基于活动受限的老年人健康预期寿命研究

目的了解我国老年人基于活动受限的健康预期寿命现状及其分布差异。方法利用中国老年健康影响因素跟踪调查(CLHLS)2011至2018年追踪数据,在总体活动受限指数(global activity limitation indicator,GALI)标准下通过多状态生命表法对我国老人的预期寿命、健康预期寿命、健康预期寿命占比进行测算。结果我国65岁老年人的无活动受限预期寿命为13.78岁,约4.84年(26.00%)的时间处于活动受限状态,低于基于ADL测算的无失能预期寿命。同时,我国老年人无活动受限预期寿命存在性别和城乡差异。女性老人的无活动受限预期寿命为13.89岁,男性老人无活动受限预期寿命为13.66岁,但女性的无活动受限预期寿命占比低于男性(69.22%VS 78.20%);城镇老年人的无活动受限预期寿命为13.86岁,农村老年人的无活动受限预期寿命为13.67岁,但城镇老年人的无活动受限预期寿命占比却低于农村老年人(72.47%VS 75.51%)。结论基于GALI的无活动受限预期寿命与ADL标准下的无失能预期寿命存在差异,比无失能健康预期寿命更能反映老年人的综合健康水平,拓展了对我国健康预期寿命的多维度理解,同时在年龄、性别、城乡间存在差异,需针对重点人群制定相应政策。

通过多来源数据校核汇聚提高生命登记数据质量

目的评估多来源数据比对校核机制对我国死亡登记信息报告质量的提升作用。方法整合国家卫生部门死亡医学证明信息与全员人口信息、公安部门户口注销信息、民政部门火化信息及人社部门社保终止信息,通过身份证校验,排除无效及重复个案后,估计人群真实死亡水平和死亡医学证明信息的漏报情况。结果整合5个来源数据后,每年可获得的死亡个案信息保持在1000万以上,总量随着收集时间的增长逐渐上升。从不同来源的死亡个案信息报告数量看,死亡医学证明信息、社保终止信息、火化信息的数据上报数量在2015-2018年间有明显提高。死亡医学证明系统经其余任一系统补充后,数据量均可得到不同程度增长。死亡医学证明个案信息占比在过去4年间有显著提升,且在城市地区明显高于农村地区。通过多来源校核补充后,报告死亡率低于4‰的县区数量明显下降,2015年可降至16%。经多来源数据校核补充后,全国死亡漏报情况得到明显改善,2015年漏报率低于20%的县区数量可增至88.1%,2018年全人群漏报率降至5.1%。结论通过多源数据比对,可显著提高数据质量,为推进生命登记全覆盖提供有效方法,为客观反映我国居民健康数据提供数据支撑。

总体活动受限指数在中国老年人群中的适用性研究

目的通过对比其他健康测量指标,验证总体活动受限指数(global activity limitation indicator,GALI)衡量中国老年人群活动受限的能力,为推广GALI指标在我国的应用提供依据。方法利用中国老年健康影响因素跟踪调查(Chinese longitudinal healthy longevity survey,CLHLS)2018年数据,通过logistic回归分析模型和预测模型分析GALI与日常生活自理能力(activities of daily living,ADL)、工具性日常活动能力(instrumental activities of daily living,IADL)、躯体功能测量量表(physical performance test,PPT)之间的关联,探索GALI与抑郁症状间的关联。结果Logistic回归分析模型分析结果显示,GALI活动受限与报告ADL受限(OR=13.355,95%CI:12.471~14.311)、IADL受限(OR=5.321,95%CI:5.085~5.567)和PPT躯体功能障碍(OR=4.073,95%CI:3.905~4.249)均相关(均P<0.001)。有抑郁症状的人群更可能报告GALI活动受限(OR=2.311,95%CI:2.211~2.416,P<0.001)。结论GALI是测量中国老年人群一般身体活动受限状况的有效工具,在一定程度上可能反映抑郁症状的影响,在我国健康测量和监测指标体系中有一定的应用前景。

基于机器学习构建老年糖尿病患者轻度认知障碍风险评估模型

目的基于机器学习构建老年糖尿病患者轻度认知障碍(mild cognitive impairment,MCI)风险评估模型,为老年糖尿病患者认知障碍的早期识别和预防提供参考。方法纳入2021年10月―2022年5月就诊于山东省烟台市蓬莱人民医院内分泌科的≥60岁2型糖尿病患者1319例作为研究对象,调查患者一般人口学特征、身体疾病、生活方式、心理健康状况、生理指标资料,采用蒙特利尔认知评估量表(Montreal cognitive assessment,MoCA)评估患者认知功能。利用R 4.1.3软件构建反向传播(back propagation,BP)神经网络模型、随机森林模型、XGBoost模型,并计算模型准确率、灵敏度、特异度、阳性预测值、阴性预测值、F1评分、AUC值及其95%CI。结果BP神经网络模型、随机森林模型、XGBoost模型的灵敏度分别为57.79%、77.89%、80.40%,特异度分别为78.17%、60.41%、61.42%,AUC分别为0.746(95%CI:0.698~0.794)、0.755(95%CI:0.708~0.802)、0.756(95%CI:0.709~0.803)。结论XGBoost模型和随机森林模型具有较好的性能,在老年糖尿病患者MCI风险评估领域具有一定的应用前景。

基于Meta分析的中国老年人轻度认知障碍风险评估模型的构建与验证

目的构建中国老年人轻度认知障碍(mild cognitive impairment,MCI)风险评估模型,并进行模型效果验证。方法通过检索既往文献及Meta分析的方法获得中国老年人群MCI发病的影响因素及暴露率,运用Rothman-Keller模型构建中国老年人群MCI风险评估模型。模型验证数据来源于山东省蓬莱市人民医院及荣成市人民医院健康体检中心(2021年11月―2022年6月),共收集2545名60岁及以上老年人信息用于模型验证。运用Stata 17.0统计软件计算受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、灵敏度、特异度验证模型效果。结果Meta分析共纳入49篇文献,建立的Rothman-Keller模型纳入因素包括性别、年龄、痴呆家族史、受教育程度、吸烟、饮酒、锻炼、独居、失眠、超重/肥胖、高血压、高血脂、糖尿病、心血管疾病、脑血管疾病。模型AUC为0.772,灵敏度和特异度分别为78.04%和63.95%。结论建立的中国老年人群MCI风险评估模型效果较好,其高灵敏度的特点可以用于国内基层社区人群中MCI的识别,有助于及早发现高危人群并采取措施,预防MCI及痴呆的发生和发展。

中国5省(自治区、直辖市)≥40岁体检人群血糖异常检出情况及其影响因素分析

目的了解中国5省(自治区、直辖市)≥40岁体检人群血糖异常检出情况及其影响因素,为糖尿病防控政策的制定提供参考依据。方法于2021年7—12月在天津、山东、重庆、贵州、新疆5个省(自治区、直辖市)选取24家卫生院和社区卫生服务中心招募3749名≥40岁体检人群进行问卷调查和血糖检测。结果中国5省(自治区、直辖市)最终纳入分析的3743名≥40岁体检人群中,检出血糖异常者820人,血糖异常检出率为21.91%;男性和女性血糖异常检出率分别为22.19%和21.67%,差异无统计学意义(χ^(2)=0.148,P=0.701)。多因素非条件logistic回归分析结果显示,年龄≥60岁、在婚、有糖尿病家族史、高血压、超重和肥胖为中国5省(自治区、直辖市)体检人群检出血糖异常的危险因素,文化程度大专以上和南方区域为中国5省(自治区、直辖市)体检人群检出血糖异常的保护因素;有糖尿病家族史、高血压、超重和肥胖为中国5省(自治区、直辖市)男性体检人群检出血糖异常的危险因素,文化程度大专及以上和南方区域为中国5省(自治区、直辖市)男性体检人群检出血糖异常的保护因素;年龄≥60岁、在婚、吸烟、有糖尿病家族史、高血压、超重和肥胖为中国5省(自治区、直辖市)女性体检人群检出血糖异常的危险因素,文化程度大专及以上和南方区域为中国5省(自治区、直辖市)女性体检人群检出血糖异常的保护因素。结论中国5省(自治区、直辖市)≥40岁体检人群血糖异常检出率较高,年龄、文化程度、婚姻状况、区域、有无糖尿病家族史、是否高血压和体质指数(BMI)是体检人群血糖异常检出的主要影响因素。

芬兰糖尿病风险评分量表和丹麦糖尿病风险评分量表筛查糖尿病的效果评价

目的比较芬兰糖尿病风险评分量表(FINDRISC)和丹麦糖尿病风险评分量表(DDRS)对中国社区居民的糖尿病筛查效果,为优化筛查策略及相关政策制定提供理论依据。方法于2021年7—12月,在中国天津、山东、重庆、贵州和新疆5个省(自治区,直辖市),分别纳入4~6家卫生院或社区卫生服务中心,共招募2629名40岁及以上居民进行问卷调查及血糖检测。比较研究对象使用FINDRISC量表和DDRS量表筛查糖尿病的敏感度、特异度、约登指数及受试者工作特征(ROC)曲线下面积(AUC)。使用Stata 17.0统计软件进行t检验、χ^(2)检验及ROC构建。结果2629名研究对象检出糖尿病患者245例,检出率为9.32%。使用FINDRISC量表筛查糖尿病的灵敏度、特异度和AUC分别为70.20%、73.78%和0.781(95%CI:0.749~0.813);使用DDRS量表筛查糖尿病的灵敏度、特异度和AUC分别为67.76%、59.31%和0.661(95%CI:0.626~0.696)。结论FINDRISC量表和DDRS量表均可用于中国居民。FINDRISC量表的应用效果优于DDRS,更适合用于国内社区居民的糖尿病筛查。