《Nature Medicine》：Phenomic profiles and disease patterns of 1.9 million participants from Our Future Health
编辑推荐：
Our Future Health 是一项前瞻性研究，旨在招募 500 万英国常住成年居民，以支持疾病预防、筛查与治疗方法的发现与转化。迄今已有超过 250 万人登记，190 余万参与者基线表型数据可用。研究人员评估了表型——自我报告的健康相关行为、地理位置、
Our Future Health 是一项前瞻性研究，旨在招募 500 万英国常住成年居民，以支持疾病预防、筛查与治疗方法的发现与转化。迄今已有超过 250 万人登记，190 余万参与者基线表型数据可用。研究人员评估了表型——自我报告的健康相关行为、地理位置、诊断与用药、住院与门诊就诊、癌症登记和死因——并将疾病模式与国家估计及 UK Biobank（UKB）队列比较。社会人口学、生活方式与健康相关特征反映英国人群模式；除一个少数族裔群体外，其余少数族裔群体及最贫困社会经济群体代表性不足。若干主要自我报告疾病、尤其是抑郁症与焦虑症等精神健康状况的患病率高于国家估计，且与 UK Biobank 方向一致（r = 0.78）。与已知临床相关因素的相关性在两个队列中可重复（r = 0.80）。用药模式与癌症患病率呈现预期的年龄相关梯度，肺癌率低于国家数据。随着招募推进，电子健康记录（electronic health records，EHR）有助于明确疾病模式并系统评估偏倚。
研究背景方面，现有志愿参与型大型生物库与队列虽推动了精准医学和公共卫生研究，但普遍存在代表性不足、族群多样性有限、样本量不足以研究少见病等问题；UK Biobank（UKB，英国生物库）等队列不能用于推导可泛化的疾病患病率与发病率。英国虽具备成熟健康研究基础设施，仍需一个规模更大、覆盖年龄与族群更广、并能持续链接全国健康记录的队列。为此，研究人员依托 Our Future Health（OFH）这一由英国政府、产业界与慈善部门支持的前瞻性队列开展研究；该队列目标招募 500 万英国常住成人，截至分析时已有超 250 万人登记、190 余万参与者具备基线表型数据，是世界最大多族群与多年龄段成人队列之一。论文发表于《Nature Medicine》。
主要技术方法上，研究人员使用 OFH 第 12 与第 13 次数据发布，样本为约 190 万已同意参与者，数据含基线问卷、临床测量、地理定位与关联电子健康记录（EHR）；以 2021 英格兰健康调查（Health Survey England，HSE）、2021—2022 英国人口普查、Global Burden of Disease（GBD，全球疾病负担）研究作为人群参照；跨队列比较对象包括 UK Biobank（UKB）、All of Us、FinnGen。表型构建采用自我报告、住院国际疾病分类第十版（ICD-10）代码、关联癌症登记与死因数据；统计上采用 Pearson 相关、多变量 logistic 回归调整年龄/性别/收入/族群后估计校正优势比（odds ratio，OR）、Cohen’s κ 衡量自我报告与 EHR 诊断一致性，并按年龄、自我报告族群分层。
研究结果如下。
The OFH cohort：研究人员比较 OFH 与社会人口结构，发现年龄—性别结构近似英国人群，但女性占比 57%、年轻人较少；最贫困多重剥夺指数（Index of Multiple Deprivation，IMD）五分位代表性不足，最富有五分位过度代表；自我报告长期健康问题比例略高于 HSE。结论为 OFH 虽具规模优势，但仍存在参与偏倚。
Geographic distribution：基于注册地理与家庭结构数据，研究人员发现 97.7% 参与者报告居住英格兰，城市与新建预约中心周边聚集明显，家庭户内多人参与普遍。结论为分阶段招募与家庭/个体邀请策略塑造了空间分布。
Comparison of lifestyle, health and anthropometric measures：研究人员比对体质测量、吸烟、饮酒、体力活动与自评健康，发现 OFH 当前吸烟率低于 HSE，频繁饮酒男性更多，体力活动更高，自评“极好”健康少于 HSE。结论为健康相关行为存在系统性差异，不能简单视为健康志愿者偏倚。
Variation in phenotypic disease profiles：研究人员对常见自我报告疾病与医院 ICD-10 表型进行比较，OFH 与 UKB 在 109 个条件上高度相关（r = 0.784）；精神疾病报告更多，高血压、心肌梗死、卒中较少。结论为疾病相对排序与已知队列一致，但绝对患病率不可直接当作人群真值。
Associations between health conditions and clinical correlates：研究人员对 18 个疾病—临床相关因素对做校正 OR，OFH 与 UKB 效应方向一致且相关（r = 0.783）。结论为 OFH 表型与协变量捕获有效，效应量差异来自队列构成与确认方式。
Medication-use patterns, correlation with diagnosis and cross-source concordance of self-report：研究人员分析用药随年龄变化及用药—诊断关联，癌症、自身免疫、神经系统疾病用药与自我报告诊断 OR 极大；自我报告与住院 EHR 一致性因疾病而异，癌症 κ = 0.66，高胆固醇 κ = 0.29。结论为用药数据可验证诊断，但轻症与筛查相关条件一致性较低。
Cancer prevalence in comparison with national estimates：研究人员用自我报告、住院 EHR 与癌症登记三类来源比对国家 NDRS 数据，乳腺与前列腺自报偏高，结直肠近似国家估计，肺及支气管癌各来源均显著偏低。结论为肺癌亏缺跨方法一致，可能反映真实风险因子分布差异。
Prevalence of less common conditions and rare diseases：研究人员在 187 个较少见条件中比较 OFH 与 UKB，OFH 罕见病病例数更大，如重症肌无力、原发性胆汁性胆管炎、囊性纤维化；特发性颅内高压等因年龄结构更年轻而超额。结论为 OFH 可提升罕见病发现力，但早发致死性罕见病仍受成人志愿队列限制。
讨论部分总结：研究人员指出 OFH 虽规模空前，但当前不可用于推导全条件可泛化患病率；精神健康高负担可能反映报告文化、紧缩政策与 COVID-19 后健康影响；NHS 等待时间等现实压力可能吸引有未满足医疗需求者参与。因果推断须考虑选择性参与与碰撞偏倚（collider bias），但非代表性不一定扭曲暴露—疾病关联；可利用亲属基因数据、跨生物库复制与加权方法缓解偏倚。主要局限是尚缺初级保健 EHR，自我报告对慢性与门诊病不完全。
研究结论部分翻译：OFH 已具备巨大生物医学与临床研究价值，但须在其数据现状与局限中理解；约 200 万登记参与者基线数据使其成为同类最大知情同意队列，尤其利于服务不足人群、分层分析与潜在罕见病研究。其多源互补表型、随访问卷与健康记录链接将增强时间与前瞻分析能力，临床研究中转服务可支持预防与早筛试验。由于仍是进行中队列，最终应答率尚不可得，当前不应像 UKB 那样用于推导全条件可泛化患病率与发病率；成人志愿队列天然低估儿童期发病罕见病。研究人员强调，OFH 的组成须结合确认机制、疫情后健康变化与医疗可及性解释。未来使用者应防范选择性参与与碰撞偏倚，但通过跨队列复制、亲属网络与基因型推断参与偏倚，可提升因果推断稳健性。尽管存在局限，OFH 已是宝贵资源；其长远成功取决于持续数据链接、真实世界临床应用、参与者反馈效用，以及公众对健康数据使用的信任治理。综上，OFH 已经是有价值的研究平台，但确保其潜力惠及全体人群必须是共同优先事项。
