08/10万升至3.54/10万。农村ASMR始终高于城市，且差异具有统计学意义。城乡死因构成比均逐渐上升，2021年城市为0.54%，农村为0.48%。
3.1.2 年龄与性别死亡水平
男性ASMR在城乡均显著高于女性；ASMR随年龄增长急剧升高，≥75岁年龄组负担最重。20~25岁年龄组在2018—2021年出现上升，但未达到统计学显著性。
3.2 Joinpoint趋势分析
3.2.1 城乡CMR与ASMR趋势
城市CMR总体趋势无统计学意义，但2009—2011年显著下降后转为2011—2021年上升；农村CMR总体显著上升，2019—2021年APC达13.23%。农村ASMR显著下降（AAPC=?3.88%），城市ASMR无显著趋势。
3.2.2 性别特异趋势
城乡男性与女性CMR均呈先降后升模式；农村两性CMR在2019—2021年均急剧上升。农村男性ASMR下降幅度大于农村女性。
3.2.3 年龄组特异趋势
<20岁组多数无法拟合模型，且死亡率极低；≥20岁多数年龄组呈下降趋势，但75岁及以上仍最高。20~<25岁组2018—2021年APC在城市和农村分别为33.01%和23.11%，但均未达到统计学显著。
3.3 面板回归分析
3.3.1 逐步回归结果
模型1显示卫生资源变量与较低ASMR相关；模型2加入社会经济变量后收入、医保覆盖率和城镇化率呈保护性关联；模型3加入老龄化率后其成为最强预测因子；模型4进一步加入患病率、自杀死亡率、吸烟和饮酒等变量后，老龄化率仍为最强因素（β=0.650，p<0.01）。
3.3.2 变量重要性排序
标准化系数排序显示老龄化率贡献最大，其次为自杀特异性死亡率、精神障碍患病率和成人吸烟率。卫生资源中精神科医师工作负荷和精神科床位密度贡献较强，心理治疗师密度和医师密度标准化关联较弱且不显著。
3.3.3 对遗漏变量偏倚的稳健性
Oster边界分析显示，精神卫生资源和社会经济变量的保护性关联总体稳健；老龄化率对遗漏变量偏倚中等敏感，需要未测量混杂因素约为已观测协变量的三分之一才能完全消除其与死亡的关联。
3.4 死亡率预测与情景分析
3.4.1 模型比较
验证集上ARIMA对多数序列误差较小，但其随机游走或简单移动平均结构无法提供方向性预测；Lasso为线性外推，难以捕捉非线性趋势；GM(1,1)能生成与Joinpoint识别的趋势转折大致一致的方向性预测，故作为基线模型。
3.4.2 情景预测
GM(1,1)基线预测显示，2022—2030年城市CMR将从3.33/10万升至4.11/10万，城市ASMR略降；农村CMR小幅上升，农村ASMR从2.48/10万降至1.77/10万。乐观情景和悲观情景分别取三种模型预测中位数的90%和110%，形成较宽的范围，且城乡趋势继续分化。
讨论
研究显示城乡死亡率趋势分化：城市CMR总体稳定，农村自2019年后急剧上升，可能与COVID-19疫情期间农村基层卫生服务中断、结构性人口迁移导致家庭支持弱化以及农村较高的病耻感有关。20~25岁年轻人群的上升信号与大学生抑郁症状增加、心理困扰升高趋势一致。男性死亡率高于女性可能受性别角色、求助行为及物质使用障碍共病影响。老龄化率是精神障碍死亡率的最强关联因素，且在控制额外混杂后仍存在；痴呆相关死亡不能完全解释该关联。精神科床位和心理治疗师密度与较低ASMR相关，提示单纯增加资源数量或不足以改善结局。情景预测表明，即使乐观情景下农村CMR仍高于2019年前水平，城市CMR在基线及悲观情景下均继续上升。
结论
本研究分析了2009—2021年中国城乡精神障碍死亡率趋势。农村CMR在研究期间显著上升，并在2019—2021年急剧升高，而城市CMR相对稳定。年龄别死亡率随年龄增长急剧上升，高龄年龄组负担最重；<20岁死亡率极低，20~25岁组在2018—2021年呈上升但未达统计学显著。老龄化率与精神障碍死亡率关联最强，且控制额外混杂因素后仍存在。精神卫生资源和社会经济发展与较低死亡率相关。情景预测显示城乡趋势持续分化，乐观与悲观情景之间的差距反映未来轨迹对政策选择的敏感性。研究结果提示应加强老年精神卫生服务、开展全生命周期干预，并通过差异化资源配置缩小城乡差距。
